Phân tích so sánh một số mô hình MCDM và ứng dụng trong hệ thông tin ra quyết định
Trong thực tế, người ra quyết định (DM) thường phải đối mặt với vấn đề chọn phương án thay thế tốt nhất từ
các lựa chọn có sẵn dựa trên các tiêu chuẩn cho trước, bài toán đó gọi là bài toán ra quyết định đa tiêu chí
(MCDM). Có nhiều mô hình được nghiên cứu và sử dụng để giải quyết bài toán MCDM. Tuy nhiên, có thể sai lầm
khi tuyên bố rằng có một phương pháp nào đó là tốt nhất hiện có. Mục tiêu của bài báo này là phân tích đánh giá
một số phương pháp giải bài toán ra quyết định đa tiêu chí như phương pháp SAW, phương pháp MOORA và
ứng dụng chúng vào giải quyết một số bài toán trong nông nghiệp. Để làm được việc đó, chúng tôi đã phân tích
các phương pháp SAW, MOORA và đề ra các hướng cải tiến trong bước chuẩn hóa dữ liệu và dùng entropy mờ
để tính trọng số cho các tiêu chí của mô hình. Sau đó, chúng ta áp dụng các mô hình đã được cải tiến vào giải
quyết một số bài toán trong nông nghiệp, như bài toán lựa chọn công thức trồng nấm, bài toán lựa chọn phân bón
cho cây điều nước. Kết quả thu được sau khi cải tiến được đánh giá là tốt hơn.
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Trang 8
Trang 9
Trang 10
Tải về để xem bản đầy đủ
Tóm tắt nội dung tài liệu: Phân tích so sánh một số mô hình MCDM và ứng dụng trong hệ thông tin ra quyết định
Trọng số 0,2106 0,2095 0,2095 0,1905 0,1799 Bảng 4. Ma trận được chuẩn hóa ở ví dụ 1 C1 C2 C3 C4 C5 A1 0 0 0 0 1 A2 0,3304 0,3360 0,1227 0,3166 0,8810 A3 0,5595 0,6240 0,4748 0,5135 0,5952 A4 0,8414 0,8240 0,7223 0,6911 0,3333 A5 1 1 1 1 0,2143 A6 0,9956 0,9920 0,9437 0,9884 0 Bảng 5. Ma trận được chuẩn hóa kết hợp với trọng số trong mô hình SAW ở ví dụ 1 C1 C2 C3 C4 C5 A1 0 0 0 0 0,1799 A2 0,0696 0,0704 0,0257 0,0603 0,1585 A3 0,1179 0,1307 0,0995 0,0978 0,1071 A4 0,1772 0,1726 0,1513 0,1317 0,6000 A5 0,2107 0,2095 0,2095 0,1905 0,0386 A6 0,2098 0,2078 0,1977 0,1883 0 Bảng 6. Các kết quả tính toán Si và xếp hạng của ví dụ 1 theo mô hình SAW Si Tỷ lệ (%) Xếp hạng A1 0,1799 5,18 6 A2 0,3845 11,07 5 A3 0,5530 15,92 4 A4 0,6928 19,95 3 A5 0,8588 24,74 1 A6 0,8036 23,73 2 3.1.2. Sử dụng phương pháp SAW Trong phāćng pháp này, chýng töi cÿng thấy rằng A là công thăc tøt nhất vĉi tỷ lệ Bāĉc 1: Chuẩn hóa dą liệu. SĄ dĀng công 5 24,74 (%) trong tùng sø 6 phāćng án. Nò cÿng thăc (6) cho các tiêu chí lợi ích C , C , C , C ; sĄ 1 2 3 4 phù hợp vĉi các kết quả thĄ nghiệm đāợc thể dĀng công thăc (7) cho tiêu chí không có lợi ích hiện trong Nguyen & cs. (2016. Nhāng trong (C ) (Bảng 4). 5 Nguyen & cs. (2016), các tác giả xếp hạng chþ Bāĉc 2: SĄ dĀng công thăc (1) để tính ma trận yếu dĆa trên bøn tiêu chí ban đầu chî là tiêu chí đāợc chuẩn hóa kết hợp vĉitrõng sø (Bảng 5). lợi ích, mà không xem xét tiêu chí phi lợi ích C5. Bāĉc 3: Tính các hệ sø Si cþa tĂng phāćng Trong nhiều trāĈng hợp, tỷ lệ nhiễm bệnh có thể án Ai (i = 1, 2,, 6) theo công thăc (2) (Bảng 6). ảnh hāĊng đến lợi nhuận cuøi cùng cþa việc 467 Phân tích so sánh một số mô hình MCDM và ứng dụng trong hệ thông tin ra quyết định tr÷ng nấm. Do đò, việc sĄ dĀng mô hình ra Bāĉc 4. Tính các giá trð Qi vĉi i = 1, 2,, 6, quyết đðnh cþa MOORA trong việc đánh giá lĆa theo công thăc (13), kết quả ghi lại trong Bảng 8. chõn tùy chõn có các thuûc tính xung đût là có ý Bāĉc 5. Xếp hạng các phāćng án, kết quả nghïa. Trong thĄ nghiệm, chúng tôi thấy rằng ghi lại trong bảng 8. sĆ thay đùi tỷ lệ cám gạo giąa các công thăc A 5 Kết quả này chî ra rằng công thăc A là lĆa và A cÿng dẫn đến không có nhiều thay đùi 5 6 chõn tøt nhất vĉi tỷ lệ chấp nhận chiếm 22,68% trên hầu hết các chî sø, trong mô hình này, trong tùng sø 6 phāćng án. Nò cÿng phü hợp vĉi trõng sø tāćng ăng giąa A và A cÿng chî là mût 5 6 các kết quả thĄ nghiệm đāợc thể hiện trong sĆ khác biệt nhó khi chúng tôi xem xét các tiêu Nguyen & cs. (2016). chí đò là mâu thuẫn. Ở đây chýng töi so sánh kết quả đạt đāợc 3.1.3. Sử dụng phương pháp MOORA khi sĄ dĀng phāćng pháp cải tiến vĉi các Bây giĈ, chúng tôi trình bày các bāĉc cþa phāćng pháp đã cò trāĉc đò nhā phāćng pháp phāćng pháp đề xuất để đánh giá tác đûng cþa MOORA1, COPRAS1 cþa Trần Trung Hiếu & thành phần nguyên liệu thô ăng vĉi các công cs. (2019); các phāćng pháp FMOORA (Fuzzy thăc khác nhau đøi vĉi sĆ tăng trāĊng và năng MOORA) và FMCDM (Fuzzy MCDM) cþa Hieu suất cþa nấm sò vua. & Thao (2019), phāćng pháp thĆc nghiệm cþa Nguyen & cs. (2016). Kết quả so sánh (Bảng 17) Bāĉc1. Tính toán ma trận đāợc chuẩn hóa chî ra rằng các kết quả xếp hạng sĄ dĀng theo X = [x ] bằng việc sĄ dĀng công thăc (6), kết ij m × n phāćng pháp đề xuất Ċ đây cÿng cho kết quả quả ghi lại trong bảng 2. xếp hạng trùng vĉi các kết quả xếp hạng khi sĄ Bāĉc 2. Tính các ma trận ra quyết đðnh sau dĀng các phāćng pháp trāĉc đò. Điều này góp khi đã chuẩn hóa vĉi các trõng sø W theo công phần chăng tó ngoài ý nghïa cải tiến hoàn chînh thăc 10 (Bảng 7). về mặt lí thuyết (khi xuất hiện dą liệu âm) thì Bāĉc 3. Tính các giá trð Pi và Ri vĉi i = 1, phāćng pháp đề xuất Ċ đây cÿng áp dĀng tøt vĉi 2,, 6, theo công thăc (11), (12), kết quả ghi lại mût sø bài toán thĆc tế đã đāợc kiểm chăng trong bảng 8. bằng thĆc nghiệm. Bảng 7. Ma trận được chuẩn hóa kết hợp với trọng số ở bảng 3 trong ví dụ 1 C1 C2 C3 C4 C5 A1 0 0 0 0 0 A2 0,0696 0,0704 0,0257 0,0603 0,0214 A3 0,1179 0,1307 0,0995 0,0978 0,0728 A4 0,0586 0,0580 0,0186 0,0417 0,0143 A5 0,2107 0,2095 0,2095 0,1905 0,1413 A6 0,2098 0,2078 0,1977 0,1883 0,1799 Bảng 8. Các kết quả tính toán Pi, Ri, Qi và xếp hạng của ví dụ 1 theo mô hình MOORA Pi Ri Qi Tỷ lệ (%) Xếp hạng A1 0 0 0 11,50 6 A2 0,2260 0,0214 0,2046 14,11 5 A3 0,4459 0,0728 0,3731 16,71 4 A4 0,1768 0,0143 0,1626 13,53 3 A5 0,8202 0,1414 0,6789 22,68 1 A6 0,8036 0,1799 0,6237 21,46 2 468 Nguyễn Thị Lan, Ngọc Minh Châu, Nguyễn Xuân Thảo 3.2. Ví dụ 2 3.2.2. Sử dụng phương pháp SAW Chõn phân bón tøt nhất là trách nhiệm đøi Bāĉc 1: Chuẩn hóa dą liệu. SĄ dĀng công vĉi ngāĈi tr÷ng cây ăn quả. Trong ví dĀ này thăc (6) cho các tiêu chí lợi ích C2, C3, C4, C5; sĄ chýng töi xem xét các phāćng pháp SAW và dĀng công thăc (7) cho tiêu chí không có lợi ích MOORA cho bài toán ra quyết đðnh đa tiêu chí là (C1) (Bảng 12). lĆa chõn phân bón tøt nhất cho cây điều nāĉc Bāĉc 2: SĄ dĀng công thăc (1) để tính ma (water cashew fruit plants). Trong đò cò 4 loại trận đāợc chuẩn hóa kết hợp vĉi trõng sø phân bón UREA,NPK, KCl, STP-46, có thể đāợc (Bảng 13). xem xét lĆa chõn để bòn cho cây điều nāĉc dĆa Bāĉc 3: Tính các hệ sø Si cþa tĂng phāćng trên các tiêu chí: Giá cả (C1), kích thāĉc cây (C2), án Ai (i = 1, 2,, 6) theo công thăc (2) (Bảng 14). kích thāĉc quả (C3), hāćng vð (C4) và sø lāợng quả (C5). Giá trð đāợc cho bĊi thang điểm tĂ 1 đến 5, Trong phāćng pháp này, chýng töi cÿng trong đò (1: Very Low; 2: Low; 3: Enough; 4: thấy rằng A2 (NPK) là phāćng án tøt nhất vĉi tỷ Hight; 5: Very Hight). Dą liệu đāợc lấy tĂ lệ 59,04 (%) trong tùng sø 4 phāćng án. Kết quả (Indahingwati & cs., 2018) và mô tả trong bảng 9. xếp hạng này cÿng phü hợp vĉi kết quả xếp hạng cþa Indahingwati & cs. (2018). 3.2.1. Tính trọng số của các tiêu chí Bāĉc 1. Chuẩn hóa dą liệu theo công thăc 3.2.3. Sử dụng phương pháp MOORA (6), ta thu đāợc kết quả Ċ bảng 10. Bây giĈ, chúng tôi trình bày các bāĉc cþa Bāĉc 2. Tính entropy cþa tĂng tiêu chí theo phāćng pháp đề xuất để đánh giá tác đûng cþa công thăc (16) (Bảng 11). thành phần nguyên liệu thô ăng vĉi các công Bāĉc 3. Tính trõng sø cþa tĂng tiêu chí theo thăc khác nhau đøi vĉi sĆ tăng trāĊng và năng công thăc (17) (Bảng 3). suất cþa nấm sò vua. Bảng 9. Mối quan hệ giữa các công thức trộn nguyên liệu và các tiêu chí trong ví dụ 2 C1 C2 C3 C4 C5 UREA (A1) 4 3 3 3 1 NPK (A2) 2 5 5 5 5 3 5 3 3 1 KCl (A3) TSP-46 (A4) 5 3 3 4 5 Bảng 10. Bảng giá trị của các xij trong ví dụ 2 để tính trọng số và dùng cho phương pháp MOORA xij C1 C2 C3 C4 C5 A1 0,6667 0 0 0 0 A2 0 1 1 1 1 A3 0,3333 1 0 0 0 A4 1 0 0 0,5 1 Bảng 11. Trọng số của các tiêu chí trong ví dụ 2 C1 C2 C3 C4 C5 Entropy 0,3555 0 0 0,4 0 Trọng số 0,1518 0,2356 0,2356 0,1414 0,2356 469 Phân tích so sánh một số mô hình MCDM và ứng dụng trong hệ thông tin ra quyết định Bāĉc 1: Tính toán ma trận đāợc chuẩn hóa chõn tøt nhất vĉi tỷ lệ chấp nhận chiếm 22,68% X = [xij]m × n bằng việc sĄ dĀng công thăc (6), kết trong tùng sø 4 phāćng án. quả ghi lại trong bảng 10. So sánh kết quả đạt đāợc khi sĄ dĀng Bāĉc 2: Tính các ma trận ra quyết đðnh sau phāćng pháp cải tiến vĉi các phāćng pháp đã cò khi đã chuẩn hóa vĉi các trõng sø W theo công trāĉc đò nhā phāćng pháp MOORA1, COPRAS1 cþa Trần Trung Hiếu & cs. (2019); các phāćng thăc 10 (Bảng 15). pháp FMOORA (Fuzzy MOORA) và FMCDM Bāĉc 3: Tính các giá trð Pi và Ri vĉi i = 1, (Fuzzy MCDM) cþa Hieu & Thao (2019), 2,, 6 theo cöng thăc (11), (12), kết quả ghi lại phāćng pháp TOPSIS và phāćng pháp FLM trong bảng 8. (Fuzzy Logic Medthod) cþa Indahingwati & cs. Bāĉc 4: Tính các giá trð Qi vĉi i = 1, 2,, 6, (2018). Kết quả so sánh (Bảng 18) chî ra rằng theo công thăc (13), kết quả ghi lại trong bảng 16. các kết quả xếp hạng sĄ dĀng theo phāćng pháp đề xuất Ċ đây cÿng cho kết quả xếp hạng trùng Bāĉc 5: Xếp hạng các phāćng án, kết quả vĉi các kết quả xếp hạng khi sĄ dĀng các ghi lại trong bảng 8. phāćng pháp trāĉc đò. Tất cả các phāćng pháp Kết quả này chî ra rằng công thăc A2 là lĆa này đều chî ra A2 là lĆa chõn tøt nhất. Bảng 12. Ma trận được chuẩn hóa ở ví dụ 2 C1 C2 C3 C4 C5 A1 0,3333 0 0 0 0 A2 1 1 1 1 1 A3 0,6667 1 0 0 0 A4 0 0 0 0,5 1 Bảng 13. Ma trận được chuẩn hóa kết hợp với trọng số trong mô hình SAW ở ví dụ 2 C1 C2 C3 C4 C5 A1 0,0506 0 0 0 0 A2 0,1518 0,2356 0,2356 0,1414 0,2356 A3 0,1012 0,2356 0 0 0 A4 0 0 0 0,0707 0,2356 Bảng 14. Các kết quả tính toán Si và xếp hạng của ví dụ 2 theo mô hình SAW Si Tỷ lệ % Xếp hạng A1 0,0506 2,99 4 A2 1 59,04 1 A3 0,3368 19,89 2 A4 0,3063 18,08 3 Bảng 15. Ma trận được chuẩn hóa kết hợp với trọng số ở bảng 3 trong ví dụ 2 C1 C2 C3 C4 C5 A1 0,1012 0 0 0 0 A2 0 0,1518 0,1518 0,1518 0,1518 A3 0,0506 0,1518 0 0 0 A4 0,1518 0 0 0,0759 0,1518 470 Nguyễn Thị Lan, Ngọc Minh Châu, Nguyễn Xuân Thảo Bảng 16. Kết quả tính toán Pi, Ri, Qi và xếp hạng của ví dụ 2 theo mô hình MOORA Pi Ri Qi Tỷ lệ % Xếp hạng A1 0 0,1012 0,9038 18,35 4 A2 0,6072 0 1,8353 37,27 1 A3 0,1518 0,0506 1,1064 22,47 2 A4 0,2277 0,1518 1,0789 21,91 3 Bảng 17. Kết quả xếp hạng của ví dụ 1 theo các phương pháp khác nhau SAW MOORA Thực Phương án MOORA COPRAS FMOORA FCOPRAS TOPSIS (cải tiến) (cải tiến) nghiệm A1 6 6 6 6 6 6 6 6 A2 5 5 5 5 5 5 5 5 A3 4 4 4 4 4 4 4 4 A4 3 3 3 3 3 3 3 3 A5 1 1 1 1 1 1 1 1 A6 2 2 2 2 2 2 2 2 Bảng 18. Kết quả xếp hạng của ví dụ 2 theo các phương pháp khác nhau SAW MOORA Phương án MOORA COPRAS FMOORA FCOPRAS TOPSIS FLM (cải tiến) (cải tiến) A1 4 4 4 4 4 4 4 4 A2 1 1 1 1 1 1 1 1 A3 2 2 2 3 2 3 3 2 A4 3 3 3 2 3 2 2 3 bài toán MCDM có giá trð âm, thì các kết quả 4. KẾT LUẬN chuẩn hóa sĄ dĀng cho các mô hình này (trong Trong bài nghiên cău này, chýng töi đã các tài liệu trāĉc đò) khöng đảm bảo các giá trð phân tích đánh giá các mö hình ra quyết đðnh nằm trong [0,1] sau khi thĆc hiện các bāĉc đa tiêu chí SAW và MOORA. Múi mö hình đều chuẩn hòa. Đây là điểm cần lāu ý khi áp dĀng cò āu điểm và nhāợc điểm riêng. Vĉi mô hình các mô hình SAW và MOORA để giải quyết các SAW, các bāĉc tính toán đćn giản hćn mö hình bài toán MCDM. Chýng töi cÿng phân tích các MOORA. Mô hình SAW cos thuận lợi là dễ tính nhāợc điểm này Ċ các bāĉc chuẩn hóa dą liệu toán và áp dĀng đāợc nếu nhā các tiêu chí trong cþa các phāćng pháp SAW và MOORA, đ÷ng mô hình chî có các tiêu chí lợi ích. Do đò, trong thĈi đề xuất sĄ dĀng các công thăc chuẩn hòa để bāĉc chuẩn hóa cần chý ý đến tiêu chí lợi ích và tránh đāợc các hạn chế đò. Trong các ăng dĀng, phi lợi ích. Các phāćng pháp cải tiến sĆ chuẩn chýng töi cÿng đề xuất thêm các tỷ lệ chấp nhận hóa và áp dĀng cþa mö hình SAW đã khắc phĀc cho các phāćng án lĆa chõn, khi sĄ dĀng các mô đāợc vấn đề này nếu dą liệu là không âm. Mô hình khác nhau. Đò chính là nhąng đòng gòp hình MOORA cò các bāĉc tính toán phăc tạp mĉi cþa bài báo này. Trong tāćng lai, chýng töi hćn mö hình SAW, nhāng khi chuẩn hòa chāa cÿng nghiên cău phân tích các mô hình khác và cần quan tâm đến các tiêu chí lợi ích hay phi lợi ăng dĀng chúng vào trong các bài toán ra quyết ích. Các tiêu chí này đāợc xem xét Ċ bāĉc đánh đðnh đa tiêu chí trong thĆc tế, nhất là bài toán giá các giá trð āu tiên (P và R). Vĉi dą liệu cþa ăng dĀng trong nông nghiệp. 471 Phân tích so sánh một số mô hình MCDM và ứng dụng trong hệ thông tin ra quyết định LỜI CẢM ƠN Indahingwati A., Barid M., Wajdi N., Susilo D.E., Kurniasih N. & Rahim R. (2018). Comparison Để hoàn thành nghiên cău này, các tác giả Analysis of TOPSIS and Fuzzy Logic Methods On xin bày tó lòng biết ćn đến đề tài cấp Hõc viện Fertilizer Selection. Int. J. Eng. Technol. 7(2-3): 109-114. Nông nghiệp Việt Nam, mã sø T2020-10-48. Jayakrishna K. & Vinodh S. (2017). Application of grey relational analysis for material and end of life TÀI LIỆU THAM KHẢO strategy selection with multiple criteria. International Journal of Materials Bhowmik C., Gangwar S., Bhowmik S. & Ray A. Engineering Innovation. 8(3-4): 250-272. (2018). Selection of Energy-Efficient Material: An Karande P. & Chakraborty S. (2012). Application of Entropy-TOPSIS Approach. In Soft Computing: multi-objective optimization on the basis of ratio Theories and Applications. 584: 31-39. analysis (MOORA) method for materials Brauers W.K.M. (2004). Optimization methods for a selection. Materials and Design. 37: 317-324. stakeholder society. A revolution in economic Mayyas A., Omar M.A. & Hayajneh M.T. (2016). Eco- thinking by multi-objective optimization. Boston: material selection using fuzzy TOPSIS Kluwer Academic Publishers. method. International Journal of Sustainable Chakraborty S. & Chatterjee P. (2013). Selection of Engineering. 9(5): 292-304. materials using multi-criteria decision-making Nguyen T.B.T., Ngo X.N., Nguyen T.T., Tran D.A., methods with minimum data. Decision Science Nguyen X.C., Nguyen V.G. & Tran T.D. (2016) Letters. 2(3): 135-148. Evaluating the Growth and Yield of King Oyster Gadakh V.S., Shinde V.B., Khemnar N.S. & Kumar A. Mushroom (Pleurotus eryngii (DC.:Fr.) Quél) on Different Substrates. Vietnam J. Agri. Sci. (2016). Application of MOORA Method for 14(5): 816-823. Friction Stir Welding Tool Material Selection. In Techno-Societal 2016, International Conference Podvezko V. (2011). Comparative analysis of MCDA on Advanced Technologies for Societal methods SAW and COPRAS. Inþinerinë ekonomika. pp. 134-146. Applications. pp. 845-854. Singh S. & Sharma S. (2019). On Generalized Fuzzy Ginevicius R. & Podvezko V. (2007). Some problems Entropy and Fuzzy Divergence Measure with of evaluating multicriteria decision methods. Applications. International Journal of Fuzzy International Journal of Management and Decision System Applications (IJFSA). 8(3): 47-69. Making. 8(5/6): 527-539. Trần Trung Hiếu, Nguyễn Xuân Thảo, Phan Trọng Hieu T.T. & Thao N.X. (2019). Fuzzy entropy based Tiến & Lê Thị Minh Thùy (2019). Áp dụng mô MOORA model for selecting material for hình MOORA và COPRAS để lựa chọn nguyên mushroom in Viet Nam. I.J. Information liệu trồng nấm. Tạp chí Khoa học Nông nghiệp Engineering and Electronic Business. 5: 1-10. Việt Nam. 17(4): 322-331. Hwang C.L. & Yoon K. (1981). Multiple Attribute Zavadskas E.K., Kaklauskas A. & Sarka V. (1994). The Decision Making-Methods and Applications, A new method of multicriteria complex proportional State of the Art Survey. Springer Verlag, Berlin, assessment of projects. Technological and Heidelberg, New York. economic development of economy. 1(3): 131-139. 472
File đính kèm:
- phan_tich_so_sanh_mot_so_mo_hinh_mcdm_va_ung_dung_trong_he_t.pdf