Tìm hiểu thuật toán AHP và AHP thô xác định yếu tố ảnh hưởng đến cây dâu tây trồng tại thành phố đà lạt

Đề tài“Áp dụng AHP và AHP thô để xác định các yếu tố ảnh hưởng tới cây dâu tây” được thực hiện với hy vọng góp phần tìm ra được mức độ ảnh hưởng của những yếu tố có tính quyết định tới

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NHA TRANG

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NHA TRANG

LỜI CAM ĐOAN

Tôi xin cam đoan mọi kết quả của đề tài: “TÌM HIỂU THUẬT TOÁN AHP VÀ

AHP THÔ XÁC ĐỊNH YẾU TỐ ẢNH HƯỞNG ĐẾN CÂY DÂU TÂY TRỒNG

TẠI THÀNH PHỐ ĐÀ LẠT” là công trình nghiên cứu của cá nhân tôi và chưa từng

được công bố trong bất cứ công trình khoa học nào khác cho tới thời điểm này Nếu xảy

ra bất kỳ trường hợp nào liên quan đến bản quyền tôi xin hoàn toàn chịu trách nhiệm

Khánh Hòa, ngày tháng 10 năm 2019

Tác giả luận văn

Nguyễn Thành Đô

LỜI CẢM ƠN

Trong suốt thời gian thực hiện đề tài, tôi đã nhận được sự giúp đỡ của quý phòng ban trường Đại học Nha Trang, lãnh đạo UBND thành phố Đà Lạt, Phòng Văn hóa và Thông tin, Phòng Kinh tế, Trung tâm Nông nghiệp thành phố Đà Lạt đã tạo điều kiện tốt nhất cho tôi được hoàn thành đề tài Đặc biệt là sự hướng dẫn tận tình của TS Nguyễn Đức Thuần đã giúp tôi hoàn thành tốt đề tài Qua đây tôi cũng xin gửi lời cảm ơn sâu sắc tới sự giúp đỡ này

Cuối cùng tôi xin gửi lời cảm ơn chân thành đến gia đình và tất cả bạn bè đã giúp

đỡ, động viên tôi trong suốt quá trình học tập và thực hiện đề tài

Tôi xin chân thành cảm ơn!

Khánh Hòa, ngày……tháng 10 năm 2019

Tác giả luận văn

Nguyễn Thành Đô

MỤC LỤC

LỜI CAM ĐOAN iii

LỜI CẢM ƠN iv

MỤC LỤC v

DANH MỤC CÁC TỪ VIẾT TẮT viii

DANH MỤC BẢNG ix

DANH MỤC HÌNH x

TRÍCH YẾU LUẬN VĂN xi

MỞ ĐẦU 1

1 Lý do chọn đề tài 1

2 Mục tiêu và nhiệm vụ nghiên cứu 1

3 Đối tượng và phạm vi nghiên cứu 2

CHƯƠNG 1 HỆ HỖ TRỢ QUYẾT ĐỊNH, BÀI TOÁN RA QUYẾT ĐỊNH ĐA MỤC TIÊU 3

1.1 Hệ hỗ trợ quyết định (DSS - Decision Support Systems) 3

1.1.1 Khái niệm hệ hỗ trợ quyết định 3

1.1.1.1 Phân loại quyết định 4

1.1.1.2 Các bước của quá trình ra quyết định 4

1.1.2 Các thành phần của DSS 6

1.1.3 Mô hình ra quyết định 8

1.2 Bài toán quyết định đa tiêu chí 9

1.2.1 Giới thiệu 9

1.2.2 Phân loại bài toán ra quyết định đa tiêu chí 10

1.2.3 Các phương pháp ra quyết định đa tiêu chí 10

CHƯƠNG 2 THUẬT TOÁN AHP 12

2.1 Giới thiệu 12

2.2 Cơ sở phương pháp tính trọng số 12

2.2.1 Trị riêng và vector riêng của ma trận 12

2.2.2 So sánh cặp 13

2.2.3 Tính nhất quán trong so sánh nhiều đối tượng 14

2.3 Các bước tiến hành AHP 15

2.4 Ví dụ minh họa 15

CHƯƠNG 3 THUẬT TOÁN AHP THÔ - RAHP (ROUGH ANALYTIC HIERARCHY PROCESS) 18

3.1 Khái niệm lý thuyết tập thô 18

3.2 Các khái niệm cơ bản 18

3.2.1 Hệ thống thông tin 18

3.2.2 Bảng quyết định (Decision Table) 19

3.2.3 Quan hệ không phân biệt được 20

3.2.4 Các tập xấp xỉ 20

3.2.5 Rút gọn (Reduction) và lõi (Core) 21

3.3 Các phép tính trên số thô 22

3.3.1 So sánh 2 số thô 22

3.3.2 Phép toán trên số thô 23

3.4 Mô tả thuật toán RAHP 23

3.4.1 Phân tích ý tưởng của thuật toán 23

3.4.2 Các bước chi tiết của thuật toán RAHP 24

CHƯƠNG 4 ỨNG DỤNG THUẬT TOÁN AHP VÀ RAHP TRÊN BỘ DỮ LIỆU 27

4.1 Ứng dụng trên AHP 27

4.2 Ứng dụng RAHP trên bộ dữ liệu 31

4.3 Kết quả 35

CHƯƠNG 5 SO SÁNH KẾT QUẢ CỦA THỬ NGHIỆM VÀ HƯỚNG PHÁT TRIỂN 37

5.1 Nhận xét trên phương diện ứng dụng thuật toán với bộ dữ liệu 37

5.2 Nhận xét về thuật toán sử dụng trong chương trình 38

5.3 Hướng nghiên cứu 39

TÀI LIỆU THAM KHẢO 40

PHỤ LỤC 41

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC BẢNG

Bảng 2.1 Bảng phân loại mức độ yêu thích 13

Bảng 2.2 Bảng tính số phép so sánh 14

Bảng 2.3 Bảng quan hệ chỉ số RI do Saaty đề xuất 15

Bảng 3.1 Bảng hệ thống thông tin 19

Bảng 3.2 Bảng quyết định với thuộc tính quyết định là Hình khối 19

Bảng 3.3 Bảng hệ thống thông tin các triệu chứng cảm cúm 21

Bảng 3.4 Bảng quyết định về bệnh cúm 22

Bảng 4.1 Phân hạng mức độ quan trọng của các yếu tố ảnh hưởng 29

Bảng 4.2 Bảng đánh giá các so sánh cặp 30

Bảng 4.3 Kết quả xếp hạng các thuộc tính bằng phương pháp AHP và RAHP 36

DANH MỤC HÌNH

Hình 1.1 Năng lực của hệ hỗ trợ quyết định 4

Hình 1.2 Các giai đoạn của quá trình ra quyết định 5

Hình 1.3 Các thành phần của hệ hỗ trợ quyết định 8

Hình 2.1 Cách cho điểm khi so sánh Apple và Banana 13

Hình 2.2 Các phép so sánh cần thực hiện trong bài ví dụ 16

Hình 2.3 Ví dụ cách cho điểm các yếu tố 16

Hình 4.1 Sơ đồ thuật toán tính trọng số của từng tiêu chí theo phương pháp chuẩn hóa ma trận 27

Hình 4.2 Các yếu tố ảnh hưởng tới sự sinh trưởng và phát triển của cây dâu 28

Hình 4.3 Chương trình tính trọng số bằng AHP và RAHP 35

TRÍCH YẾU LUẬN VĂN

Analytic Hierarchy Process (AHP) là một kỹ thuật có cấu trúc để tổ chức và phân tích các quyết định đa tiêu chí dựa trên toán học và tâm lý học được phát triển bởi giáo

sư Thomas L Saaty trong những năm 1970 và đã được rất nhiều nhà nghiên cứu và phát triển từ đó đến nay AHP được sử dụng rộng rãi trong nhiều lĩnh vực như kinh tế, nông nghiệp, y tế, công nghiệp, giáo dục, Với lý do đó luận văn “TÌM HIỂU THUẬT TOÁN AHP VÀ AHP THÔ XÁC ĐỊNH YẾU TỐ ẢNH HƯỞNG ĐẾN CÂY DÂU TÂY TRỒNG TẠI THÀNH PHỐ ĐÀ LẠT” được thực hiện với mong muốn tìm ra bộ trọng

số các yếu tố ảnh hưởng tới cây dâu tây Luận văn hệ thống lại quá trình phân tích thứ bậc AHP, nghiên cứu phương pháp AHP thô (Rough Analytic Hierarchy Process - RAHP) Luận văn tập trung nghiên cứu một số vấn đề sau:

- Tìm hiểu kỹ thuật phân tích thứ bậc (Analytic Hierarchy Process - AHP) trong việc hỗ trợ ra quyết định đa tiêu chí (MCDA – Multi Criteria Decision Analysis)

- Tìm hiểu việc tích hợp lý thuyết tập thô (Rough set theory) để cải tiến kỹ thuật AHP

- So sánh sự xếp hạng các đối tượng đa tiêu chí giữa kỹ thuật AHP và AHP thô (Rough Analytic Hierarchy Process -RAHP)

Sau khi tìm hiểu lý thuyết các kỹ thuật AHP, RAHP, tôi lập trình minh họa bằng ngôn ngữ lập trình C# để so sánh kết quả của 2 phương pháp

Qua đó, luận văn đã đạt được một số kết quả nghiên cứu như sau:

- Tổng quan bài toán ra quyết định đa mục tiêu

- Áp dụng AHP vào bài toán xác định trọng số các yếu tố ảnh hưởng tới cây dâu tây

- Trình bày được cách tích hợp lý thuyết tập thô để cải tiến AHP

- Lập trình minh họa cách tính bộ trọng số cho các yếu tố bằng AHP và RAHP

- Đưa ra nhận định về việc so sánh sự xếp hạng ưu tiên của các yếu tố bằng kỹ thuật AHP và RAHP

Từ những kết quả đã đạt được, luận văn đưa ra kết luận và khuyến nghị như sau:

- AHP có tính chủ quan trong việc mô hình hóa vấn đề Điều đó có nghĩa là phương pháp luận không thể đảm bảo các quyết định là hoàn toàn đúng, vì vậy có thể kết hợp thêm lý thuyết tập thô với AHP với nhau để có nhiều thông tin có ích cho việc

ra quyết định

- RAHP đưa ra kết quả mang tính khách quan hơn, ít bị trùng lặp hơn so với AHP

Từ khóa: Analytic Hierarchy Process (AHP), kỹ thuật phân tích thứ bậc, kỹ thuật

Sản xuất nông nghiệp theo hướng công nghệ cao phát triển nhanh và đã được triển khai ở hầu hết các phường xã trên địa bàn, tạo ra nhiều sản phẩm hàng hóa có chất lượng, đáp ứng cho nhu cầu của thị trường tiêu dùng trong nước và xuất khẩu Nhằm góp phần tạo ra những vùng sản xuất dâu tây có năng suất cao, chất lượng tốt an toàn cho người tiêu dùng và tạo tiền đề xây dựng thương hiệu dâu tây Đà Lạt trong thời gian tới Đề

tài“Áp dụng AHP và AHP thô để xác định các yếu tố ảnh hưởng tới cây dâu tây” được

thực hiện với hy vọng góp phần tìm ra được mức độ ảnh hưởng của những yếu tố có tính quyết định tới sự sinh trưởng và phát triển của cây dâu tây phục vụ cho sản xuất cây dâu tây tại địa phương

2 Mục tiêu và nhiệm vụ nghiên cứu

Nhiệm vụ:

Để thực hiện được những mục tiêu nêu trên, cần nghiên cứu và tiến hành triển khai các nội dung như sau:

- Tìm hiểu các vấn đề có liên quan tới quá trình trồng, chăm sóc cây dâu tây

- Tìm hiểu về hệ hỗ trợ ra quyết định, bài toán ra quyết định đa mục tiêu

- Nghiên cứu về thuật toán AHP và RAHP

- Xây dựng chương trình xác định trọng số các yếu tố

- So sánh kết quả các phương pháp

3 Đối tượng và phạm vi nghiên cứu

Đối tượng:

- Các yếu tố liên quan tới sự sinh trưởng và phát triển của cây dâu tây

- Thuật toán AHP, RAHP

Phạm vi:

Tập trung nghiên cứu, ứng dụng các phương pháp hỗ trợ ra quyết định đa tiêu chí

và áp dụng thử nghiệm phân tích mức độ ảnh hưởng của các yếu tố đối với cây dâu

CHƯƠNG 1 HỆ HỖ TRỢ QUYẾT ĐỊNH, BÀI TOÁN RA QUYẾT ĐỊNH ĐA MỤC TIÊU

1.1 Hệ hỗ trợ quyết định (DSS - Decision Support Systems)

1.1.1 Khái niệm hệ hỗ trợ quyết định

Quá trình ra quyết định đối với một vấn đề xuất hiện trong khắp các lĩnh vực, hoạt động sản xuất, đời sống con người mà đôi khi chúng ta không nhận ra Nó xảy ra hàng ngày, từ những việc đơn giản như chọn một bộ quần áo để đi học cho đến những việc lớn như chọn trường Đại học để theo học,… đều là những việc đưa ra quyết định Như

vậy hệ hỗ trợ quyết định (DSS - Decision Support Systems) là hệ thống thông tin trợ

giúp công tác ra quyết định Người ta dùng các khái niệm như: người ra quyết định, quá trình ra quyết định và hệ thống tin học trợ giúp khi đề cập tới DSS

Các định nghĩa trước đây của DSS nhấn mạnh vào khả năng hỗ trợ các nhà ra quyết định quản lý trong các tình huống bán cấu trúc Như vậy, DSS có ý nghĩa là một sự hỗ trợ cho các nhà quản lý nhằm nâng cao năng lực nhưng nó không thay thế khả năng quyết định của họ

Thông thường các DSS sẽ là các hệ thống được tin học hóa, có giao tiếp đồ họa và chế độ làm việc có tương tác trên các mạng máy tính Cơ sở của các định nghĩa về DSS thay đổi từ nhận thức DSS làm gì (ví dụ như hỗ trợ ra quyết định trong các bài toán phi cấu trúc) cho đến cách thức đạt được các mục tiêu của DSS (các thành phần yêu cầu, khuôn mẫu sử dụng, quá trình phát triển )

Hình 1.1 Năng lực của hệ hỗ trợ quyết định 1.1.1.1 Phân loại quyết định

- Quyết định có cấu trúc (Structured Decision): Là các quyết định mà người

ra quyết định biết chắc chắn kết quả là đúng

- Quyết định không có cấu trúc (Nonstructured Decision): Là các quyết định

mà người ra quyết định biết là có nhiều câu trả lời gần đúng và chưa tìm ra cách để tìm

ra câu trả lời chính xác nhất

- Quyết định đệ qui (Recurring Decision): Loại quyết định lặp đi lặp lại

- Quyết định không đệ quy (Nonrecurring Decision): Các quyết định không

xảy ra thường xuyên[3]

1.1.1.2 Các bước của quá trình ra quyết định

Theo Simon, quá trình ra quyết định và quan hệ giữa chúng được miêu tả như hình 1.2, gồm 4 giai đoạn đó là:

- Nhận định (Intelligence): Tìm kiếm các tình huống dẫn đến việc phải ra quyết định, nhận định các vấn đề, nhu cầu, cơ hội,…

- Thiết kế (Design): Phân tích các hướng tiếp cận giải quyết vấn đề, đáp ứng các nhu cầu, tận dụng cơ hội và giảm thiểu các yếu tố rủi ro

- Lựa chọn (Choice): Cân nhắc và đánh giá từng giải pháp, so sánh các phương pháp từ đó đưa ra sự lựa chọn

- Tiến hành ra quyết định (Implementation): Thực hiện giải pháp được chọn, theo dõi kết quả và có sự điều chỉnh nếu cần thiết

Hình 1.2 Các giai đoạn của quá trình ra quyết định

Việc ra quyết định thường được bắt đầu với việc xác định những người ra quyết định và các bên liên quan trong quyết định, nhằm giảm bớt sự bất đồng có thể về định nghĩa vấn đề, các yêu cầu, các mục tiêu và các tiêu chuẩn Do đó, một tiến trình ra quyết định chung có thể được chia thành các bước sau đây:

Bước 1: Xác định vấn đề

Quá trình này xác định nguyên nhân chính, các giả thiết có thể xảy ra và bất kỳ vấn đề có liên quan nào Mục đích là để trình bày vấn đề một cách rõ ràng, mô tả cả điều kiện ban đầu và điều kiện mong muốn Bước này rất quan trọng và cần thiết phải được thực hiện trước khi tiếp tục sang bước tiếp theo

Bước 2: Xác định các yêu cầu

Các yêu cầu là những điều kiện mà bất kỳ phương án được chấp nhận nào cũng phải đáp ứng Trong toán học, các yêu cầu này là các ràng buộc mô tả một tập các phương án khả thi của vấn đề quyết định Bước này rất quan trọng ngay cả khi các đánh giá chủ quan hay phán xét có thể xảy ra trong các bước tiếp theo, các yêu cầu phải được

thể hiện dưới dạng định lượng chính xác, tức là với bất kỳ phương án nào thì yêu cầu cũng phải rõ ràng cho dù có đáp ứng các yêu cầu hay không

Bước 3: Thiết lập mục tiêu

Mục tiêu là phát biểu của các giá trị mong muốn Trong toán học, các mục tiêu thường trái ngược với các yêu cầu Các mục tiêu có thể mâu thuẫn nhưng đây là tình huống quyết định tự nhiên trong thực tế

Bước 4: Xác định các phương án

Các phương án xuất hiện dựa vào các cách tiếp cận khác nhau với sự thay đổi điều kiện đầu vào thành điều kiện mong muốn

Bước 5: Xác định các tiêu chuẩn

Tiêu chuẩn quyết định và phân biệt giữa các phương án phải dựa trên các mục tiêu Điều này cần thiết để xác định tiêu chuẩn như là phương pháp khách quan của các mục tiêu để tính toán mỗi phương án đạt được các mục tiêu như thế nào

Bước 6: Lựa chọn một kỹ thuật ra quyết định

Có nhiều kỹ thuật để giải quyết bài toán ra quyết định Việc lựa chọn một kỹ thuật thích hợp không phải dễ dàng và nó phụ thuộc vào bài toán ra quyết định cụ thể, cũng như phụ thuộc vào mục tiêu của người ra quyết định Đôi khi “kỹ thuật càng đơn giản thì càng tốt”, nhưng với các bài toán ra quyết định phức tạp thì đòi hỏi các kỹ thuật phức tạp

Bước 7: Đánh giá các phương án so với tiêu chuẩn

Tùy thuộc vào tiêu chuẩn, đánh giá có thể khách quan hoặc có thể là chủ quan Khi đánh giá, kỹ thuật ra quyết định đã lựa chọn ở bước 6 có thể được áp dụng để xếp hạng các phương án và chọn ra một tập con của các phương án mong muốn nhất

Bước 8: Xác nhận lại lời giải

Các phương án sau khi lựa chọn ở bước 7 sẽ được xác nhận lại xem có phù hợp với các yêu cầu và mục tiêu của bài toán ra quyết định hay không

1.1.2 Các thành phần của DSS

Một DSS cơ bản sẽ bao gồm các thành phần chính là:

- Phân hệ quản lý dữ liệu (Data Management): Phân hệ quản lý dữ liệu gồm

một cơ sở dữ liệu (Database) chứa các dữ liệu cần thiết và được quản lý bởi một hệ quản trị cơ sở dữ liệu (DBMS - Database Management System) Phân hệ này có thể được kết nối với nhà kho dữ liệu của tổ chức (Data Warehouse) - là kho chứa dữ liệu của tổ chức

có liên quan đến vấn đề ra quyết định

Phân hệ quản lý dữ liệu bao gồm các phần tử sau:

- Phân hệ quản lý mô hình (Model Management): là một dạng dữ liệu đặc biệt

dùng để mô tả khái quát các đặc trưng quan trọng nhất của các sự kiện, vấn đề mà không cần phải diễn tả lại toàn bộ chi tiết Giá trị của mô hình là để giảm bớt chi phí nghiên cứu hoặc mô tả chi tiết cho các vấn đề Tương tự như database, nó lưu trữ các mô hình thống kê, tài chính, toán học mà DSS sử dụng để thực hiện tự động nhiều phân tích khác nhau trên vấn đề để tìm lời giải

- Phân hệ quản lý dựa vào kiến thức: Là bộ máy suy diễn dựa trên các quy tắc

và sự kiện đã biết (từ dữ liệu, mô hình và cơ sở kiến thức tổ chức) Máy tri thức trợ giúp thu thập lưu trữ và sử dụng tri thức để hỗ trợ tự động hóa việc phân tích, suy diễn, tổng hợp các sự kiện hướng đến giải pháp cho vấn đề Phân hệ quản lý dựa vào kiến thức có thể hỗ trợ các phân hệ khác hay hoạt động độc lập nhằm đưa ra tính thông minh của quyết định đưa ra Nó cũng có thể được kết nối với các kho kiến thức khác

- Phân hệ quản lý giao diện người dùng (User Interface Management): DSS

được sử dụng theo phương thức tương tác người - máy ở mức độ cao vì giải pháp cho các bài toán bán cấu trúc cần được tinh chỉnh từng bước từ phía người sử dụng Sự giao tiếp người - máy càng thuận tiện bao nhiêu thì hiệu quả của DSS càng cao bấy nhiêu

- Người sử dụng: Người sử dụng của DSS đóng vai trò cung cấp kiến thức, hoặc

ra các quyết định cho hệ thống (tinh chỉnh giải pháp, chọn cách giải quyết) trong suốt quá trình tìm kiếm giải pháp

Tuy nhiên không phải tất cả các DSS nào cũng có đầy đủ các thành phần trên

Hình 1.3 Các thành phần của hệ hỗ trợ quyết định

1.1.3 Mô hình ra quyết định

Một đặc trưng của DSS là phải có ít nhất một mô hình hỗ trợ đưa ra quyết định Việc lựa chọn và xây dựng mô hình nằm trong giai đoạn thứ hai của quá trình ra quyết định Một mô hình là một khái quát hóa hay trừu tượng hóa của thực tế Mô hình hóa các vấn đề thực tế thành các mô hình định tính hay định lượng là một quy trình kết hợp

cả khoa học (sự chính xác, logic) và nghệ thuật (sự sáng tạo)

Một mô hình thường bao gồm 3 thành phần cơ bản:

định bởi người ra quyết định Ví dụ trong bài toán ra quyết định đầu tư thì đây là số tiền đầu tư, nơi đầu tư, thời gian đầu tư,…

nằm trong sự kiểm soát của người ra quyết định (bị tác động bởi các yếu tố bên ngoài)

Ví dụ trong bài toán trên thì đó là tốc độ lạm phát, lãi suất ngân hàng,…

hạn trong bài toán trên thì đó là tỉ số lợi nhuận,…

1.2 Bài toán quyết định đa tiêu chí

1.2.1 Giới thiệu

Trong cuộc sống hàng ngày của mỗi người, trong sản xuất kinh doanh, trong quản

lý nói chung…, chúng ta luôn phải giải quyết nhiều vấn đề theo kiểu sao cho chi phí ít

mà chất lượng sản phẩm lại cao, lợi tức được nhiều mà rủi ro lại ít v.v… Các điều “mong muốn” như vậy được gọi nôm na là các “mục tiêu” Từ các mục tiêu đó có thể diễn đạt thành các tiêu chí với các “độ đo mức độ đạt được của tiêu chí”, được gọi là các “chỉ số hiệu quả” có đơn vị đo khác nhau Thông thường, chỉ số hiệu quả đạt càng lớn (hoặc càng bé) thì càng tốt Ngoài ra, trong lựa chọn còn có “các ràng buộc” Do đó, chúng ta chỉ có một số giải pháp hay “phương án chấp nhận được” Giải quyết một vấn đề có bao gồm từ hai mục tiêu hay tiêu chí kiểu như vậy trở lên, ngày nay người ta gọi là “Ra quyết định đa tiêu chí (Multiple Criteria Decision Analysis - MCDA)”

Rủi ro trong mọi lĩnh vực của cuộc sống bao gồm rất nhiều yếu tố và chúng ta luôn mong muốn tìm ra hướng giải quyết cho mọi khả năng có thể xảy đối với điều mình phải đối mặt Nông nghiệp là ngành sản xuất phụ thuộc rất nhiều vào yếu tố chăm sóc và môi trường xung quanh, vì vậy kết quả thu được đặc biệt phụ thuộc rất nhiều từ bên ngoài Biết tầm quan trọng của các yếu tố rủi ro này đối với các hoạt động nông nghiệp con người luôn có sự thay đổi phương pháp, cách thức tùy theo khu vực địa lý tạo thành thông tin liên quan cho phát triển nông nghiệp Mục tiêu của đề tài là tìm được bộ trọng

số của các yếu tố ảnh hưởng tới cây dâu tây bằng phương pháp phân tích đa tiêu chuẩn AHP và AHP thô đồng thời cũng so sánh được kết quả mà 2 phương pháp mang lại với

hy vọng tìm ra được cách phù hợp và chính xác hơn trong từng trường hợp

Quá trình AHP đã phân rã một mục tiêu thành một tiêu chí phân cấp và cấu trúc tiêu chí phụ Điều này cho phép giải quyết một quyết định phức tạp bằng một loạt so sánh dẫn đến quyết định Trong trường hợp này, mục tiêu cuối cùng là thiết lập một thứ hạng của các yếu tố trong việc chăm sóc cây dâu tây Nói đến ưu tiên, tám yếu tố được các chuyên gia nông nghiệp coi là một cấp độ đầu tiên của tiêu chí quyết định, trong khi

có 3 loại dâu phụ thuộc vào từng thuộc tính được xem xét trong một cấp bậc thứ hai Tính linh hoạt được cung cấp bởi AHP cho phép ứng dụng rộng rãi trong nhiều lĩnh vực thực nghiệm bao gồm các lĩnh vực khác nhau về việc ra quyết định trong đó một loạt các tiêu chí quyết định can thiệp Mục tiêu chính của đề tài là tìm ra bộ trọng số tương đối của tám yếu tố ảnh hưởng mạnh trực tiếp tới cây bằng AHP và AHP thô

1.2.2 Phân loại bài toán ra quyết định đa tiêu chí

Roy đã đưa ra 4 loại bài toán cơ bản trong MCDA đó là :

Chọn ra một phương án từ tập hợp các phương án có thể lựa chọn

Sắp xếp các phương án có thể lựa chọn vào nhóm có tính chất tương đồng

Xếp hạng các phương án lựa chọn từ tốt nhất đến xấu nhất

Mô tả các phương án lựa chọn theo thuộc tính phân biệt được nó với các phương án lựa chọn khác

1.2.3 Các phương pháp ra quyết định đa tiêu chí

Trên thế giới cũng đã có nhiều nghiên cứu ứng dụng MCDA trong mô hình lựa chọn nhà cung cấp, phân tích thứ bậc các yếu tố, một số phương pháp được sử dụng phổ biến hiện nay như:

AHP: Là một kỹ thuật có cấu trúc để tổ chức và phân tích các quyết định phức tạp, dựa trên toán học và kinh nghiệm của chuyên gia AHP là một phương pháp nổi tiếng trong việc xác định mức độ quan trọng của từng tiêu chí AHP có thể kết hợp với các phương pháp khác một cách dễ dàng để tận dụng được lợi thế của mỗi phương pháp trong giải quyết vấn đề AHP có thể kiểm tra tính nhất quán trong cách đánh giá của người ra quyết định Quy trình phân tích theo thứ bậc dễ hiểu, xem xét nhiều tiêu chí nhỏ và phân tích cả yếu tố định tính lẫn định lượng

ANP: Tỷ lệ sử dụng ANP trong nghiên cứu, đánh giá tuy thấp hơn AHP nhưng đây vẫn là một trong những phương pháp khá thông dụng ANP được ứng dụng trong xây dựng vấn đề ra quyết định từ việc chỉnh hợp các mục tiêu, tiêu chí, lựa chọn khác nhau,và

so sánh cặp đôi các tiêu chí để đưa ra phương án lựa chọn tốt nhất Phương pháp này thì đòi hỏi khá nhiều thời gian nhưng lại không yêu cầu tính độc lập giữa các tiêu chí và

có thể dự báo chính xác vì tính ưu thế được cải thiện dần thông qua các ý kiến phản hồi Hsu và Hu (2007, 2009) đã ứng dụng ANP để lựa chọn nhà cung cấp xanh do đặc tính

phụ thuộc lẫn nhau của các yếu tố trong mô hình lựa chọn Các tác giả sử dụng cả tiêu chí định tính lẫn định lượng và đã thu được những kết quả thực thực tế về các yếu tố trong mô hình, cung cấp những thông tin xác đáng cho việc lựa chọn nhà cung cấp một cách có hệ thống

DEA: Là một phương pháp phi tham số trong hoạt động nghiên cứu và các hoạt động kinh tế đối với việc ước lượng sản lượng biên Nó được sử dụng để đo lường thực nghiệm độ hiệu quả của các đơn vị ra quyết định DEA có liên kết chặt chẽ với ý thuyết kinh tế trong sản xuất, công cụ này cũng được sử dụng trong cho điểm chuẩn trong hoạt động quản lý, nơi một loạt các biện pháp được lựa chọn để đánh giá khả năng sản xuất

và hoạt động dịch vụ

FTOPSIS: Là kỹ thuật cung cấp thứ tự ưu tiên của các lựa chọn thay thế tương đương với giải pháp lí tưởng Tính toán mô hình sẽ cho ra 2 điểm gọi là: giải pháp lí tưởng tích cực (PIS) và giải pháp lí tưởng tiêu cực (NIS) Sau đó, tính khoảng cách của từng giải pháp từ 2 điểm cố định trên Sự lựa chọn tốt nhất là sự lựa chọn có khoảng cách ngắn nhất với PIS và xa nhất với NIS

PROMETHEE: Thay vì chỉ ra một quyết định "đúng", phương pháp Promethee và Gaia giúp các nhà sản xuất quyết định tìm sự thay thế phù hợp nhất với mục tiêu của

họ và sự hiểu biết của họ về các vấn đề Nó cung cấp một khuôn khổ toàn diện và hợp

lý cho cấu trúc vấn đề đưa ra quyết định, xác định và định lượng các cuộc xung đột và hiệp lực của mình, các cụm hành động, và làm nổi bật các lựa chọn thay thế chính và các lý luận cấu trúc phía sau

CHƯƠNG 2 THUẬT TOÁN AHP

2.1 Giới thiệu

AHP (Analytic Hierarchy Process) được đề xuất bởi Thomas L.Saaty trong những năm 1970 và đã được phát triển, bổ sung liên tục cho đến nay Phương pháp AHP đã được áp dụng rộng rãi trong nhiều lĩnh vực như khoa học tự nhiên, kinh tế, xã hội, y tế… nó được coi như một phương pháp mạnh mẽ và linh hoạt trong bài toán ra quyết định đa tiêu chí AHP là một phương pháp có tính trực quan cao và tương đối dễ dàng

để xây dựng mô hình và phân tích quyết định; một công cụ cho phép nhìn thấy rõ ràng các tiêu chí cần thẩm định Phương pháp này đã được được phổ biến rộng rãi nhờ khả năng xử lý trong cấu trúc các vấn đề quyết định, cũng như xem xét rõ ràng các đánh giá chủ quan khác nhau từ các chuyên gia tạo ra kết quả một cách khách quan cho việc ra quyết định Nhưng cùng với đó là sự chưa được toàn diện của AHP bởi các trọng số của từng yếu tố phụ thuộc gần như hoàn toàn vào từng chuyên gia nên luôn có sự khác biệt giữa các đánh giá

Phương pháp AHP có những ưu điểm quan trọng đó là:

- AHP được thể hiện bằng mô hình đơn giản dưới dạng cấu trúc phân cấp vì vậy vấn đề trọng tâm của bài toán trở nên rõ ràng hơn

- AHP có thể được sử dụng để xem xét các vấn đề khách quan hoặc chủ quan, định tính hay định lượng trong quá trình ra quyết định

- Đo lường được tính nhất quán của người ra quyết định

- Người ra quyết định có thể linh hoạt trong quyết định cuối cùng bằng cách áp dụng thêm một số yếu tố khác

Quá trình của phương pháp này phụ thuộc vào những cơ sở lý thuyết sau:

2.2 Cơ sở phương pháp tính trọng số

2.2.1 Trị riêng và vector riêng của ma trận

Cho một ma trận vuông A kích thước n×n, vector W có kích thước n×1 và một số

vô hướng 𝜆 Nếu A × W = 𝜆 × W, thì W là vector riêng (Eigenvector) của A và 𝜆 là trị

riêng (Eigenvalue) của A

độ yêu thích loại trái cây nào hơn thì có mức độ cho điểm tương ứng như bảng

Hai loại trái cây được yêu thíchngang nhau

Yêu thích như nhau cho

đến vừa phải

2

sự ưu tiên vừa phải cho loại trái nào

Hơi thích vừa phải đến hơi

thích hơn

4

sự ưu tiên mạnh cho loại trái nào

Bảng 2.1 Bảng phân loại mức độ yêu thích

Ví dụ Banana là loại quả được thích hơn Apple một chút thì ta có cách cho điểm như dưới:

Hình 2.1 Cách cho điểm khi so sánh Apple và Banana

Trong thực tế thì việc so sánh xảy ra không chỉ cho hai đối tượng mà là rất nhiều đối tượng, vì vậy để tìm ra đối tượng được ưu tiên nhất thì ta phải đi so sánh từng cặp đôi với nhau Số phép so sánh cặp đôi phụ thuộc vào số đối tượng, ta có bảng tính số phép so sánh cặp với n=1,2,3,…

Bảng 2.2 Bảng tính số phép so sánh

2.2.3 Tính nhất quán trong so sánh nhiều đối tượng

Khi so sánh hai đối tượng, việc đánh giá hoàn toàn mang tính chủ quan của người

ra quyết định Sự không thống nhất hoặc mâu thuẫn sẽ xảy ra trong quá trình so sánh cặp Ví dụ nếu A quan trọng hơn B, ký hiệu là A > B; B quan trọng hơn C, ký hiệu là B

> C thì A phải quan trọng hơn C, ký hiệu là A > C thì các so sánh theo cặp nhất quán theo tính chất bắc cầu Ngược lại, A không quan trọng hơn C thì so sánh theo cặp không nhất quán

Trong AHP, các yếu tố ưu tiên được kiểm tra tính nhất quán của ma trận so sánh cặp thông qua tỷ lệ nhất quán (CR), đó là tỉ số của chỉ số không thống nhất ngẫu nhiên (RI) CR < 0,1 được coi là chấp nhận được còn cao hơn yêu cầu xem xét lại vì chúng là rất không phù hợp

𝑛 𝑗=1

𝑤1Chỉ số nhất quán (Consistency Index)

N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

RI 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.48 1.56 1.57 1.59

Bảng 2.3 Bảng quan hệ chỉ số RI do Saaty đề xuất

2.3 Các bước tiến hành AHP

Bước 1: Phân tích vấn đề và xác định lời giải yêu cầu

Bước 2: Xác định các yếu tố sử dụng và xây dựng cây phân cấp yếu tố

Bước 3: Điều tra thu thập ý kiến chuyên gia về mức độ ưu tiên

Bước 4: Thiết lập các ma trận so sánh cặp

Bước 5: Tính toán trọng số cho từng mức, từng nhóm yếu tố

Bước 6: Tính tỷ số nhất quán (CR) Tỷ số nhất quán phải nhỏ hơn hay bằng 10%,

nếu lớn hơn, cần thực hiện lại các bước 3, 4, 5

Bước 7: Thực hiện bước 3, 4, 5, 6 cho tất cả các mức và các nhóm yếu tố trong

cây phân cấp

Bước 8: Tính toán trọng số tổng hợp và nhận xét

2.4 Ví dụ minh họa

Thuật toán sẽ dễ dàng hơn khi được giải thích bằng một ví dụ Giả sử chúng ta có

3 loại trái cây là Apple, Banana và Cherry Ta sẽ đi tìm loại trái cây được mình thích nhất bằng phương pháp AHP

Bước 1: Đầu tiên xác định có 3 loại trái cây cần so sánh để đánh giá được mức

độ yêu thích đó là Apple, Banana và Cherry

Bước 2: Xác định các yếu tố và các so sánh cặp như hình

Số lượng các phép so sánh phụ thuộc vào số lượng các yếu tố cần tính trọng số, bảng dưới cho ta biết số lượng các phép so sánh

Với đề bài đưa ra có số yếu tố là 3 vì vậy ta có tất cả 3 phép so sánh như sau

Hình 2.3 Ví dụ cách cho điểm các yếu tố

Bước 4: Thiết lập các ma trận so sánh cặp (Lưu ý rằng tất cả các phần tử trong ma

trận so sánh là dương)

𝐴 = BananaAppleCherry

Apple Banana Cherry

- Chia các phần tử của cột cho tổng

𝐴 =

AppleBananaCherryTổng [

Apple Banana Cherry

21+2131+1371

21+313 +131]

= [0.280.640.08]

Bước 6: Tính tỷ số nhất quán (CR) Tỷ số nhất quán phải nhỏ hơn hay bằng 10%, nếu lớn hơn, cần thực hiện lại các bước 3, 4, 5

Như vậy tính thống nhất trong đánh giá được chấp thuận Ta kết luận rằng Banana

là loại quả được yêu thích nhất tiếp sau đó là Apple và Cherry