Chương 1. Tổng quan nghiên cứu về MCDM và cơ sở lý thuyết 11 nhiều cách tiếp cận MCDM trong môi trường neutrosophic. Saqlain và cộng sự [101] đề xuất thuật toán ra quyết định đa tiêu chí TOPSIS mờ tổng quát dựa trên tập mềm neutrosophic để lựa chọn điện thoại thông minh. Ajay và cộng sự [13] giới thiệu một phép toán trung bình trên tập mờ khối neutrosophic dựa trên phép toán trung bình Bonferroni và trung bình nhân.
Một phương pháp ra quyết định trên lý thuyết đề xuất cũng đã được giới thiệu hay Leyva-Vázquez và cộng sự [65] đề xuất một mô hình kết hợp giữa phương pháp phân tích thứ bậc AHP và phương pháp quy hoạch tuyến tính để lựa chọn danh mục đầu tư tốt nhất của các dự án về công nghệ thông tin trong môi trường neutrosophic. Qua khảo sát ở trên có thể thấy rằng, bài toán ra quyết định đã và đang được nhiều nhà nghiên cứu trong và ngoài nước quan tâm. Đặc biệt, với bài toán ra quyết định đa tiêu chí sử dụng tập neutrosophic.2 Một số vấn đề trong MCDM Trong mục này, trình bày một số khảo sát sơ bộ cho các vấn đề còn tồn tại trong bài toán ra quyết định đa tiêu chí. Đây như là bước khảo sát và tạo động lực cho những nghiên cứu tiếp theo của MCDM.
Tính không chắc chắn trong MCDM Những cách tiếp cận MCDM truyền thống cho rằng thông tin cần thiết để phân tích vấn đề ra quyết định là thông tin có sẵn và chính xác. Tuy nhiên, nhiều ứng dụng thực tế trong cuộc sống đã cho thấy rằng các thông tin có sẵn là không chắc chắn, không xác định, không nhất quán điều này sẽ hạn chế khả năng áp dụng các phương pháp MCDM truyền thống [18, 81]. Do đó, nhiều lý thuyết khác nhau đã được giới thiệu để thể hiện những thông tin này bằng cách sử dụng các tri thức liên quan và các thông tin có sẵn của bài toán ra quyết định đang được xem xét [71]. Nhiều lý thuyết khác nhau đã được sử dụng trong MCDM để giải quyết vấn đề không chắc chắn như lý thuyết xác suất [51], lý thuyết mờ [97, 116, 117], lý thuyết hệ xám [76, 115, 136] hay lý thuyết neutrosophic [9, 127, 134].
Tuy nhiên, mỗi cách tiếp cận đều có những cách sử dụng riêng biệt phụ thuộc vào sự ưu tiên trong một vấn đề ra quyết định và cách thể hiện kết quả [42]. Do đó, Chương 1. Tổng quan nghiên cứu về MCDM và cơ sở lý thuyết 12 việc phân biệt hai kiểu của tính không chắc chắn sẽ là hữu ích để xử lý đúng tính không chắc chắn có liên quan trong bài toán ra quyết định. Hai kiểu không chắc chắn là – Tính không chắc chắn liên quan đến các thông tin đối tượng đã được giới hạn.
Ví dụ, dữ liệu định lượng (những giá trị có tính khoảng chừng) và dữ liệu ngẫu nhiên (phân bố xác suất) [51, 111]. – Tính không chắc chắn liên quan tới kiến thức hay tính chủ quan của người ra quyết định/chuyên gia (Ví dụ, khái niệm mơ hồ và ý nghĩa ngữ nghĩa) [82, 87]. Không biết thông tin trọng số trong MCDM Trong bài toán MCDM, thông tin trọng số có vai trò quan trọng trong mô hình ra quyết định. Nó ảnh hưởng trực tiếp đến kết quả của quyết định.
Tuy nhiên, trong nhiều trường hợp thực tế thông tin về trọng số của người ra quyết định, tiêu chí hay thời gian đánh giá trong bài toán ra quyết định đa tiêu chí có thể là không biết. Điều này xảy ra bởi nhiều lý do khác nhau như áp lực về thời gian, chuyên môn hạn chế, kiến thức chưa đầy đủ hay thiếu thông tin [35, 135]. Một cách xử lý đơn giản cho vấn đề không biết thông tin trọng số của các mô hình ra quyết định có thể là thiết lập các trọng số cho các tiêu chí, người ra quyết định và thời gian là như nhau. Tuy vậy, ta có thể thấy điều này là không phù hợp cho nhiều bài toán thực tế.
Ví dụ, trong mô hình ra quyết định đánh giá năng lực của sinh viên dựa trên các nhóm tiêu chí bao gồm phẩm chất/thái độ, kỹ năng và kiến thức tích lũy theo chuyên ngành. Những sinh viên được đánh giá qua từng năm học. Rõ ràng trong những năm đầu kiến thức tích lũy theo chuyên ngành của sinh viên có trọng số là thấp hơn so với các nhóm tiêu chí khác và trọng số tiêu chí này thay đổi theo thời gian. Bộ những tiêu chí, người ra quyết định và thời gian trong bài toán ra quyết định đa tiêu chí này nếu thông tin trọng số không được đánh giá sẽ ảnh hưởng trực tiếp đến kết quả đánh giá năng lực của sinh viên.
Vì vậy, để theo sát các bài toán thực tế thì vấn đề không biết thông tin trọng số có thể coi là một trong những thách thức của các mô hình ra quyết định và vấn đề này cần được nghiên cứu giải quyết. Tổng quan nghiên cứu về MCDM và cơ sở lý thuyết 13 Ra quyết định trong môi trường biến động Các cách tiếp cận MCDM thông thường hầu hết có giả định ngầm rằng thời gian khảo sát dữ liệu chỉ tại một thời điểm và bộ các lựa chọn, tiêu chí, người ra quyết định là không thay đổi [44, 115]. Tuy nhiên, trong một vài bài toán thực tế dữ liệu được tập hợp từ nhiều thời điểm khác nhau. Theo thời gian bộ các lựa chọn, tiêu chí và người ra quyết định hay trọng số cũng thay đổi theo thời gian.
Ví dụ, trong quá trình điều trị của bệnh nhân, các kết quả được tập hợp nhiều lần qua nhiều khoảng thời gian khác nhau. Những điều này khiến cho những mô hình truyền thống không có khả năng giải quyết hay chỉ giải quyết được một phần của vấn đề.3 Các tiếp cận chính đối với MCDM Trong mục này trình bày một số cách tiếp cận phổ biến cho một số vấn đề trong bài toán ra quyết định đa tiêu chí. Từ đây, trong luận án có thể đề xuất những nghiên cứu và phương pháp phù hợp để giải quyết một số vấn đề còn tồn tại trong bài toán ra quyết định đa tiêu chí. Phương pháp ra quyết định Hiện nay, đã có rất nhiều mở rộng cách tiếp cận MCDM để phù hợp với những vấn đề trong thực tế nhưng ở cấp độ nguyên thủy nhất, MCDM có thể được thể hiện bằng một bộ các lựa chọn, ít nhất hai tiêu chí đánh giá và tối thiểu một người ra quyết định [50].
Theo đó, MCDM có thể được mô tả như một phương pháp có hệ thống giúp đưa ra quyết định bằng cách đánh giá một số lựa chọn theo một bộ các tiêu chí được ước lượng bởi những người ra quyết định. Không có cách tiếp cận tối ưu nào của MCDM phù hợp hay hoàn hảo với mọi vấn đề ra quyết định. Do đó, hiểu một vấn đề ra quyết định trong tự nhiên là một bước quan trọng để xác định phương pháp phù hợp cho nó [57, 114].1 thể hiện các cách tiếp cận trong MCDM, có thể được phân loại thành 3 loại chính [80]: – Mô hình giá trị độ đo: Các cách tiếp cận thuộc nhóm này tập trung vào những giá trị ước lượng, trong đó giá trị hữu ích của những lựa chọn được xác định dựa trên hiệu suất tổng thể của nó trên bộ Chương 1. Tổng quan nghiên cứu về MCDM và cơ sở lý thuyết 14 Tiếp cận trong MCDM Mô hình mục tiêu, Mô hình giá trị độ đo nguyện vọng hay Phương pháp khác phân cấp liên quan AHP MAUT TOPSIS ELECTRE PROMETHEE ANP SMART VIKOR LINMAP MAVT SMAA WSM Hình 1.1: Những cách tiếp cận trong MCDM tiêu chí đánh giá.
Những cách tiếp cận phổ biến nhất trong nhóm mô hình này là quy trình phân tích thứ bậc (AHP) [120], quy trình phân tích mạng (ANP) [98], lý thuyết giá trị đa thuộc tính (MAVT) [103], lý thuyết tiện ích đa thuộc tính (MAUT) [43], kỹ thuật đánh giá đa thuộc tính đơn (SMART) [19], phân tích chấp nhận đa tiêu chí ngẫu nhiên (SMAA) [64] và phương pháp tổng trọng số (WSM) [83]. – Mô hình mục tiêu, nguyện vọng hay phân cấp liên quan: Tập hợp những cách tiếp cận của nhóm này, những lựa chọn được đánh giá để thực hiện một mục tiêu, nguyện vọng, hay mức tham chiếu cụ thể (ví dụ, các thuật toán heuristic). Một số mô hình ra quyết định phổ biến trong nhóm này là kỹ thuật sắp xếp thứ tự ưu tiên tương đương giải pháp lý tưởng (TOPSIS) [56], phương pháp tối ưu hóa đa mục tiêu và giải pháp thỏa hiệp (VIKOR) [130] và phương pháp quy hoạch tuyến tính cho phân tích đa chiều của sự liên quan (LINMAP) [106]. – Phương pháp khác: Một số cách tiếp cận xếp hạng khác thực hiện so sánh cặp giữa các lựa chọn dựa trên một bộ tiêu chí đánh giá được Chương 1.
Tổng quan nghiên cứu về MCDM và cơ sở lý thuyết 15 chỉ định. Sau đó, các kết quả so sánh được tổng hợp và phân tích theo cách tiếp cận đã được chỉ định để ủng hộ một lựa chọn trên các lựa chọn khác. Các phương pháp trong mục này bao gồm phương pháp tuyển chọn theo cặp (ELECTRE) [96] và phương pháp tổ chức xếp hạng thứ tự ưu tiên để làm giàu giá trị (PROMETHEE) [110] Những cách tiếp cận thông thường này của MCDM được ngầm định rằng thông tin là chính xác. Tuy nhiên, các ứng dụng thực tế trong cuộc sống, DMs gặp phải sự không chắc chắn, không xác định và không nhất quán từ nhiều nguồn khác nhau như nhận thức của con người, thiếu hiểu biết mối quan hệ giữa các tiêu chí quyết định và dữ liệu đầu vào hạn chế, v.
Xử lý thông tin không chắc chắn Mặc dù sự hiện diện của tính không chắc chắn sẽ hạn chế việc sử dụng các phương pháp MCDM, một số nghiên cứu đã đề xuất với những phương pháp khác nhau, trong đó các kỹ thuật MCDM đã được bổ sung bằng các cách tiếp cận không chắc chắn. Tuy nhiên, các cách tiếp cận không chắc chắn khác nhau có cách sử dụng khác nhau, liên quan đến cách thiết lập ưu tiên trong một vấn đề quyết định và cách thể hiện các kết quả [42]. Nhiều cách tiếp cận khác nhau đã được đề xuất để xử lý tính không chắc chắn (lý thuyết xác suất, lý thuyết mờ, lý thuyết số xám, lý thuyết neutrosophic, đại số gia tử, v.