Luận văn: Các phương pháp tiếp cận giải bài toán ra quyết định theo hướng mờ

Luận văn về phương pháp tiếp cận mờ trong giải quyết bài toán ra quyết định. Tìm hiểu ứng dụng lý thuyết mờ để tối ưu hóa quyết định trong môi trường không chắc chắn.

• Tác giả: Thái Thị Nguyệt
• Người hướng dẫn: PGS. Trần Đình Khang
• Trường học: Trường Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Các Tiếp Cận Giải Bài Toán Ra Quyết Định Với Thông Tin Mờ
• Loại tài liệu: Luận văn
• Năm xuất bản: 2012
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỤC LỤC
• 1. CHƯƠNG 1: TÔNG QUAN VẺ BÀI TOÁN RA QUYẾT DỊNH
• 1.1. Ra qnyết đỉnh và người ra quyết định
• 1.2. Quá trình ra quyết định
• 1.3. Ra quyết đỉnh đa mục tiểu và ra quyết định da thuộc tỉnh
• 1.3.1. Tiên chuẫn, mục tiêu và thuộc tính
• 1.3.2. Bai toán ra quyết định đa mục tiêu
• 1.3.3. Bài loán ra quyết định đa thuộc tỉnh
• 2. LÝ THUYÉT TẬP MỜ VẢ KHOẢNG MỞ
• 2.1. Cac Khai niệm cơ bản:
• 2.2. Biến ngôn nøit
• 2.3. Tập khoảng mở và các phép toản
• 2.4. Các phép toán sô học mở
• 2.5. Nguyên lý mở rồng
• 2.6. Dai sé u-cut
• 2.7. Sắp xếp các số mở
• 3. Chương 3: CÁC PHƯƠNG PHÁP MAUT GIẢI BÀI TOÁN RA QUYÉT ĐỊNH ĐA THUỘC TÍNH
• 3.1. Kỹ thuật AHP
• 3.1.1. Phương pháp trị rềng
• 3.1.2. Phương pháp trung bình hình học dựa trên số mở (Geumetrie Meim Method)
• 3.2. Phương pháp quy hoạch tuyển tính
• 3.3. Phương pháp ước lượng khoảng cửa trọng số bằng phương pháp xắp xi trên
• 3.4. Ky thuat Simple Additive Weighting
• 3.4.1. Kỹ thuật Simple Adilifive Woighting truyền thống
• 3.4.2. Kỹ thuật Simple Additive Weighting mờ
• 4. Chuong 4: CAC PHUGNG PHAP OUTRANKING GIAI BAI TOAN RA QUYET DINH DA THUOC TINH
• 4.1. Phương pháp Tepsis
• 4.2. Phuong phap interval-value fizzy Topsis
• 5. Chương 5: KẾT QUÁ VẢ BẢN LUẬN
• 5.1. ác kết quả đạt được trong luận văn
• Phụ lụ 1. Tỉnh toán trong số theo EM
• Tỉnh toán trong số theo GMM

Tóm tắt

I. Tổng Quan Về Bài Toán Ra Quyết Định Theo Hướng Mờ 55 ký tự

Bài toán ra quyết định là một lĩnh vực nghiên cứu thiết thực, phát triển mạnh mẽ từ những năm 1970. Nhiều tổ chức quốc tế đã ra đời nhằm thúc đẩy nghiên cứu, ứng dụng lý thuyết và công cụ trong lĩnh vực này. Các phương pháp giải quyết bài toán MCDM (Multiple Criteria Decision Making) đã được ứng dụng rộng rãi trong nhiều lĩnh vực như phân tích kinh tế, quy hoạch đô thị và dự báo. MCDM đề cập đến vấn đề cấu trúc và giải quyết các bài toán ra quyết định và lập kế hoạch, trong đó có nhiều tiêu chuẩn cần xem xét. Thông thường, không tồn tại một giải pháp tối ưu duy nhất. Cần sử dụng thông tin ưu tiên của người ra quyết định để xếp hạng các phương án. Có hai lớp bài toán MCDM chính: MODM (Multiple Objective Decision Making) và MADM (Multiple Attribute Decision Making). Bài toán MADM bao gồm một số hữu hạn các phương án được phát biểu rõ ràng. Mỗi phương án được biểu diễn bởi giá trị hoặc mức thực thụ trên nhiều tiêu chuẩn. Vấn đề là tìm kiếm phương án tốt nhất hoặc một tập hợp các phương án tốt nhất. Trong bài toán MODM, các phương án không được định nghĩa trước. Số phương án là vô hạn hoặc không đếm được. Lời giải được tìm ra nhờ giải các mô hình toán học. Lý thuyết tập mờ ra đời năm 1965 bởi Zadeh, được công nhận như một giải pháp kỹ thuật để biểu diễn sự không chắc chắn. Những năm qua đã có nhiều ứng dụng lý thuyết mờ thành công trong các bài toán MCDM. Luận văn này trình bày hệ thống về các kỹ thuật ra quyết định đa thuộc tính khi đã biết các trọng số trên các thuộc tính, tập trung vào các tiếp cận giải bài toán ra quyết định theo hướng mờ.

1.1. Phân loại bài toán ra quyết định MODM và MADM

Trong lĩnh vực ra quyết định đa tiêu chuẩn, hai lớp bài toán chính được phân biệt dựa trên tính định nghĩa rõ ràng hay ngầm định của lời giải. Đó là bài toán MODM và bài toán MADM. Bài toán MADM bao gồm một số hữu hạn các phương án được phát biểu rõ ràng từ đầu của quá trình ra quyết định. Mỗi phương án được biểu diễn bởi giá trị hoặc mức thực thụ trên nhiều tiêu chuẩn. Bài toán đặt ra là tìm kiếm phương án tốt nhất hoặc một tập hợp các phương án tốt nhất cho người ra quyết định. Trong bài toán MODM, các phương án không được định nghĩa trước một cách tường minh, số phương án là không hữu hạn hoặc không đếm được hoặc đếm được nhưng rất lớn (khi các biến quyết định là rời rạc). Lời giải của bài toán được tìm ra nhờ giải các mô hình toán học.

1.2. Vai trò của lý thuyết tập mờ trong ra quyết định

Bài toán MCDM thường yêu cầu người dùng đưa ra thông tin ưu tiên của mình để xếp hạng các phương án, tuy nhiên không phải lúc nào thông tin đưa ra cũng chắc chắn, đầy đủ và rõ ràng. Lý thuyết mờ, ra đời năm 1965 bởi Zadeh, được công nhận như một giải pháp kỹ thuật để biểu diễn sự không chắc chắn trong quá trình nhận thức của con người. Những năm qua đã có nhiều ứng dụng lý thuyết mờ thành công trong các bài toán MCDM và MCDM cũng được xem là một trong những ngành mà lý thuyết tập mờ tìm thấy phạm vi ứng dụng rộng rãi.

II. Khám Phá Lý Thuyết Tập Mờ Trong Ra Quyết Định 59 ký tự

Lý thuyết tập mờ là một công cụ mạnh mẽ để mô hình hóa sự không chắc chắn và mơ hồ trong thông tin. Thay vì chỉ chấp nhận giá trị đúng hoặc sai, tập mờ cho phép các phần tử thuộc về một tập hợp với một mức độ nào đó. Mức độ này được biểu diễn bằng hàm thuộc, nhận giá trị từ 0 đến 1. Điều này rất hữu ích trong việc mô tả các khái niệm mơ hồ như 'cao', 'thấp', 'quan trọng',... Các phép toán trên tập mờ, như hợp, giao, bù, được định nghĩa để thao tác trên các tập mờ này. Nguyên lý mở rộng là một công cụ quan trọng cho phép mở rộng các hàm số thông thường để làm việc với các đối số là số mờ. Đại số α-cut được sử dụng để chuyển đổi các tập mờ thành các tập rõ (crisp sets) tại một mức độ tin cậy nhất định (α). Việc này giúp đơn giản hóa các phép toán và phân tích. Các phương pháp sắp xếp số mờ được sử dụng để so sánh và xếp hạng các số mờ với nhau.

2.1. Các khái niệm cơ bản Biến ngôn ngữ và tập mờ

Một trong những khái niệm quan trọng trong lý thuyết tập mờ là biến ngôn ngữ. Đây là một biến mà giá trị của nó là các từ hoặc cụm từ trong một ngôn ngữ tự nhiên, ví dụ: 'rất cao', 'cao', 'trung bình', 'thấp', 'rất thấp'. Mỗi giá trị của biến ngôn ngữ được biểu diễn bằng một tập mờ với một hàm thuộc tương ứng. Hàm thuộc này mô tả mức độ mà một giá trị số thuộc về tập mờ đó. Điều này cho phép chúng ta biểu diễn và xử lý các khái niệm mơ hồ một cách chính xác.

2.2. Nguyên lý mở rộng và đại số α cut trong tập mờ

Nguyên lý mở rộng là một khái niệm cốt lõi trong lý thuyết tập mờ, cho phép mở rộng các hàm số thông thường để làm việc với các đối số là tập mờ. Điều này có nghĩa là chúng ta có thể áp dụng các phép toán số học và logic cho các số mờ, thay vì chỉ cho các số rõ. Đại số α-cut là một phương pháp quan trọng để chuyển đổi các tập mờ thành các tập rõ (crisp sets) tại một mức độ tin cậy nhất định (α). α-cut của một tập mờ là tập hợp tất cả các phần tử trong tập mờ có độ thuộc lớn hơn hoặc bằng α. Điều này cho phép chúng ta đơn giản hóa các phép toán và phân tích trên các tập mờ.

III. Top Phương Pháp MAUT Giải Quyết Bài Toán Mờ 56 ký tự

Phương pháp MAUT (Multi-Attribute Utility Theory) là một nhóm các phương pháp được sử dụng để giải quyết các bài toán ra quyết định đa thuộc tính. Các phương pháp này cho phép chúng ta đánh giá và so sánh các phương án dựa trên nhiều tiêu chí khác nhau, bằng cách gán một giá trị tiện ích cho mỗi phương án dựa trên mức độ đáp ứng các tiêu chí. Trong môi trường mờ, các giá trị của các thuộc tính và trọng số của các tiêu chí có thể không chắc chắn và được biểu diễn bằng các số mờ. Do đó, các phương pháp MAUT cần được điều chỉnh để làm việc với thông tin mờ. Một số phương pháp MAUT phổ biến trong môi trường mờ bao gồm: Kỹ thuật AHP mờ, Phương pháp trị riêng mờ, Phương pháp trung bình hình học dựa trên số mờ (Geometric Mean Method) và Kỹ thuật Simple Additive Weighting mờ (SAW).

3.1. Kỹ thuật AHP Analytic Hierarchy Process kết hợp mờ

Kỹ thuật AHP là một phương pháp ra quyết định dựa trên việc phân tích cấu trúc thứ bậc của các tiêu chí và phương án. Trong môi trường mờ, các so sánh cặp của các tiêu chí và phương án có thể không chắc chắn và được biểu diễn bằng các số mờ. Do đó, kỹ thuật AHP cần được điều chỉnh để làm việc với thông tin mờ. Điều này thường được thực hiện bằng cách sử dụng các số mờ tam giác hoặc hình thang để biểu diễn các so sánh cặp và sau đó áp dụng các phép toán trên số mờ để tính toán trọng số của các tiêu chí và xếp hạng các phương án. Tài liệu tham khảo đề cập đến Phương pháp trị riêng (EM) và Phương pháp trung bình hình học (GMM) để tính toán trọng số.

3.2. Kỹ thuật SAW Simple Additive Weighting trong môi trường mờ

Kỹ thuật SAW là một phương pháp đơn giản và phổ biến để giải quyết các bài toán ra quyết định đa thuộc tính. Trong kỹ thuật này, mỗi phương án được đánh giá dựa trên tổng có trọng số của các giá trị thuộc tính của nó. Trong môi trường mờ, các giá trị thuộc tính và trọng số có thể không chắc chắn và được biểu diễn bằng các số mờ. Kỹ thuật Simple Additive Weighting mờ đề xuất các phương pháp giải quyết bài toán với thông tin mờ, bao gồm thông tin của ma trận quyết định và thông tin ưu tiên được đưa ra bởi người ra quyết định.

IV. Phương Pháp Outranking Giải Bài Toán Quyết Định Mờ 57 ký tự

Phương pháp Outranking là một nhóm các phương pháp ra quyết định dựa trên việc so sánh các phương án theo cặp và xác định xem một phương án có 'outrank' một phương án khác hay không. Điều này có nghĩa là phương án đó 'tốt hơn' phương án kia theo một nghĩa nào đó. Trong môi trường mờ, các giá trị của các thuộc tính và trọng số của các tiêu chí có thể không chắc chắn và được biểu diễn bằng các số mờ. Do đó, các phương pháp Outranking cần được điều chỉnh để làm việc với thông tin mờ. Một số phương pháp Outranking phổ biến trong môi trường mờ bao gồm: Phương pháp TOPSIS mờ và Phương pháp ELECTRE mờ.

4.1. Phương pháp TOPSIS Technique for Order Preference mờ

Phương pháp TOPSIS là một phương pháp ra quyết định dựa trên việc tìm kiếm phương án gần nhất với giải pháp lý tưởng và xa nhất với giải pháp phản lý tưởng. Trong môi trường mờ, các giá trị của các thuộc tính có thể không chắc chắn và được biểu diễn bằng các số mờ. Do đó, phương pháp TOPSIS cần được điều chỉnh để làm việc với thông tin mờ. Luận văn đề cập đến phương pháp interval-value fuzzy TOPSIS (Topsis giá trị khoảng mờ).

4.2. Ưu nhược điểm của tiếp cận mờ trong ra quyết định

Việc áp dụng lý thuyết mờ trong ra quyết định mang lại nhiều ưu điểm. Nó cho phép xử lý thông tin không chắc chắn, mơ hồ, và không đầy đủ, phản ánh tốt hơn thực tế. Ngoài ra, nó cung cấp một cách tiếp cận linh hoạt và trực quan để mô hình hóa sự ưu tiên của người ra quyết định. Tuy nhiên, cũng có một số nhược điểm cần xem xét. Việc lựa chọn hàm thuộc phù hợp cho các tập mờ có thể là một thách thức. Các phép toán trên số mờ có thể phức tạp và tốn kém về mặt tính toán. Cuối cùng, việc giải thích kết quả của các phương pháp ra quyết định mờ có thể không dễ dàng.

V. Ứng Dụng Ra Quyết Định Mờ Trong Quản Lý Và Kinh Tế 59 ký tự

Ra quyết định mờ có nhiều ứng dụng thực tiễn trong quản lý và kinh tế. Trong quản lý, nó có thể được sử dụng để lựa chọn nhà cung cấp, đánh giá hiệu suất nhân viên, hoặc quản lý rủi ro dự án. Trong kinh tế, nó có thể được sử dụng để dự báo thị trường chứng khoán, đánh giá tín dụng, hoặc định giá tài sản. Việc sử dụng ra quyết định mờ giúp các nhà quản lý và kinh tế gia đưa ra các quyết định sáng suốt hơn trong môi trường không chắc chắn. Ví dụ: Lựa chọn dự án đầu tư, đánh giá rủi ro tài chính, định giá bất động sản.

5.1. Ứng dụng trong quản lý chuỗi cung ứng và logistics

Trong quản lý chuỗi cung ứng và logistics, ra quyết định mờ có thể được sử dụng để lựa chọn nhà cung cấp, quyết định mức tồn kho tối ưu, hoặc lập kế hoạch vận chuyển. Các yếu tố như chi phí, chất lượng, thời gian giao hàng, và độ tin cậy có thể không chắc chắn và được biểu diễn bằng các số mờ. Các phương pháp ra quyết định mờ có thể giúp các nhà quản lý chuỗi cung ứng đưa ra các quyết định tốt hơn để tối ưu hóa hiệu quả và giảm thiểu rủi ro. Trong bối cảnh này, việc sử dụng các tập mờ có thể giúp mô hình hóa sự không chắc chắn về nhu cầu, thời gian giao hàng, và các yếu tố khác ảnh hưởng đến hiệu quả của chuỗi cung ứng.

5.2. Ứng dụng trong phân tích rủi ro tài chính và đầu tư

Trong phân tích rủi ro tài chính và đầu tư, ra quyết định mờ có thể được sử dụng để đánh giá rủi ro tín dụng, dự báo thị trường chứng khoán, hoặc định giá tài sản. Các yếu tố như lãi suất, lạm phát, và tăng trưởng kinh tế có thể không chắc chắn và được biểu diễn bằng các số mờ. Các phương pháp ra quyết định mờ có thể giúp các nhà đầu tư đưa ra các quyết định đầu tư sáng suốt hơn để tối đa hóa lợi nhuận và giảm thiểu rủi ro. Phân tích độ nhạy cũng là một công cụ quan trọng để đánh giá sự ảnh hưởng của các yếu tố không chắc chắn đến kết quả quyết định.

VI. Kết Luận và Hướng Phát Triển Của Ra Quyết Định Mờ 57 ký tự

Luận văn này đã trình bày tổng quan về các tiếp cận giải bài toán ra quyết định theo hướng mờ, bao gồm cả lý thuyết cơ bản và các ứng dụng thực tiễn. Việc sử dụng lý thuyết tập mờ trong ra quyết định cho phép chúng ta xử lý thông tin không chắc chắn và mơ hồ một cách hiệu quả hơn. Các phương pháp MAUT và Outranking mờ đã được phát triển để giải quyết các bài toán ra quyết định phức tạp trong môi trường mờ. Trong tương lai, các nghiên cứu có thể tập trung vào việc phát triển các phương pháp ra quyết định mờ mới, cải thiện hiệu quả tính toán của các phương pháp hiện có, và mở rộng phạm vi ứng dụng của ra quyết định mờ. Việc tích hợp trí tuệ nhân tạo và học máy vào các hệ thống ra quyết định mờ cũng là một hướng nghiên cứu đầy tiềm năng.

6.1. Các hướng nghiên cứu tiềm năng trong lĩnh vực

Một số hướng nghiên cứu tiềm năng trong lĩnh vực ra quyết định mờ bao gồm: Phát triển các phương pháp ra quyết định mờ dựa trên dữ liệu lớn; Nghiên cứu các phương pháp ra quyết định mờ đa mục tiêu; Phát triển các công cụ phần mềm hỗ trợ ra quyết định mờ; Nghiên cứu các ứng dụng của ra quyết định mờ trong các lĩnh vực mới như y tế, năng lượng tái tạo, và giao thông thông minh. Tài liệu gốc có đề cập đến việc sử dụng các tập mờ giá trị khoảng (IVFS) và tập mờ trực giác (IFS) để biểu diễn thông tin không chắc chắn.

6.2. Tầm quan trọng của phần mềm hỗ trợ ra quyết định mờ

Việc phát triển các phần mềm hỗ trợ ra quyết định mờ là rất quan trọng để giúp các nhà quản lý và kinh tế gia áp dụng các phương pháp ra quyết định mờ vào thực tế. Các phần mềm này có thể cung cấp các công cụ để mô hình hóa bài toán, thu thập và xử lý dữ liệu, thực hiện các phép toán trên số mờ, và trực quan hóa kết quả. Điều này giúp đơn giản hóa quá trình ra quyết định và tăng cường tính chính xác và hiệu quả của các quyết định. Các phần mềm này nên tích hợp các kỹ thuật phân tích độ nhạy để hiểu rõ hơn về ảnh hưởng của các tham số đầu vào đến kết quả cuối cùng.

Trích đoạn nội dung tài liệu

Chương I tap trung trình bảy tổng quan về ra quyết định, phân loại các mô hình ra quyết định. Chương 2 trình bảy về lý thuyết tập mờ, khoảng mở, các phép toán trên số mò và khoảng mỡ, các kỹ thuật xếp loại số mờ. Chương 3 trình bày các phương pháp ra quyết định MAUT với các thông tim mở Chương 4 trình bày càc phương pháp ra quyết định Outranking với các Thông tin mơ. Chương 3 trình bày tom tit về các nội dung đã thực hiện trong luận văn.

MG DAU Bài toán ra quyết định đa tiêu chuẩn (MCDM) 1a mét lĩnh vực nghiên cửu thiết thực được ra đổi từ những năm 1970. Đã có nhiều lỗ chúc liên quan ra đời xihằm thúc đẩy nghiên citu ning “International Sevicty on Multi-criloria Decision Making”, “Rure Working Group on MCDA” và “TKFORMS Section on MCDM?” va đã đạt được nhiều thành công cả về lý thuyết và ứng đụng thực tế Các phương pháp giải quyết bài toán MCDM đã được ứng đụng trong nhiễu lĩnh vực khác nhau như: phân tích kinh tế, quy hoạch đồ thí và dự báo MCDM. để cập tới vân đề cấu trúc và giải quyết các bải toán ra quyết định và lập kế hoạch trong đỗ bao gôm nhiều tiêu chuẩn. Thông thường, không tôn tại duy nhất mội giải pháp tối ưa cho những bài toàn nhì vậy và cần phổi sử dung thong tin wu tiên của người ra quyết định đễ xếp hựng các phương án.

Có hai lớp bài toán MCDM chính được phân biệt dựa trên tính định nghĩa rõ rằng hay ngâm định của lời giải lả bài toán MODM vả bái toán MADM. Bải toán MADM bao gồm một số hữu hạn các phương án được phát biểu rõ ràng từ đầu. của quá trình ra quyết định. Mỗi phương án được biểu diễn bởi giá trị hoặc rrức thực thú trên nhiều tiên chuẩn Bài toản đặt ra là tìm kiếm phương án tốt nhất hoặc một tập hợp các phương án tốt nhật cho người ra quyết định Trong bài toán MODM, các phương án không được định nghĩa trước một cách tường mỉnh, số phương ân là Không bin tum hoặc không đếm được (đủ các biến quyết định là liên tục) hoäc đêm được nhưng rât lớn (khi các biển quyết định là rời rae).

Loi giải của bài toán được tìm ra nhờ giải các mô hình toan hoc. Trong khuỏn khổ luận văn này, tôi chơn và trình bây các phương pháp ra quyệt định trong lớp các bai foan MADM Như đã để cập trước đó, bài toán MCDM thường yêu cầu người dừng đưa Ta thông lim ưu tiên của mình để xếp lạng cặc phương án, tuy nhiên không phải LỜI CAMDOAN Tôi xin can đoan, luận văn tối nghiệp Thạc sỹ mày là công trình nghiên cửu của bản thân tôi dưới sự Hướng đẫn của thầy giáo PGS. Trân Binh Khang. Cae kat qua trong luận văn lối nghiệp là trung thực, không phải sao chép toàn văn của bất kỳ công trình nào khác.

Tôi xin chịu hoàn toản trách nhiệm về nội dung của quyển luận văn này: DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT MGDM __ | Ra quyết định đa tiêu chudn (Multiple Criteria Decision Makingd MADM | Ra quyết ãnh đa thuộc tinh (Multiple Attribute Decision Making) MODM — [Ra quyết định đa mục tiêu (Multiple Objective Decision Making) WSM ‘Weighted Sum Model TOPSIS | Technique for Order Preference by Similarityto Ideal Solution SAW Simple Additive Weight AHP “Analytic Hicrarchy Process ELECYRE | ELimination and Choice Expressing Reality EM Phương pháp veior bị riệng (figenvoclor Mslhod) GMM Phuong php tng binh hinh hoc (Geometric Mean Method) IVFS "Tập mờ giá trị khoảng (Inferval- Valued fuz2y sef) IFS Tap md dink tinh (nstitutionistic Fuzzy Set) DANTT MỤC CÁC TIÌNH VẼ, DO THT Hình 1.1 [ Cáo giai đoạn trong quả hình ra quyết định Hình 1.2 | Ma trần quyết định Hinh 2.1 | Hàm liền thuộc biểu điễn các biến ngôn ngữ Hinh 3.1 [ Hệ thông phản cấp của bài toàn MADM Tĩnh 32 | Tràm liền thuộc của các biển ngôn ngĩt lĩnh 33. | Vị trí của hai số mờ không tương đương va tong đương DANTT MỤC CÁC TIÌNH VẼ, DO THT Hình 1.1 [ Cáo giai đoạn trong quả hình ra quyết định Hình 1.2 | Ma trần quyết định Hinh 2.1 | Hàm liền thuộc biểu điễn các biến ngôn ngữ Hinh 3.1 [ Hệ thông phản cấp của bài toàn MADM Tĩnh 32 | Tràm liền thuộc của các biển ngôn ngĩt lĩnh 33. | Vị trí của hai số mờ không tương đương va tong đương MG DAU Bài toán ra quyết định đa tiêu chuẩn (MCDM) 1a mét lĩnh vực nghiên cửu thiết thực được ra đổi từ những năm 1970. Đã có nhiều lỗ chúc liên quan ra đời xihằm thúc đẩy nghiên citu ning “International Sevicty on Multi-criloria Decision Making”, “Rure Working Group on MCDA” và “TKFORMS Section on MCDM?” va đã đạt được nhiều thành công cả về lý thuyết và ứng đụng thực tế Các phương pháp giải quyết bài toán MCDM đã được ứng đụng trong nhiễu lĩnh vực khác nhau như: phân tích kinh tế, quy hoạch đồ thí và dự báo MCDM.

để cập tới vân đề cấu trúc và giải quyết các bải toán ra quyết định và lập kế hoạch trong đỗ bao gôm nhiều tiêu chuẩn. Thông thường, không tôn tại duy nhất mội giải pháp tối ưa cho những bài toàn nhì vậy và cần phổi sử dung thong tin wu tiên của người ra quyết định đễ xếp hựng các phương án. Có hai lớp bài toán MCDM chính được phân biệt dựa trên tính định nghĩa rõ rằng hay ngâm định của lời giải lả bài toán MODM vả bái toán MADM. Bải toán MADM bao gồm một số hữu hạn các phương án được phát biểu rõ ràng từ đầu.

của quá trình ra quyết định. Mỗi phương án được biểu diễn bởi giá trị hoặc rrức thực thú trên nhiều tiên chuẩn Bài toản đặt ra là tìm kiếm phương án tốt nhất hoặc một tập hợp các phương án tốt nhật cho người ra quyết định Trong bài toán MODM, các phương án không được định nghĩa trước một cách tường mỉnh, số phương ân là Không bin tum hoặc không đếm được (đủ các biến quyết định là liên tục) hoäc đêm được nhưng rât lớn (khi các biển quyết định là rời rae). Loi giải của bài toán được tìm ra nhờ giải các mô hình toan hoc. Trong khuỏn khổ luận văn này, tôi chơn và trình bây các phương pháp ra quyệt định trong lớp các bai foan MADM Như đã để cập trước đó, bài toán MCDM thường yêu cầu người dừng đưa Ta thông lim ưu tiên của mình để xếp lạng cặc phương án, tuy nhiên không phải DANI MỤC CÁC BẰNG Bảng3l — Băng HIệ Saaty Bảng32 RJ theo Kich thude ma tran Bảng3.3 Bang twong quan so sánh từng đôi của các biển ngôn ngữ sử dung số mở Bảng3.4 Bảng so sánh cặp các thuộc tính fheo hướng thông tinzub Bảng3Š Bảng các vác tơ trọng số khác nhau tương ứng với mức œ-cut khác nhan Bảng36 — Ma trần quyết định cho wi du 3.7 Ma tran quyét dinh cho wi du 3.1 sau khi được chuân hóa Bang3.8 Băng Biểu diễn giá trị độ hài lòng của khách hàng cho các phương án DANTT MỤC CÁC TIÌNH VẼ, DO THT Hình 1.1 [ Cáo giai đoạn trong quả hình ra quyết định Hình 1.2 | Ma trần quyết định Hinh 2.1 | Hàm liền thuộc biểu điễn các biến ngôn ngữ Hinh 3.1 [ Hệ thông phản cấp của bài toàn MADM Tĩnh 32 | Tràm liền thuộc của các biển ngôn ngĩt lĩnh 33.

| Vị trí của hai số mờ không tương đương va tong đương DANI MỤC CÁC BẰNG Bảng3l — Băng HIệ Saaty Bảng32 RJ theo Kich thude ma tran Bảng3.3 Bang twong quan so sánh từng đôi của các biển ngôn ngữ sử dung số mở Bảng3.4 Bảng so sánh cặp các thuộc tính fheo hướng thông tinzub Bảng3Š Bảng các vác tơ trọng số khác nhau tương ứng với mức œ-cut khác nhan Bảng36 — Ma trần quyết định cho wi du 3.7 Ma tran quyét dinh cho wi du 3.1 sau khi được chuân hóa Bang3.8 Băng Biểu diễn giá trị độ hài lòng của khách hàng cho các phương án Chuung 1. TONG QUAN VE BAI TOÁN RA QUYẾT ĐỊNH Chương | tinh bảy các khối niệm cơ bản của vấn để ra quyết định, các những các đặc trưng của quá trình ra quyết định, phân biệt bài toán ra quyết định đã mục tiêu và bải toán ra quyết định đa thuộc tinh, 1.1 Ra quyết định vả người ra quyết định Mỗi lỗ chức có các mục liều và rrục liêu đó đạt được thông qua sử đựng các tải nguyễn như cơn người, tài chính, vật liệu, trí tức và thực hiện uàu chức xăng quản lý như lập kế hoạch, tổ chức, điều lành và kiểm soài. Các chức năng nảy được thực hiện thông qua quả trình liên tục ra các quyềi định, mỗi quyết định là một lựa chọn hợp lý trong số các phương án. Xgười ra quyết định là người quản lý ở các mức khác nhan, từ quán trị dự án tới giám đốc điểu hành và có thể là cả nhân hoặc tập thể.

Bài toán ra quyết định đang trở nền phức tạp và khó khăn đo số lượng các Tựa chọu ngày cảng lăng lên. Sự xuất liện của công nghệ thông lín và các hộ thông truyền thông, đặc biết là sự rà đời Internet va cde indy lăn kiểm của nó siữp cho cơn người dễ dáng tìm kiếm hông tin và dưa ra nhiều lựa chọn hơn. Thi hai, chi phí sai sót 66 thé rat lớn vi sự phức tạp cúa cơ cầu hoạt động, sự tự đông hóa và phán ứng chuỗi mà một lối có thể gây tác động ở nhiều nơi, cá chiều dọc và ngang của một tỗ chức. Thứ ba, cỏ sự thay đổi liên tục trong một môi trường biển động và các yêu tö tắc động ngày càng không chắc chin bao êm cả nguồn thêng tin và chính thông tin.

Quan trạng hơn, sư thay đổi nhanh chóng của môi trường quyết định yêu cân các quyết định được Thực hiện nhanh hơn. Những lý do này đặt ra yêu cầu phải tàng hỗ trợ về mặt phương pháp và kỹ Thuật đỂ giúp đưa ra các quyết định chất lượng tôi DANTT MỤC CÁC TIÌNH VẼ, DO THT Hình 1.1 [ Cáo giai đoạn trong quả hình ra quyết định Hình 1.2 | Ma trần quyết định Hinh 2.1 | Hàm liền thuộc biểu điễn các biến ngôn ngữ Hinh 3.1 [ Hệ thông phản cấp của bài toàn MADM Tĩnh 32 | Tràm liền thuộc của các biển ngôn ngĩt lĩnh 33. | Vị trí của hai số mờ không tương đương va tong đương Chuung 1. TONG QUAN VE BAI TOÁN RA QUYẾT ĐỊNH Chương | tinh bảy các khối niệm cơ bản của vấn để ra quyết định, các những các đặc trưng của quá trình ra quyết định, phân biệt bài toán ra quyết định đã mục tiêu và bải toán ra quyết định đa thuộc tinh, 1.