Đơn giản hóa hệ thống đánh giá đa tiêu chuẩn đa cấp bằng phương pháp áp dụng các phép toán trên số mờ​

Hi n nay, xu hướng phát triển của truyền thông, đặc bi t là lợi thế của tờbáo hình, truyền hình trong những năm vừa qua phát triển không ngừng vềnội dung, nhưng vấn đề phát triển công ng

PHẠM TRUNG THÀNH

ĐƠN GIẢN HÓA HỆ THỐNG ĐÁNH GIÁ

ĐA TIÊU CHUẨN ĐA CẤP BẰNG PHƯƠNG PHÁP ÁP DỤNG CÁC PHÉP TOÁN TRÊN

SỐ MỜ

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Thái Nguyên - 2015

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

NGƯỜI HƯỚNG DẪN KHOA HỌC

PGS TS NGUYỄN TÂN ÂN

Thái Nguyên - 2015

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của bản thân, được xuấtphát từ yêu cầu thực tế trong vấn đề đưa ra các đánh giá và xây dựng lập dự

án cho vi c đầu tư các h thống xe truyền hình lưu động t i Đài Phát thanh vàTruyền hình Hải Dư ng để hình thành hướng nghiên cứu Các số li u có nguồngốc rõ ràng của nhà sản xuất đưa ra, tuân thủ đúng nguyên tắc và kết quả trìnhbày trong luận văn được thu thập trong quá trình nghiên cứu là trung thực vàchưa từng được ai công bố trước đây

Thái Nguyên, tháng 11 năm 2015

Tác giả luận văn

P m Trung T n

MỤC LỤC

Trang

MỞ ĐẦU 9

NỘI DUNG 11

CHƯ NG I: I TOÁN ĐÁNH GIÁ ĐA TI U CHUẨN, CÁC PHƯ NG PHÁP GI I QUY T 11

1.1 ài toán đánh giá với các đối tượng đa tiêu chuẩn đa cấp 11

1.2 Tổng quan về h trợ giúp quyết định 12

1.2.1 Giới thi u 12

1.2.2 H trợ giúp quyết định (DSS) 12

1.2.3 Các đặc tính và khả năng của DSS 15

1.2.4 Những lợi ích của DSS 17

1.2.5 Các thành phần của DSS 17

1.3 Một số phư ng pháp giải quyết 19

Kết luận chư ng 1 23

CHƯ NG2:M H NHH TH NG NGD NGCÁCPH PTOÁNTR N S MỜ GI I I TOÁN ĐÁNH GIÁ ĐA TI U CHUẨN, ĐA C P 24

2.1 Vấn đề xử lý thông tin mờ 24

2.2 Tích hợp mờ trong ra quyết định đa tiêu chuẩn 24

2.3 Các phép toán trên số mờ ứng dụng trong bài toán 28

2.3.1 Các định ngh a 28

2.3.2 Các ph p toán trên tập mờ 30

2.3.3 Các tính chất của tập mờ 33

2.3.4 Ph p cộng và ph p nhân số mờ 33

2.4 Thuật toán đánh giá đa tiêu chuẩn 37

2.4.1 Bài toán 37

2.4.2 Thuật toán 37

2.5 Ví dụ minh họa 39

Kết luận chư ng 2 49

CHƯ NG 3: XÂY DỰNG CHƯNG TR NH THỬ NGHI M ĐÁNH GIÁ H TH NG XE TRUYỀN H NH LƯU ĐỘNG TẠI CÁC Đ I PHÁT THANH V TRUYỀN H NH TRONG KHU VỰC ĐỒNG ẰNG S NG HỒNG 50

3.1 ài toán đánh giá h thống xe truyền hình lưu động t i các Đài phát thanh và truyền hình khu vực Đồng bằng Sông Hồng 50

3.2 Các bước tính toán 53

3.3 Chọn ngôn ngữ lập trình 57

3.4 Giao di n và hướng dẫn sử dụng 57

3.4.1 Giới thi u chư ng trình 57

3.4.2 Giao di n chính 58

3.4.3 Màn hình nhập dữ li u ban đầu của các h thống cần đánh giá 60

3.4.4 Giao di n nhập thông số k thuật và ý kiến chuyên gia về k thuật 61

3.4.5 Giao di n nhập thông số k thuật và ý kiến chuyên gia về công ngh 60 3.4.6 Giao di n nhập thông số k thuật và ý kiến chuyên gia về bảo trì 61 3.4.7 Giao di n nhập thông số k thuật và ý kiến chuyên gia về kinh tế 62

3.4.8 Giao di n nhập thông số k thuật và ý kiến chuyên gia về tiến bộ 63

3.4.9 Màn hình nhập thông tin về trọng số ở mỗi tiêu chuẩn đánh giá của các h thống xe truyền hình 66

3.4.10 Ho t động của giao di n đánh giá h thống xe truyền hình lưu động 67

3.5 Kết quả ch y thử 68

Kết luận chư ng 3 69

T I LI U THAM KH O 71

DANH MỤC CÁC KÍ HIỆU, CHỮ VIẾT TẮT

Decision support systems (DSS): Khái ni m h hỗ trợ ra quyết định

Multiple attribute decision making (MADM) : Ra quyết định nhiều thuộc tínhElectronic Data Processing (EDP): H thống xử lý dữ li u tư ng tác

Analytic hierarchy process (AHP): Phư ng pháp phân tích thứ bậc

DANH MỤC HÌNH ẢNH

Hình 1.1: S đồ mô tả h hỗ trợ ra quyết định DSS 12

Hình 1.2: S đồ các thành phần c bản của h hỗ trợ ra quyết định DSS 15

Hình 1.3: S đồ cấu trúc thứ bậc (Saaty, T.L., 1980) 17

Hình 2.1: Một số mờ tam giác A 27

Hình 2.2: Ph p toán số mờ 31

Hình 2.3: Số mờ hình thang M 32

Hình 2.4: Giải mờ hóa số mờ hình thang 33

Hình 2.5: Mô hình đánh giá 3 h thống tên lửa chiến thuật 38

Hình 2.6: Đường cong hàm thuộc của các số mờ tam giác R(1), R(2) và R(3) 44

Hình 3.1: Mô hình hóa h thống xe truyền hình lưu động cần đánh giá 49

Hình 3.2: Giao di n chính 57

Hình 3.3: Giao di n nhập tên các h thống xe truyền hình cần đánh giá 58

Hình 3.4: Giao di n nhập thông số k thuật và ý kiến chuyên gia về k thuật 59

Hình 3.5: Giao di n nhập thông số công ngh và ý kiến chuyên gia về công ngh 60

Hình 3.6: Giao di n nhập thông số bảo trì và ý kiến chuyên gia về bảo trì 61

Hình 3.7: Giao di n nhập thông số tính kinh tế và ý kiến chuyên gia về tính kinh tế 62

Hình 3.8: Giao di n nhập thông số tiến bộ và ý kiến chuyên gia về tiến bộ 63

Hình 3.9: Giao di n nhập Trọng số - mức độ quan trọng của tiêu chuẩn 64

Hình 3.10: Giao di n ch y kiểm thử chư ng trình demo 65

DANH MỤC CÁC BẢNG

Bảng 1.1: Bảng so s nh hệ h tr ra qu t nh v hệ l t ng t c 10

Bảng 2.1: Dữ liệu thông số chi n thuật của 3 hệ thống tên l a 37

Bảng 2.2: Đặc tính và ý ki n chuyên gia 37

Bảng 2.3: Chỉ tiêu chi n thuật ối với 3 hệ thống tên l a chi n thuật. 39

Bảng 2.4: Chỉ tiêu công nghệ ối với 3 hệ thống tên l a chi n thuật. 39

Bảng 2.5: Chỉ tiêu bảo trì ối với 3 hệ thống tên l a chi n thuật. 40

Bảng 2.6: Chỉ tiêu kinh t ối với 3 hệ thống tên l a chi n thuật. 40

Bảng 2.7: Chỉ ti n bộ ối với 3 hệ thống tên l a chi n thuật. 40

Bảng 2.8: Chỉ chi n thuật ối với 3 hệ thống tên l a chi n thuật. 41

Bảng 2.9: X p hạng chỉ tiêu công nghệ ối với 3 hệ thống tên l a chi n thuật 41 Bảng 2.10: X p hạng chỉ tiêu bảo d ỡngối với 3 hệ thống tên l a chi n thuật.42 Bảng 2.11: X p hạng chỉ tiêu t nh kinh tối với 3 hệ thống tên l a chi n thuật.42 Bảng 2.12: X p hạng chỉ tiêu ti n bộ ối với 3 hệ thống tên l a chi n thuật. 42

Bảng 3.1: Dữ liệu thông số kĩ thuật của 3 hệ thống e thu ph t tru ền hình l u ộng do nh sản uất cung cấp 48

Bảng 3.2: Đặc tính ý ki n của chu ên gia 49

Bảng 3.3: Chỉ tiêu kĩ thuật ối với 3 hệ thống e thu ph t tru ền hình l u ộng 50 Bảng 3.4: Chỉ tiêu công nghệ ối với 3 hệ thống e thu ph t tru ền hình l u ộng.51 Bảng 3.5: Chỉ tiêu bảo trì ối với 3 hệ thống e thu ph t tru ền hình l u ộng. 51

Bảng 3.6: Chỉ tiêu t nh kinh t ối với 3 hệ thống tên l a chi n thuật. 51

Bảng 3.7: Chỉ tiêu ti n bộ ối với 3 hệ thống e tru ền hình l u ộng 52 Bảng 3.8: X p hạng chỉ tiêu kĩ thuật ối với 3 hệ thống e tru ền

Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn

Bảng 3.11: X p hạng chỉ tiêu t nh kinh t ối với 3 hệ thống e tru ền hình l u ộng. 53

Bảng 3.12: X p hạng chỉ tiêu ti n bộối với 3 hệ thốnge tru ền hình l u ộng 53

MỞ ĐẦU

Vi c ra quyết định nhiều tiêu chí đa cấp tức là chọn một đối tượng, h thống tốt nhất trong tập các đối tượng, h thống theo một tập các thuộc tính, mỗi thuộc tính l i có nhiều thuộc tính con Đây là một bài toán tối ưu đa mục tiêu đa cấp ài toán tối ưu đa mục tiêu luôn luôn là một bài toán khó, đặc bi t với các bài toán đánh giá với nhiều tiêu chí và phân cấp như trên Một trong những cách giải quyết là lấy ý kiến của chuyên gia Tuy nhiên vi c lấy ý kiến của chuyên gia c ng gặp không ít khó khăn Trước hết, chuyên gia thường đưa

ra các đánh giá không chính xác bởi vì một số nguyên nhân sau:

(1) Quyết định được đưa ra trong khoảng thời gian ngắn và sự thiếu thông tin về các đối tượng

(2) Nhiều thuộc tính là mờ hoặc không thể hi n bằng một giá trị nào đó

cụ thể bởi vì chúng phản ánh tác động của môi trường và xã hội như khá, tốt

(3) Khả năng sử lý thông tin và khả năng tập trung chú ý vào các vấn

đề liên quan của chuyên gia thường h n chế, vi c lựa chọn không được thực hi

n trong một bước đ n lẻ

Trong những trường hợp như vậy người ta thường phải giải quyết vấn

đề trong trường hợp thiếu thông tin

Khi lấy ý kiến chuyên gia, chuyên gia thường đưa ra ý kiến của mìnhdưới d ng mờ và đa cấp Tiếp theo ta phải tính toán trên các yếu tố mờ và đacấp đó để tìm ra đánh giá chung, hợp lí nhất

Hi n nay, xu hướng phát triển của truyền thông, đặc bi t là lợi thế của tờbáo hình, truyền hình trong những năm vừa qua phát triển không ngừng vềnội dung, nhưng vấn đề phát triển công ngh , nhận định hướng đầu tư pháttriển công ngh sản xuất và phát sóng, đánh giá một cách tổng thể, nhanh vàchính xác, để đưa ra quyết định thì hầu như qua kinh nghi m và nắm bắt thôngtin của các nhà cung cấp, đ n vị phân phối thiết bị Chưa có một một chư ngtrình đánh giá khách quan cho một kế ho ch đầu tư, nâng cấp trang thiết bịchuyên dụng cho sản xuất chư ng trình mà đặc bi t là h thống xe truyền hìnhlưu động là thiết bị quan trọng của một Đài truyền hình, đáp ứng khả năng sảnxuất di động, thu ghi và truyền hình trực tiếp từ hi n trường đáp ứng yêu cầumọi lúc, mọi n i Từ thực tế đó em đi nghiên cứu và xây dựng

phư ng pháp đ n giản hóa h thống đánh giá đa tiêu chuẩn đa cấp bằng cách áp

dụng các ph p toán trên số mờ, luận văn này nghiên cứu " n giản hóa hệ thống

nh gi a tiêu chuẩn a cấp bằng c ch p dụng c c phép to n trên số mờ" và ứng dụng thông qua vi c đánh giá h thống xe truyền hình lưu động t i các Đài Phát

thanh & Truyền hình khu vực Đồng bằng Sông Hồng

NỘI DUNG CHƯƠNG I: BÀI TOÁN ĐÁNH GIÁ ĐA TIÊU CHUẨN,

CÁC PHƯƠNG PHÁP GIẢI QUYẾT

1.1 B i toán đán giá với các đối tượng đa tiêu c uẩn đa cấp

Hi n nay, trong nhiều l nh vực khoa học - công ngh và kinh tế - xã hội,đặc bi t là trong các bài toán quản lý, vi c ra quyết định và ho ch định chínhsách luôn có một vai trò hết sức quan trọng Ra quyết định là công

vi c và trách nhi m quan trọng nhất của bộ máy quản lý Thông tin ngày càngtrở nên đa d ng, đa chiều Vi c xử lý thông tin đòi hỏi tính khoa học, chính xác, cậpnhật Ngày nay, các mô hình toán học với các dữ li u đầu vào

xác thực luôn tỏ ra hết sức ti n lợi trong vi c xử lý thông tin để chọn ra, haynói cách khác là đưa ra quyết định, lựa chọn các phư ng án tốt nhất, hợp lýnhất Đây là khía c nh khai phá dữ li u trong vi c ra quyết định Tuy nhiên,không một mô hình toán học nào có thể tổng quát tới mức tính đến tất cả cáckhía c nh của bài toán thực tiễn c ng như đánh giá được chính xác các phư ng

án hành động nào sẽ là hợp lý nhất Vì vậy, vi c khai thác ý kiến của chuyêngia để đánh giá, để lựa chọn các phư ng án đưa ra quyết định là một

vi c làm cần thiết Đây c ng là khía c nh khai phá tri thức trong vấn đề raquyết định Vi c đánh giá của các chuyên gia về các h thống thông tin, các yếu tố

có nhiều tiêu chuẩn đánh giá và c ng có nhiều cấp độ đánh giá

Trên thực tế thì sự lựa chọn thể hi n đa tiêu chuẩn là rất phổ biến, mỗiquyết định chúng ta thực hi n đòi hỏi sự cân bằng của nhiều yếu tố và điềunày hình thành nên một quyết định đa tiêu chuẩn

1.2 Tổng quan về ệ trợ giúp quyết địn

1.2.1 Giới thiệu

Định ngh a đầu tiên về H trợ giúp quyết định (Decision Support System– DSS), cho rằng DSS như một h thống hỗ trợ quản lý trong các tình huống raquyết định DSS trợ giúp những người ra quyết định, để tăng cường khả năngnhưng người ra quyết định vẫn là người quyết định cuối cùng Mục đích củacác DSS này là giải quyết các vấn đề ra quyết định không thể hỗ trợ hoàn toànbằng các thuật toán Chưa có một định ngh a nào cụ thể, nhưng trong các địnhngh a ban đầu, DSS là một khái ni m mà h thống sẽ dựa trên máy tính, ho tđộng trực tuyến và có các khả năng về đồ họa ở đầu ra

1.2.2 Hệ trợ giúp quyết định (DSS)

Khái ni m DSS lần đầu tiên được Scott Morton đưa ra dưới thuật ngữ

c c hệ thống h tr quản lý Đó là ―c c hệ thống dựa trên sự t ng t c với

m t nh, giúp cho c c nh ra qu t nh dùng c c dữ liệu v mô hình ể giải

qu t c c vấn ề phi cấu trúc‖ Little giải thích rõ h n và định ngh a DSS như

là ―Tập c sở mô hình chứa c c thủ tục lý dữ liệu v k t luận giúp nh quản lý trong việc ra qu t nh‖. ng cho rằng để thành công, thì một hthống như vậy phải đ n giản, m nh, dễ điều khiển, thích nghi và dễ liên l cđược nhau Trong đó h thống dựa trên máy tính và trợ giúp như là một sự mởrộng các khả năng giải quyết vấn đề của người sử dụng

Ở những năm của thập kỷ 70, các định ngh a về DSS như trên đượcnhững người sử dụng và các nhà nghiên cứu chấp nhận Vào đầu những năm

1980, các định ngh a mới về DSS được đưa ra như: Alter năm 1980 định ngh

a DSS bằng cách so sánh chúng với các h thống EDP (Xử lý dữ li u tư ng tác)truyền thống trên một số khía c nh, thể hi n như trong bảng sau:

Bảng 1.1: Bảng so sán ệtrợ ra quyết địn v ệl tư ng tác

Ph m vi thời gian Hi n t i và tư ng lai Quá khứ

Ngoài định ngh a của Alter năm 1970 thì c ng có một số định ngh a mới

về DSS được đưa ra bởi Moore và Chang năm 1980, onczek, Holsapple vàWhinston năm 1980 và Keen năm 1980 Moore và Chang chỉ ra rằng khái ni

m “có cấu trúc (Structured)”, không đủ ý ngh a trong trường hợp tổng quát.

Một bài toán có thể được mô tả như là có cấu trúc hoặc không có cấu trúc chỉliên quan đến người ra quyết định Do vậy DSS có thể là:

- H thống có khả năng mở rộng

- Có khả năng trợ giúp phân tích dữ li u và mô hình hóa quyết định

- Hướng tới lập kế ho ch cho tư ng lai

- Được sử dụng trong những hoàn cảnh và thời gian bất thường

onczek định ngh a DSS như một h thống dựa trên máy tính bao gồm

- Một h xử lý các bài toán, liên kết các thành phần trên, bao gồm mộthoặc nhiều khả năng xử lý các bài toán tổng quát mà quá trình ra quyết định cầnđến.

Keen áp dụng DSS ―cho những tình huống trong ó hệ thống có thể

c ph t triển qua qu trình học th ch nghi v ho n thiện từng b ớc‖ Do

đó, ông định ngh a DSS ―nh l sản phẩm của qu trình ph t triển, trong ó

ng ời s dụng DSS, ng ời tạo ra DSS, v ch nh bản thân DSS có khả năng ảnh h ởng, t c ộng n sự ph t triển của hệ thống v c c th nh phần s dụng nó‖.

Kết quả của các định ngh a này là một quần thể các h thống mà từngtác giả một sẽ xác định như là một DSS Ví dụ Keen sẽ lo i trừ các h thốngxây dựng t i khoảng thời gian định trước , theo qui tắc để hỗ trợ quyết định vềcác ho t động hi n t i Các định ngh a DSS không nhất quán, bởi vì từng DSSmột cố gắng thu hẹp sự khác bi t theo một cách khác nhau, h n thế nữa chúngđều bỏ qua vấn đề trung tâm trong DSS: đo là hỗ trợ và cải tiến vi c ra quyếtđịnh, chỉ tập trung đầu vào mà coi nhẹ đầu ra Do đó cần nhấn m nh sự khókhăn của vi c đo các đầu ra của một DSS (có ngh a là chất lượng quyết định)

t các các quyế trợ trợ năng sử quả ng-ờ sử dàng hình thức

định nhà nhóm t trí một thíc dụng và i dụng xây hóa

bán quản và định tuệ, số h khôn điều tiên dựng

cấu lý ở các độc thiế loại ứng g khiể tiến

trúc các cá lập t quyế và hiệu n

mức nhân hoặc kế, t linh quả máy

độ liên lựa định hoạt móc

khác tiếp chọn và

lý

Hìn 1.1: S đồ mụ tả ệ trợ ra quyết địn DSS

1 DSS hỗ trợ cho những người ra quyết định trong cỏc tỡnh huống khụng

cú cấu trỳc hoặc bỏn cấu trỳc Những vấn đề như vậy khụng giải quyết được bằngcỏc h thống tớnh toỏn khỏc

2 Trợ giỳp cỏc mức độ quản lý khỏc nhau từ người thực thi đến nhàquản lý

3 Vi c hỗ trợ được cung cấp cho cỏc cỏ nhõn c ng c ng như cỏc nhúm,nhiều vấn đề về tổ chức liờn quan đến vi c ra quyết định của nhúm Cỏc vấn

đề ít cấu trúc, thường yêu cầu sự liên quan của một số cá nhân từ các bộ phận khác nhau và các cấp tổ chức khác nhau.

4 DSS cung cấp hỗ trợ cho một số quyết định liên tục và/hoặc độc lập

5 DSS hỗ trợ tất cả các quá trình của quy trình ra quyết định: Thu thập thông tin, thiết kế lựa chọn và thực hi n

6 DSS trợ giúp một cách đa d ng với quá trình ra quyết định và cáckiểu quyết định, như từ vựng và kiểu ra quyết định T o ra sự phù hợp giữa DSS vàtính chất cá nhân của từng người ra quyết định, như từ vựng và kiểu ra quyết định

7 DSS là h thống linh ho t vì vậy người sử dụng có thể thêm vào, xóa

đi, kết hợp, thay đổi hoặc sắp xếp l i các thành phần chính của DSS, cung cấpcâu trả lời nhanh chóng cho các tình huống bất chợt Khả năng này có thểđược t o ra thường xuyên và nhanh chóng

8 DSS dễ sử dụng Những người sử dụng phải cảm thấy ―thoải mái‖ với h thống Các khả năng về đồ họa, linh ho t, thân thi n với người sử dụng.

9 DSS góp phần nâng cao hi u quả của vi c ra quyết định (chính xác, đúng lúc, chất lượng)

10 Người ra quyết định có thể không quan tâm đến những gợi ý của máy tính ở bất kỳ giai đo n nào trong quá trình xử lý

11 DSS dẫn đến tri thức, tri thức này l i dẫn đến những yêu cầu mới và

sự cải tiến h thống dẫn đến vi c học thêm …, trong quá trình cải tiến và phát triểnliên tục của DSS

12 Những người sử dụng cuối cùng phải tự mình xây dựng đượcnhững h thống đ n giản Khả năng mô hình hóa cho ph p thử nghi m các chiến lượckhác nhau theo các cấu hình khác nhau Những thử nghi m như vậy có thể cungcấp những hiểu biết và kiến thức mới

14 Một DSS tiên tiến được trang bị một thành phần tri thức cho ph p

vi c giải quyết hi u quả các vấn đề khó

1.2.4 Những lợi ích của DSS

1 Khả năng hỗ trợ giải quyết các vấn đề phức t p

2 Trả lời nhanh cho các tình huống không định trước Một DSS cho ph

p tính toán trong một khoảng thời gian rất ngắn, thậm chí thường xuyên thay đổiđầu vào để có thể được ước lượng khách quan một cách đúng lúc

3 Có khả năng thử một lo t các chu kỳ khác nhau theo các cấu hình khác nhau một cách nhanh chóng và khách quan

4 Người sử dụng có thể thêm được những hiểu biết mới thông qua sự kết hợp của một mô hình và một sự phân tích mở rộng ―What - If‖

5 DSS có thể tăng khả năng quản lý và giảm chi phí vận hành của h

thống.

6 Các quyết định của DSS thường là khách quan và phù hợp h n so vớiquyết định bằng trực giác của con người

7 Cải tiến vi c quản lý, cho ph p các nhà quản lý thực hi n công vi c với

ít thời gian h n và/hoặc ít công sức h n

8 Năng suất phân tích được cải thi n

1.2.5 Các thành phần của DSS

Suy cho cùng, phân bi t rõ ràng DSS với các h thống xử lý thông tinkhác c ng không quan trọng bằng vi c xác định rằng h thống có khả năng hỗtrợ một quá trình xử lý cụ thể nào đó hay không Có thể nói vi c hỗ trợ quản lýthể hi n bằng hai cách: giúp người quản lý xử lý thông tin và giúp người raquyết định biến đổi thông tin để rút ra kết luận cần thiết Như vậy ho t động

hỗ trợ quản lý bao gồm:

- Quản lý thông tin: làm các chức năng lưu trữ, biến đổi, kết xuất thông tin trong d ng thuận ti n cho người sử dụng

- Lượng hóa dữ li u: khối lượng lớn dữ li u được cô đặc, được biến đổimột cách toán học thành những chỉ số đánh giá mức độ tin cậy của thông tin.

Vi c phân chia giữa DSS và MIS (Management Information Systems)không rõ ràng Các ph m vi ứng dụng của DSS tập trung ở các bài toán có độ phức t p xử lý lớn Những quá trình này thường được đặc trưng bởi:

- Các thao tác của h thống bao gồm nhiều ho t động có ràng buộc qua l i

- Có nhiều yếu tố phức t p ảnh hưởng đến h thống

- Quan h giữa h thống và các yếu tố tác động là phức t p

Trong thực tế, một h DSS không chỉ là một h máy tính hóa mà gồm bốnthành phần c bản tư ng tác chặt chẽ với nhau:

ộ phận tựCon

Hìn 1.2: S đồ các t n p ần c bản của ệtrợ ra quyết địn DSS

C c th nh phần của hệ h tr qu t nh

- Con người tham gia vào ứng dụng

- Thông tin mô tả bài toán

- Các quá trình để xử lý thông tin

- ộ phận tự động (máy tính…)

ộ phận tự động của DSS có thể tách làm hai phần: phần cứng và phầnmềm

Như vậy DSS có thể tách làm năm phần chính: C sở dữ li u, các chứcnăng quản trị c sở dữ li u, mô hình lượng hóa, bộ phận sinh báo cáo và giao di

n người sử dụng Nói chung DSS c ng bao gồm các thành phần như một

h xử lý thông tin bất kỳ Sự khác nhau thực sự ở các các điểm sau:

- Phư ng pháp sử dụng cho giao di n người dùng (dùng ngôn ngữ tự nhiên, tư ng tác)

- Có mặt thành phần lượng hóa để biểu diễn toán học các cấu trúc phức

t p và quan h giữa các thành phần khác nhau của bài toán Công cụ lượng hóa củaứng dụng có thể tách thành bốn phần: mô hình hóa, mô hình toán học, kỹ thuậtlượng hóa và quy trình giải thuật

- Cấu trúc và đặc điểm của phần mềm

1.3 Một số p ư ng p áp giải quyết

X t về bản chất thì bài toán đa tiêu chuẩn, phân cấp là bài toán có nhiềuthông tin phức t p và xung đột với nhau, phản ánh các quan điểm khác nhau vàthay đổi theo thời gian Một trong những mục tiêu của cách tiếp cận đa tiêu chí,phân cấp là hỗ trợ người ra quyết định: tổ chức và tổng hợp các thông tin phức t ptrên để người ra quyết định một cách thuận lợi và tin tưởng h n về

vi c ra quyết định

Với bài toán đánh giá đa tiêu chuẩn, phân cấp thì đã có một số nhà khoahọc đưa ra các phư ng án giải quyết như:

P ư ng p áp p ân t c t ứ bậc (Analytic hierarchy process - AHP)

AHP là một phư ng pháp ra quyết định đa mục tiêu được đề xuất bởiSaaty (1980) Dựa trên so sánh cặp, AHP có thể được mô tả với 3 nguyên tắcchính: phân tích, đánh giá và tổng hợp Trước tiên, AHP phân tích một vấn đềphức t p, đa tiêu chuẩn theo cấu trúc thứ bậc như trong hình 1.3

Hình 1.3: S đồ cấu trúc t ứ bậc (Saaty, T.L., 1980)

S đồ cấu trúc thứ bậc bắt đầu với mục tiêu, được phân tích qua cáctiêu chuẩn lớn và các tiêu chuẩn thành phần, cấp bậc cuối cùng thường bao gồmcác phư ng án có thể lựa chọn Quá trình đánh giá sử dụng ma trận so sách cặp vớithang điểm 9, xác định trọng số dựa trên vector riêng ứng với giá trị riêng lớn nhất,sau đó kiểm tra h số nhất quán Cuối cùng, tất cả các trọng số được tổng hợp l i đểđưa ra quyết định tốt nhất

Phư ng pháp AHP bắt đầu từ vi c xây dựng s đồ thứ bậc, bao gồm một

số bước so sánh từng cặp tiêu chí (tiêu chuẩn) , từng cặp phư ng án theo tiêuchí, kết quả so sánh chính là trọng số

Điểm đặc bi t của phư ng pháp này là tính toán tỉ số tư ng quan Thực tếkhông phải lúc nào c ng có thể thiết lập được quan h bắc cầu trong khi so sánhtừng cặp

Nhưng khi sử dụng phư ng pháp AHP có một số nhược điểm sau:+ Phư ng pháp AHP phân rã vấn đề quyết định thành các vấn đề con,các cặp so sánh sẽ được t o ra trong qua trình đánh giá, tiếp cận vấn đề theo phư ngpháp này sẽ phức t p khi số lượng so sánh lớn

+ H thống tỉ l đo của AHP bị giới h n, rất khó cho người ra quyết định

để phân bi t chúng với nhau

+ Phư ng pháp AHP khi ở mức các phư ng án, vi c đánh giá các phư ng

án chỉ dựa vào từng tiêu chí, vi c đánh giá ở mức này chưa thực hi n được với mộtnhóm các tiêu chí (tiêu chuẩn)

Qua nghiên cứu nhận thấy Mon và các cộng sự (D.L Mon, C.H Cheng

v JC Lin, nh gi hệ thống vũ kh s dụng mờ qu trình phân cấp phân t ch dựa trên trọng l ng dữ liệu ngẫu nhiên, tập mờ v hệ thống 62 (1994) 127- 134) chỉ ra rằng vi c đánh giá hi u suất và thiết kế tối ưu của h thống v khí

là những vấn đề ra quyết định nhiều tiêu chuẩn

Đồng thời họ c ng chỉ ra rằng vi c mô tả và đánh giá về các h thống

v khí thường khá m hồ và các phư ng pháp phân cấp phân tích (AHP)

truyền thống [2] (T.L Saaty , ra qu t nh cho lãnh ạo : Qu trình phân cấp phân t ch cho qu t nh trong một th giới phức tạp (RWS Publications , Pittsburgh , 1988) và [3] (T.L Saaty , Qu trình phân t ch Hệ thống cấp bậc Lập k hoạch , thi t lập u tiên , phân bổ nguồn lực (RWS Publications ,

Pittsburgh , 1990) có nhiều thiếu sót trong vi c đánh giá các h thống v khí.

Như vậy, trong " nh gi hệ thống vũ kh s dụng ph ng ph p phân t ch thứ bậc mờ dựa v o trọng số entrop , Fuzzy Sets and Systems 62 (1994) 127—134

[1] " Mon và các cộng sự, chỉ ra phư ng pháp AHP của Saaty có các thiếu sótnhư sau:

(1) Phư ng pháp AHP chủ yếu được dùng trong các ứng dụng quyết

(4) Vi c sắp xếp phư ng pháp AHP c ng không chính xác

(5) Vi c đánh giá, lựa chọn người ra quyết định tác động nhiều đến phư

(2) Phư ng pháp trọng số entropy không thực sự hi u quả vì phư ngpháp này sử dụng ph p tính trọng số entropy phức t p đối với

vi c ra quyết định

Để giải quyết những vấn đề này, luận văn này đưa ra một phư ng phápđánh giá h thống v khí mới sử dụng ph p toán số học mờ, khi mức độ thỏamãn đối với từng h thống về mỗi chỉ tiêu được sắp xếp bằng số nguyên, vàtổng điểm xếp h ng biểu thị mức độ thỏa mãn của h thống về các chỉ tiêu vàđược biểu thị bằng số mờ tam giác Ngoài ra, trọng số của mỗi chỉ tiêu dongười ra quyết định đưa ra c ng được biểu thị bằng số mờ tam giác Do phư

ng pháp đề xuất sử dụng ph p toán số học mờ đ n giản thay vì tính toán trọng

số entropy phức t p đề cập trong [1], nên sẽ thực hi n nhanh h n nhiều so vớiphư ng pháp đề cập t i [1]

Kết luận c ư ng 1

Chư ng này đã làm rõ h n về các vấn đề liên quan đến ra quyết địnhnhiều tiêu chuẩn, các khái ni m về h trợ giúp ra quyết định, và bài toán raquyết định trong môi trường thông tin không đầy đủ c ng như đưa ra cáchướng giải quyết cho bài toán ra quyết định đa tiêu chuẩn Có thể nói, bài toánquan h tuyến tính đa mục tiêu là bài toán quan h tuyến tính, mà trong đóchúng ta phải tối ưu hoá cùng một lúc nhiều tiêu chí, mỗi tiêu chí l i được thể

hi n bằng nhiều tiêu chí con

Tuy nhiên, các mục tiêu này thường đối chọi c nh tranh với nhau Vi clàm tốt h n mục tiêu này thường dẫn tới vi c làm xấu đi một số mục tiêu khác

Vì vậy vi c giải các bài toán tối ưu đa mục tiêu, phân cấp tức là tìm ra mộtphư ng án khả thi tốt nhất theo một ngh a nào đó, thực chất chính là một bàitoán ra quyết định

Để thực hi n giải quyết các bài toán trên thực tế đặt ra, chư ng 1 củaluận văn đã thực hi n các nghiên cứu, tìm hiểu các thuật toán c ng như vậndụng để tìm ra được hướng giải quyết bài toán Hi n nay có nhiều công trìnhnghiên cứu và đưa ra các thuật toán tối ưu để áp dụng cho bài toán hỗ trợ raquyết định đa mục tiêu nhưng trong đó các thông tin, dữ li u đầu vào tư ng đốiđầy đủ và trong điều ki n vi c đánh giá là các giá trị thực Với bài toán mà vi cđánh giá là đánh giá các tiêu chí phân cấp, giá trị có thể là mờ, không đầy đủthì vi c xây dựng một chư ng trình để đánh giá các h thống như trên là một bàitoán cần giải quyết

Trong chư ng 2 của luận văn sẽ trình bày đầy đủ một thuật toán đánhgiá về h thống v khí, từ đó giúp nhà quản lí có cái nhìn chính xác và tổngquan nhất khi đánh giá các h thống để đưa ra cái nhìn tổng quát nhất c ng nhưđưa ra được chiến lược đầu tư tốt nhất trong quá trình ra quyết định của mình

CHƯƠNG 2: MÔ HÌNH HỆ THỐNG NG DỤNG CÁC PHÉP TOÁN TRÊN SỐ MỜ GIẢI BÀI TOÁN ĐÁNH GIÁ ĐA TIÊU CHUẨN,

ĐA CẤP

2.1 Vấn đề lý t ông tin mờ

Luận văn tập trung vào tìm hiểu tổng quan về ra bài toán đánh giá đatiêu chuẩn, vấn đề xử lý thông tin mờ, các ph p toán trên số mờ, thuật toánđánh giá đa tiêu chuẩn Từ đó xây dựng chư ng trình ứng dụng dựa trên thuậttoán đánh giá đa tiêu chuẩn và áp dụng trong vi c đánh giá h thống xe truyềnhình lưu động t i các Đài phát thanh và truyền hình trong khu vực Đồng bằngSông Hồng

2.2 T c ợp mờ trong ra quyết địn đa tiêu c uẩn

Một bài toán ra quyết định gồm vi c tìm ra một hay nhiều lựa chọn tốt nhất theo một các tiêu chuẩn Bài toán này được mô hình hóa dưới d ng sau

Địn ng ĩa 1 : Một bài toán quyết định là một bộ 5 phần tử

 A: Tập các khả năng thay thế hoặc hành động, giữa những cái mà

người ra quyết định phải chọn

 X: Tập các h quả hoặc các kết quả Các h quả này xuất phát từ sự lựa

chọn một khả năng thay thế

  : Tập các tr ng thái của v trụ Theo tr ng thái của v trụ   (ẩn sốthông thường), các h quả của sự lựa chọn một khả năng thay thế a  A có thểkhác bi t

  : A   X chỉ rõ với mỗi tr ng thái củavà mỗi sự lựa chọn khả

(i) x  y hoặcyx x, yX,

(ii)  là bắc cầu, ví dụ

 là quan h ưu tiên ởi ph p lo i suy quan h thứ tự thông thường

trên số học, x>y ngh a là x y đúng nhưng không có ngh a y x (ưu tiên ngặt), và x y ngh a là ta có cả x y và y x (sự không phân bi t)

Ý tưởng c bản đằng sau lý thuyết thỏa dụng là biến đổi thứ tự yếu 

trên X thành thứ tự thông thường  trên số thực theo ngh a được gọi là hàmlợi ích u: X R, tính chất c bản của nó là

định ngh a trên A), nhưng X là nhiều chiều, kết quả x là bộ n phần tử

 x1 , , x n, x i  X i trong đó X i tư ng ứng với các tiêu chuẩn hoặc các thuộc tính.Nhận thấy rằng khi tr ng thái của v trụ được biết, ta có thể xử lý các khả năngthay thế hoặc các kết quả như nhau, với kết quả là quan h ưu tiên  có thể

được định ngh a hoặc trên X hoặc trên A.

Rõ ràng là u bây giờ là hàm nhiều chiều, và vấn đề là tìm các cách thức

đ n giản để tính u Một giải pháp dễ dàng là biểu diễn u với sự trợ giúp của

các hàm lợi ích đ n chiều u i theo mỗi tiêu chuẩn

u  x1 , , x n  H u1x1, ,u nx n 

H được gọi là toán tử kết hợp nếu ta giả định rằng u 1 cho trước, vấn

đề chính là tìm toán tử kết hợp phù hợp cái mà biểu diễn quan h ưu tiên của

sự ra quyết định Một giải pháp đ n giản nhất là ph p toán tổng số học:

n

u  x1 , , x n  u ix i

Như vậy u được gọi là thỏa dụng phụ trợ và hàng lo t công vi c được

thực hi n để tìm các điều ki n trên quan h ưu tiên để một hàm lợi ích cộng tínhtồn t i Ở khía c nh này, định lí của Debreu đưa ra một điều ki n cần và đủ,nhưng nó ít được ứng dụng trong thực tế do nó khó

Tất nhiên, ta có thể sử dụng toán tử kết hợp bất kỳ với điều ki n là sựlựa chọn có thể được thỏa mãn bài toán được xem x t Mục đích của đề tàichính xác là để khảo sát nếu các tích hợp mờ t o thành một giải pháp cần thiết

và thú vị cho bài toán này

Độc lập ưu tiên

Độc lập ưu tiên là một khái ni m quan trọng trong ra quyết định đa tiêuchuẩn, có liên quan mật thiết tới sự tồn t i của hàm lợi ích cộng tính Đầu tiênchúng ta đưa ra chú thích sau: Cho JI Khi đó X J  i J X i , và các thành phầncủa X J được biểu thị thành x J Do vậy, mọi x X có thể được viết thành

 x J , x J c, trong đóJ c cho biết phần bù củaJ.

Địn ng ĩa 2 Cho JI Không gian các thuộc tính X J được nói là độc

lập ưu tiên của X J c nếu và chỉ nếu, với mọi cặp x J , y J  của các phần tử 

Đ i khái, sự ưu tiên của x j h n y j không bị chi phối bởi các giá trị x J c còn

l i Ta đưa ra đây một ví dụ minh họa, mượn từ Murofushi Ta hãy xem x tvấn đề của các công vi c đánh giá, cho các thuộc tính X1  income,

X2  working hours và X3  {like,dislike}.like,dislike}. Hầu hết mọi người cho rằng X2 làđộc lập ưu tiên từ { X2 , X 3 } , tức là nếu (high salary, average working hours, like) được ưu tiên h n (low salary, average working hours, like), thì với mọi a,b (high salary, a, b) sẽ được ưu tiên h n (low salary, a, b) Theo một hướng, high salary được ưu tiên h n low salary, các thuộc tính còn l i tư ng đư ng

nhau

Dễ dàng kiểm chứng rằng sự tồn t i của hàm lợi ích cộng tính chỉ sựđộc lập ưu tiên tư ng tác, nhưng điều ngược l i không đúng Thực tế, bất kỳtoán tử kết hợp liên đới, nói đúng ra chỉ sự độc lập ưu tiên lẫn nhau, như đượcnhận x t bởi Dubois và Prade

Các k uôn mẫu k ác

Lý thuyết thỏa dụng đa thuộc tính không chỉ là khuôn mẫu để giảiquyết các vấn đề quyết định đa tiêu chuẩn Đ i khái, theo cách tiếp cận này tacộng các số (các monodimensional utility) tư ng ứng với một định giá tuy tđối của một khả năng thay thế đã cho đối với một tiêu chuẩn đã cho Đâyđược gọi là cách tiếp cận chính Trái l i, trong cách tiếp cận tư ng phản, ta sosánh các khả năng thay thế cặp đối cặp, và ta biểu diễn với một số lượng củamức độ ưu tiên của một khả năng thay thế h n các khả năng thay thế khác,theo một tiêu chuẩn (định giá tư ng đối)

Tất cả các quan h ưu tiên này khi đó được gộp (cộng tất cả) l i để tínhvào tất cả các tiêu chuẩn Trong quá trình kết hợp, tính chất bắc cầu (theo ngh

a thông thường hoặc ngh a max-min) thường bị bỏ qua nhiều nhất, vì vậy kếtquả là một thứ tự không hoàn chỉnh của các khả năng thay thế Cách tiếp cậnnày được phát triển về c bản bởi Roy (các phư ng pháp ELECTRE) với

các quan h rõ thông thường, và sau đó bởi Fodor và Roubens với các quan h

ưu tiên mờ Tuy nhiên, c ng trong cách tiếp cận thứ hai, chúng ta cần một công cụ cho vi c kết hợp mà mặc dù có thể có một vài đặc trưng, đ i khái đòi hỏi các tính chất như nhau giống các toán tử kết hợp của cách tiếp cận chính

Do chủ đề chính của ta ở đây là sự kết hợp, ta có thể tiến hành như nhau theo một hoặc nhiều cách tiếp cận, nhưng ta lựa chọn ở đây cách tiếp cận lý thuyết thỏa dụng đa thuộc tính Một lí do là để các kết quả quan trọng đã sẵn sàng đưa vào khuôn mẫu này, liên quan đến sự độc lập ưu tiên và tính cộng tính của độ đo mờ

2.3 Các p ép toán trên số mờ ứng dụng trong b i toán

Năm1965, Zadeh đưa ra lý thuyết tập mờ

Cho U là tập v trụ tham chiếu, U={u 1 , u 2 , u n } Tập mờ à của U là một tập các cặp theo thứ tự {(u 1 , f à (u 1 )), (u 2 , f à (u 2 )), ,(u n , f à (u n ))}, trường hợp f à , f à :U >[0,1] là hàm thuộc của Ã,và f à (u i ) là độ thuộc của u i trong Ã

Theo[5], số mờ A của tập v trụ U có thể được biểu thị bằng hàm

phân phối tam giác được tham số hóa bởi bộ ba giá trị (a,b,c) như minh họa

trong hình 2.1 Hàm thuộc của số mờ A được xác định như sau:

A

0

UHình 2.1 Một số mờ tam giác A

2.3.2 Các ph p toán tr n t p m

a) Quan hệ bao hàm:

Cho A , B là hai tập mờ trên cùng không gian tham chiếu X Ta nói A

chứa trong X ( A bao hàm B ), ký hi u A B nếu f A (x)f B (x) xX

AB  x, f  x  x  X , f  x   max f  x

Ký hi u: f Ax f Bx.+ Ph p trừ:

Các luật De Morgan cho các tập hợp thông thường vẫn còn áp dụng

trên tập mờ và được biểu diễn như sau:

AB AB : AB AB

Không thỏa mãn các tiên đề sau:

A  B  B  A; A  B   vàA A X

Cho A1 là tập mờ trên không gian tham chiếu X1

A2 là tập mờtrên không gian tham chiếuX2

Tích đề các A1x A2 sẽ là tập mờ trên không gian tham chiếu A1x A2, với:

f A Bx1 , x2  f Ax1  f Bx2

Tổng quát: Cho A i X i , tập mờ A X1   X2     X n với f Ax  

P ép n ân số mờ:

( a1 , b1 , c1 )  ( a2 , b2 , c 2 )  ( a1 xa2 , b1 xb2 , c1 xc2 ) (6)

Ví dụ, cho A và B là hai số mờ tam giác, khi A = (8,10,12) và

B =(4,5,6). Sau đó, dựa vào phư ng trình (5) và (6), chúng ta có:

A  B = (8,10,12)  (4,5,6) = (12,15,18)

A  B = (8,10,12)  (4,5,6) = (32,50,72) (7)Kết quả ph p toán số mờ trên được thể hi n t i hình 2.2

Hình 2.2 Ph p toán số mờ.

Một số mờ M của tập v trụ U còn được biểu thị bằng hàm phân phối

hình thang được tham số hóa bằng bộ bốn giá trị (a,b,c,d) minh họa ở hình 3

Cho A và B là hai số mờ hình thang, khi A  ( a1, b1, c1, d1) và

Hình 2.3 Số mờ hình thang M

Rõ ràng số mờ tam giác được tham số hóa bởi (a,b,c) tư ng đư ngvới số

mờ hình thang được tham số hóa bởi (a,b,b,c) Đó là (a,b,c) = (a,b,b,c) Có

Tiếp theo dưới đây, luận văn sẽ giới thi u phư ng pháp giải mờ hóa các số

mờ hình thang [5] X t số mờ hình thang được tham số hóa bằng bộ bốn giá

trị (a,b,c,d) minh họa ở hình 4, khi e là giá trị giải mờ hóa số mờ.

Từ hình 2.4, ta thấy:

( e  b )(1)  1

2 (b  a )(1)  (c  e)(1)  1 2 ( d c)(1)

Hình 2.4: Giải mờ hóa số mờ hình thang.

Do vậy, từ kết quả trên, chúng ta có thể thấy giá trị giải mờ hóa e của

số mờ tam giác được tham số hóa bởi (a,b,c) bằng:

 e  a  b  c  d 4