Luận án phát triển mô hình ra quyết định đa tiêu chí sử dụng tập neutrosophic khoảng và động - NCS. Nguyễn Thọ Thông

Phát triển mô hình ra quyết định đa tiêu chí sử dụng tập neutrosophic khoảng và động, cải tiến hiệu suất ra quyết định với độ chính xác cao.

Chuyên ngành

Các hệ thống thông tin

Tác giả

Luan An

Thể loại

Luận án

Số trang

156

Thời gian đọc

24 phút

Lượt xem

1

Lượt tải

0

Phí lưu trữ

50 Point

Tổng quan nhanh

Chủ đề:
1. Ra quyết định đa tiêu chí dựa trên tập neutrosophic
Số trang:
156 trang
Trường:
Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội
Chuyên ngành:
Các hệ thống thông tin
Tác giả:

Tóm tắt nội dung luận án

I. Ra quyết định đa tiêu chí dựa trên tập neutrosophic

Bài toán ra quyết định giữ vai trò then chốt trong quản trị và kỹ thuật. Mục tiêu chính là lựa chọn phương án tối ưu từ tập các lựa chọn khả thi. Quá trình đánh giá thường dựa trên nhiều tiêu chí cạnh tranh và mâu thuẫn lẫn nhau. Trong môi trường thực tế, thông tin thu thập thường mang tính mơ hồ. Dữ liệu đầu vào hay xuất hiện yếu tố không chắc chắn, không đầy đủ và không nhất quán. Lý thuyết tập mờ truyền thống khó nắm bắt trọn vẹn sự mơ hồ phức tạp này. Tập neutrosophic ra đời như giải pháp vượt trội nhằm khắc phục ranh giới đó. Phương pháp mới mở rộng không gian biểu diễn tri thức linh hoạt. Người ra quyết định có thể mô hình hóa độ tin cậy, độ hoài nghi và độ phủ định cùng lúc. Việc kết hợp cấu trúc neutrosophic vào quy trình đánh giá giúp nâng cao độ chính xác. Kết quả lựa chọn cuối cùng đạt tính tin cậy cao và sát với thực tiễn.

1.1. Bản chất của bài toán ra quyết định đa tiêu chí MCDM

Quá trình ra quyết định đa tiêu chí (MCDM) giải quyết bài toán xếp hạng các phương án theo tập tiêu chí xác định. Mỗi phương án sở hữu nhiều chỉ số định lượng và định tính khác nhau. Các chỉ số này thường xung đột trực tiếp về mặt lợi ích và chi phí. Chuyên gia cần cân bằng giữa các mục tiêu đối nghịch để tìm ra giải pháp hài hòa nhất. Trong bối cảnh kinh tế kỹ thuật phức tạp, thông tin chuyên gia không phải lúc nào cũng rõ ràng. Ý kiến đánh giá chứa đựng nhiều yếu tố cảm tính và thiếu sự chắc chắn tuyệt đối. Các mô hình MCDM truyền thống gán số thực cố định cho mọi đánh giá. Cách tiếp cận này làm mất mát thông tin bất định vốn có trong tư duy con người. Việc ứng dụng công cụ biểu diễn đa chiều giúp bài toán phản ánh chính xác thực tế. Kết quả phân tích từ đó hỗ trợ đưa ra lựa chọn minh bạch và khoa học hơn.

1.2. Biểu diễn độ thuộc chân thực bất định và sai biệt

Lý thuyết neutrosophic định nghĩa mỗi phần tử thông qua ba hàm độc lập. Ba thành phần cốt lõi bao gồm độ thuộc chân thực, bất định và sai biệt (Truth, Indeterminacy, Falsity). Giá trị của mỗi thành phần nằm trong khoảng giá trị thực từ 0 đến 1. Điểm đặc biệt nằm ở tính độc lập hoàn toàn giữa ba giá trị này. Tổng của ba độ thuộc không bị ràng buộc phải bằng đơn vị như tập mờ trực giác. Độ chân thực thể hiện mức độ bằng chứng ủng hộ phương án. Độ bất định ghi nhận sự do dự, thiếu thông tin hoặc thông tin không nhất quán. Độ sai biệt phản ánh mức độ bằng chứng phản đối hoặc sai lệch. Sự phân tách rạch ròi này giúp ghi nhận đầy đủ mọi khía cạnh nhận thức. Dữ liệu đánh giá từ đó giữ nguyên vẹn bản chất đa chiều ban đầu.

1.3. Nền tảng cấu trúc của tập neutrosophic đơn trị SVNS

Tập neutrosophic đơn trị (SVNS) là một trường hợp cụ thể và mang tính thực tế cao của tập neutrosophic tổng quát. SVNS giới hạn miền giá trị của các hàm độ thuộc về các số thực đơn lẻ trong đoạn 0 đến 1. Cấu trúc này giúp đơn giản hóa các phép toán số học phức tạp mà vẫn giữ nguyên năng lực biểu diễn thông tin bất định. Mỗi đánh giá của chuyên gia được lượng hóa thành một bộ ba số thực duy nhất. SVNS giải quyết hiệu quả các tình huống xung đột ý kiến hoặc dữ liệu không đồng nhất. Các nhà nghiên cứu dễ dàng xây dựng ma trận quyết định từ thông tin định tính của chuyên gia. Nền tảng SVNS cung cấp cơ sở toán học vững chắc để phát triển các thuật toán tổng hợp thông tin. Đây là tiền đề quan trọng để xây dựng các mô hình phân tích phức tạp hơn trong tương lai.

II. Phát triển mô hình bằng tập neutrosophic động tối ưu

Thế giới thực liên tục biến đổi khiến dữ liệu đánh giá thay đổi liên tục theo thời gian. Các mô hình tĩnh truyền thống chỉ phản ánh bức tranh tại một thời điểm duy nhất. Điều này dẫn đến sự sai lệch nghiêm trọng khi đánh giá các dự án dài hạn hoặc các hệ thống biến thiên. Để khắc phục hạn chế này, mô hình phát triển tập neutrosophic động là hướng đi tất yếu. Phương pháp tích hợp yếu tố thời gian vào không gian giá trị neutrosophic. Nhờ đó, lịch sử dữ liệu và xu hướng biến thiên được lưu giữ và khai thác trọn vẹn. Mô hình động cung cấp cái nhìn toàn diện và sâu sắc hơn về từng phương án. Nhà quản lý có thể đưa ra quyết định vững chắc dựa trên dòng thông tin liên tục.

2.1. Khái niệm cốt lõi về tập neutrosophic động Dynamic Neutrosophic Set

Tập neutrosophic động (Dynamic Neutrosophic Set) mở rộng không gian đánh giá bằng cách gắn thêm trục thời gian vào các hàm độ thuộc. Tại mỗi mốc thời gian cụ thể, phương án được mô tả bằng một tập neutrosophic riêng biệt. Các độ thuộc chân thực, bất định và sai biệt đều trở thành các hàm số phụ thuộc biến thời gian. Sự biến thiên này phản ánh trung thực quá trình thu thập thông tin và diễn biến của sự vật. Mô hình cho phép theo dõi sự tiến triển về hiệu năng của từng phương án qua từng giai đoạn. Các biến động ngắn hạn không làm sai lệch bức tranh tổng thể của hệ thống. Nhờ cấu trúc động, các đánh giá cũ không bị loại bỏ lãng phí mà được tích lũy theo trọng số thời gian phù hợp.

2.2. Phân bổ và chuẩn hóa trọng số chuỗi thời gian time series weights

Trong môi trường biến động, vai trò của các thời điểm đánh giá là hoàn toàn khác nhau. Thông tin ở thời điểm gần hiện tại thường mang tính cập nhật và giá trị cao hơn. Việc phân bổ trọng số chuỗi thời gian (time-series weights) cần tuân theo các nguyên tắc toán học khách quan. Phương pháp phân rã thời gian hoặc hàm mũ suy giảm thường được áp dụng để xác định trọng số. Các giá trị trọng số thời gian phải được chuẩn hóa sao cho tổng của chúng luôn bằng 1. Quá trình chuẩn hóa đảm bảo sự cân bằng giữa tính lịch sử và tính thời sự của dữ liệu. Trọng số chuỗi thời gian đóng vai trò là cầu nối liên kết các ma trận quyết định rời rạc thành một bức tranh tổng thể liền mạch.

2.3. Khả năng thích ứng biến đổi thuộc tính theo thời gian

Trong các dự án kéo dài, tập thuộc tính và tiêu chí đánh giá không cố định tuyệt đối. Một số tiêu chí có thể xuất hiện mới hoặc giảm bớt tầm quan trọng theo giai đoạn. Tập neutrosophic giá trị khoảng động tổng quát giải quyết triệt để bài toán thay đổi tập tiêu chí này. Hệ thống linh hoạt tiếp nhận việc thay đổi số lượng chuyên gia, số lượng tiêu chí và số lượng phương án. Cấu trúc dữ liệu tự động hiệu chỉnh để tương thích với các chiều không gian mới. Khả năng thích ứng giúp giảm thiểu chi phí tái cấu trúc mô hình đánh giá từ đầu. Kết quả đầu ra giữ vững tính nhất quán ngay cả khi môi trường có nhiều biến động bất thường.

III. Các toán tử tổng hợp neutrosophic động trong phân tích

Tổng hợp dữ liệu là bước cốt lõi trong quy trình phân tích quyết định. Các ma trận đánh giá từ nhiều mốc thời gian cần được quy tụ về một giá trị duy nhất. Việc lựa chọn toán tử phù hợp quyết định trực tiếp đến độ tin cậy của kết quả. Các toán tử tổng hợp neutrosophic động xử lý trơn tru thông tin dạng đa chiều. Chúng bảo toàn thông tin về sự không chắc chắn và tính mâu thuẫn của dữ liệu gốc. Toán tử tổng hợp hạn chế tối đa hiện tượng méo mó hoặc mất mát thông tin quan trọng. Nhờ đó, dữ liệu sau tổng hợp phản ánh trung thực toàn bộ lịch sử đánh giá của phương án.

3.1. Đặc trưng toán tử tổng hợp neutrosophic động DNWA DNWG

Hai công cụ tổng hợp phổ biến nhất là toán tử tổng hợp neutrosophic động (DNWA, DNWG). Toán tử trung bình trọng số neutrosophic động (DNWA) tập trung vào việc bù trừ tuyến tính giữa các giá trị. Trong khi đó, toán tử hình học trọng số neutrosophic động (DNWG) nhấn mạnh vào sự cân đối và hạn chế tối đa sự chênh lệch quá mức giữa các chiều dữ liệu. Cả hai toán tử đều tích hợp trực tiếp trọng số thời gian và trọng số tiêu chí vào phép tính đại số. Quy tắc cộng và nhân neutrosophic được thiết kế chặt chẽ để đảm bảo kết quả vẫn thuộc không gian neutrosophic chuẩn. Việc áp dụng linh hoạt DNWA hoặc DNWG tùy thuộc vào khẩu vị rủi ro và chiến lược ra quyết định của tổ chức.

3.2. Quy trình xác định trọng số tiêu chí động chính xác

Tầm quan trọng của mỗi tiêu chí không phải lúc nào cũng được biết trước đầy đủ. Việc xác định trọng số tiêu chí động là yêu cầu bắt buộc để nâng cao tính khách quan. Trọng số tiêu chí động có thể được tính toán dựa trên mức độ phân tán thông tin hoặc entropy neutrosophic. Khi một tiêu chí mang lại lượng thông tin phân biệt lớn giữa các phương án, trọng số của nó sẽ tự động tăng lên. Ngược lại, những tiêu chí có giá trị tương đồng trên mọi phương án sẽ nhận trọng số thấp hơn. Thuật toán tối ưu hóa tự động điều chỉnh bộ trọng số theo từng chu kỳ thời gian. Điều này loại bỏ hoàn toàn sự can thiệp chủ quan phi lý của con người vào việc phân bổ quyền số.

3.3. Tích hợp tích phân Choquet xử lý phụ thuộc thuộc tính

Các phương pháp tổng hợp truyền thống thường giả định các tiêu chí độc lập tuyệt đối với nhau. Thực tế cho thấy các tiêu chí luôn có sự tương hỗ hoặc triệt tiêu lẫn nhau. Tích phân Choquet là công cụ mạnh mẽ để mô hình hóa mối quan hệ tương quan phi tuyến giữa các tiêu chí. Khi kết hợp với tập neutrosophic động, tích phân Choquet đo lường độ đo mờ của các tập hợp con tiêu chí. Mô hình ghi nhận chính xác hiệu ứng cộng hưởng khi hai tiêu chí tích cực cùng xuất hiện. Đồng thời, nó cũng phản ánh hiệu ứng suy giảm khi có sự dư thừa thông tin giữa các chỉ số. Việc tích hợp này nâng cao vượt bậc năng lực phân tích của hệ thống quyết định.

IV. Ứng dụng neutrosophic TOPSIS động và VIKOR đánh giá

Sau bước tổng hợp thông tin, việc xếp hạng các phương án cần các thuật toán quyết định chuyên sâu. Hai phương pháp nổi bật hàng đầu hiện nay là TOPSIS và VIKOR mở rộng. Khi đặt trong môi trường động, hai thuật toán này khai thác triệt để dữ liệu chuỗi thời gian neutrosophic. Cả hai đều tìm kiếm phương án gần nhất với giải pháp lý tưởng và xa nhất với giải pháp tồi tệ nhất. Sự kết hợp giữa lý thuyết neutrosophic và thuật toán đa tiêu chí kinh điển mang lại sự tin cậy vững chắc. Phương pháp này giảm thiểu rủi ro chọn sai phương án trong các tình huống phức tạp.

4.1. Quy trình xếp hạng phương án bằng neutrosophic TOPSIS động

Phương pháp neutrosophic TOPSIS động hoạt động dựa trên nguyên lý khoảng cách hình học trong không gian nhiều chiều. Đầu tiên, mô hình xác định giải pháp lý tưởng dương và giải pháp lý tưởng âm theo từng mốc thời gian. Tiếp theo, các hàm khoảng cách neutrosophic được sử dụng để đo lường độ lệch của từng phương án so với hai điểm cực trị. Chỉ số độ tương tự tương đối được tính toán để tổng hợp kết quả qua toàn bộ chuỗi thời gian. Phương án nào có độ tương tự gần điểm lý tưởng dương nhất sẽ được xếp hạng cao nhất. Thuật toán đảm bảo tính minh bạch, dễ hiểu và cho phép xử lý lượng dữ liệu lớn một cách nhanh chóng.

4.2. Tối ưu giải pháp thỏa hiệp với neutrosophic VIKOR động

Phương pháp neutrosophic VIKOR động tập trung vào việc thiết lập giải pháp thỏa hiệp tối ưu giữa các tiêu chí xung đột gay gắt. Thuật toán tính toán chỉ số lợi ích nhóm đa số và chỉ số tiếc nuối cá nhân lớn nhất cho từng phương án. Các giá trị này được chuẩn hóa và tổng hợp thành chỉ số xếp hạng toàn diện VIKOR. Giải pháp được chọn phải thỏa mãn hai điều kiện nghiêm ngặt: lợi thế chấp nhận được và tính ổn định trong quá trình ra quyết định. Phương pháp đặc biệt hữu ích khi người quản lý cần một giải pháp dung hòa lợi ích của nhiều bên liên quan. Kết quả từ VIKOR động luôn giữ được tính cân bằng và độ tin cậy thực thi cao.

4.3. Đánh giá tính ổn định qua khoảng cách điểm lý tưởng

Độ nhạy và tính ổn định của quyết định cần được kiểm tra kỹ lưỡng trước khi triển khai thực tế. Việc đo lường khoảng cách đến các điểm lý tưởng cho phép đánh giá mức độ co giãn của thứ hạng. Khi các tham số đầu vào có sự thay đổi nhẹ, mô hình kiểm tra xem thứ tự phương án có bị đảo lộn hay không. Khoảng cách Euclidean neutrosophic và khoảng cách Hamming neutrosophic cung cấp các thước đo chuẩn xác. Phân tích độ nhạy chứng minh tính bền vững của các phương án được xếp hạng đầu. Quá trình kiểm định này tạo niềm tin vững chắc cho các cấp lãnh đạo khi thông qua các quyết định chiến lược.

V. Đánh giá mô hình neutrosophic AHP và tính ứng dụng

Mô hình neutrosophic AHP đóng vai trò nền tảng trong việc cấu trúc hóa vấn đề phân cấp phức tạp. Phương pháp phân rã một mục tiêu lớn thành các tiêu chí và tiêu chí phụ rõ ràng. Khi kết hợp với các mô hình động, hệ thống mang lại công cụ đánh giá toàn diện từ định tính đến định lượng. Khả năng ứng dụng của mô hình trải rộng trong nhiều lĩnh vực thực tiễn như chuỗi cung ứng, lựa chọn công nghệ và quản trị rủi ro. Các thử nghiệm số học chứng minh tính hiệu quả vượt trội so với các phương pháp truyền thống. Đây là công cụ đắc lực cho kỷ nguyên chuyển đổi số và quản trị thông minh.

5.1. Thiết lập ma trận so sánh cặp trong neutrosophic AHP

Phương pháp neutrosophic AHP chuyển đổi các đánh giá ngôn ngữ của chuyên gia thành các số neutrosophic đơn trị. Ma trận so sánh cặp được thiết lập để xác định mức độ ưu tiên tương đối giữa các tiêu chí. Mỗi phần tử trong ma trận phản ánh đầy đủ độ tin cậy, độ không chắc chắn và độ sai khác của nhận định. Tỷ số nhất quán được kiểm tra nghiêm ngặt để đảm bảo tính logic của các ma trận đánh giá. Nếu tỷ số không đạt yêu cầu, thuật toán tự động đề xuất hướng điều chỉnh ma trận mà không làm sai lệch ý kiến gốc. Nhờ vậy, ma trận so sánh cặp duy trì được tính khoa học và chuẩn xác cao.

5.2. Hiệu quả xử lý dữ liệu bất định của mô hình đề xuất

Các thử nghiệm đối sánh cho thấy mô hình neutrosophic động vượt trội hoàn toàn về khả năng xử lý thông tin nhiễu. Khi dữ liệu thiếu hụt hoặc có xung đột ý kiến giữa các chuyên gia, mô hình không làm mất thông tin biên. Các giá trị bất định được bảo lưu và tính toán xuyên suốt qua từng bước thuật toán. Hiện tượng suy biến thông tin thường gặp trong các tập mờ cổ điển được triệt tiêu hoàn toàn. Độ tin cậy của bảng xếp hạng cuối cùng tăng lên rõ rệt qua các bài toán thực nghiệm. Sự nhất quán này khẳng định giá trị khoa học và tính đúng đắn của phương pháp tiếp cận mới.

5.3. Tiềm năng triển khai thực tế trong quản lý và kỹ thuật

Khả năng ứng dụng của mô hình trong thực tiễn sản xuất và kinh doanh là vô cùng to lớn. Trong quản lý chuỗi cung ứng, mô hình hỗ trợ lựa chọn nhà cung cấp bền vững qua nhiều năm đánh giá. Trong lĩnh vực tài chính, hệ thống giúp xếp hạng rủi ro tín dụng và phân bổ danh mục đầu tư linh hoạt. Các dự án phát triển phần mềm và hạ tầng kỹ thuật cũng tận dụng mô hình để đánh giá vòng đời sản phẩm. Việc tự động hóa thuật toán trên nền tảng máy tính giúp giảm thời gian tính toán và ra quyết định. Đây là giải pháp công nghệ chiến lược nâng cao năng lực cạnh tranh cho các tổ chức hiện đại.

Mục lục chi tiết luận án

Lời cam đoan
Lời cảm ơn
Tóm tắt
Danh mục các từ viết tắt
Danh mục các bảng
Danh mục các hình vẽ
Danh mục các ký hiệu
MỞ ĐẦU
1. Chương 1: TỔNG QUAN NGHIÊN CỨU VỀ MCDM VÀ CƠ SỞ LÝ THUYẾT
1.1. Bài toán ra quyết định đa tiêu chí
1.2. Tổng quan nghiên cứu về MCDM
1.2.1. Tình hình nghiên cứu trong nước và ngoài nước
1.2.2. Một số vấn đề trong MCDM
1.2.3. Các tiếp cận chính đối với MCDM
1.2.4. Động lực nghiên cứu
1.2. Tập mờ do dự
1.3. Tích phân Choquet
1.4. Phương pháp ra quyết định TOPSIS
1.4. Bộ dữ liệu thực nghiệm
1.4.1. Miền dữ liệu và ứng dụng của nghiên cứu
1.4.2. Mô hình ASK
1.4.3. Bộ dữ liệu thực nghiệm
1.5. Kết luận chương
2. Chương 2: TẬP NEUTROSOPHIC GIÁ TRỊ KHOẢNG ĐỘNG VÀ MÔ HÌNH RA QUYẾT ĐỊNH
2.2. Tập neutrosophic giá trị khoảng động
2.3. Mô hình TOPSIS-DIVNS
2.4. Ví dụ thực nghiệm
2.5. Phân tích thực nghiệm
2.6. Kết luận chương
3. Chương 3: THÔNG TIN TRỌNG SỐ CỦA MCDM TRONG MÔI TRƯỜNG NEUTROSOPHIC ĐỘNG
3.2. Thông tin trọng số không biết
3.2.1. Xác định thông tin trọng số
3.2.2. Mô hình TOPSIS-DIVNS với thông tin trọng số không biết
3.2.3. Ví dụ thực nghiệm
3.2.4. Phân tích thực nghiệm
3.3. Tương quan giữa các tiêu chí
3.3.1. Phép toán trung bình Choquet giá trị khoảng động
3.3.2. Mô hình ra quyết định
3.3.3. Ví dụ thực nghiệm
3.3.4. Phân tích thực nghiệm
3.4. Kết luận chương
4. Chương 4: MÔ HÌNH RA QUYẾT ĐỊNH ĐỘNG TRONG MÔI TRƯỜNG NEUTROSOPHIC ĐỘNG
4.2. Tập neutrosophic giá trị khoảng động tổng quát
4.3. Mô hình ra quyết định DTOPSIS
4.4. Ví dụ thực nghiệm
4.5. Phân tích thực nghiệm
4.6. Kết luận chương
KẾT LUẬN
DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC
TÀI LIỆU THAM KHẢO
Phụ lục A: MỘT SỐ KẾT QUẢ
Xem trước tài liệu
Tải đầy đủ để xem toàn bộ nội dung
Phát triển mô hình ra quyết định đa tiêu chí sử dụng tập neutrosophic khoảng và động

Tải xuống file đầy đủ để xem toàn bộ nội dung

Tải đầy đủ (156 trang)

Trích đoạn nội dung luận án

Tải xuống để đọc toàn bộ

LỜI CAM ĐOAN Tôi xin cam đoan luận án “Phát triển mô hình ra quyết định đa tiêu chí sử dụng tập neutrosophic khoảng và động” là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả được trình bày trong luận án là hoàn toàn trung thực và chưa từng được công bố trong bất kỳ một công trình nào khác.  Tôi đã trích dẫn đầy đủ các tài liệu tham khảo, công trình nghiên cứu liên quan ở trong nước và quốc tế. Ngoại trừ các tài liệu tham khảo này, luận án hoàn toàn là công việc của riêng tôi.

 Trong các công trình khoa học được công bố trong luận án, tôi đã thể hiện rõ ràng và chính xác đóng góp của các đồng tác giả và những gì do tôi đã đóng góp.  Luận án được hoàn thành trong thời gian tôi làm Nghiên cứu sinh tại Bộ môn Các hệ thống thông tin, Khoa Công nghệ Thông tin, Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội. Tác giả: Hà Nội: i ii LỜI CẢM ƠN Trước hết, tôi muốn bày tỏ sự biết ơn đến PGS. Nguyễn Đình Hóa và TS.

Đỗ Đức Đông, cán bộ hướng dẫn, người đã trực tiếp giảng dạy và định hướng tôi trong suốt thời gian học tập và thực hiện luận án này. Thầy không chỉ hướng dẫn cho tôi những kiến thức về học thuật mà còn chỉ bảo cho tôi những kinh nghiệm trong cuộc sống. Một vinh dự lớn cho tôi được học tập, nghiên cứu dưới sự hướng dẫn của Thầy. Tôi xin bày tỏ sự biết ơn sâu sắc đến các Thầy Cô trong Bộ môn Các hệ thống thông tin vì sự giúp đỡ của các Thầy Cô về các đóng góp rất hữu ích cho luận án.

Tôi xin trân trọng cảm ơn Khoa Công nghệ thông tin, Phòng Đào tạo và Ban giám hiệu trường Đại học Công nghệ đã tạo điều kiện thuận lợi cho tôi trong suốt quá trình thực hiện luận án. Tôi cũng bày tỏ sự biết ơn đến Ban lãnh đạo Viện công nghệ thông tin - ĐHQGHN đã tạo điều kiện cho tôi thực hiện luận án này. Xin chân thành gửi lời cảm ơn tới các anh chị em trong Trung tâm tính toán hiệu năng cao, Trường Đại học Khoa học Tự Nhiên và Lab nghiên cứu tại Viện công nghệ thông tin - ĐHQGHN đã giúp đỡ tôi trong suốt quá trình học tập và nghiên cứu. Tôi muốn cảm ơn đến tất cả những người bạn của tôi, những người luôn chia sẻ, động viên tôi bất cứ khi nào tôi cần.

Tôi xin bày tỏ lòng biết ơn vô hạn đối với cha mẹ và gia đình đã luôn ủng hộ và yêu thương tôi một cách vô điều kiện. Nếu không có sự ủng hộ của gia đình tôi không thể hoàn thành được luận án này. Luận án đã được hỗ trợ bởi chương trình đào tạo thạc sĩ, tiến sĩ trong nước của Quỹ đổi mới sáng tạo Vingroup. Cuối cùng, xin chúc mọi người luôn mạnh khoẻ, đạt được nhiều thành tích cao trong công tác, học tập và nghiên cứu khoa học ! NCS.

Nguyễn Thọ Thông iii TÓM TẮT Trong hầu hết các lĩnh vực của cuộc sống đưa ra quyết định là một vấn đề vô cùng quan trọng. Bài toán ra quyết định chủ yếu tập trung giải quyết vấn đề tìm kiếm lựa chọn tốt nhất dựa theo bộ tiêu chí đánh giá được ước lượng bởi người ra quyết định. Gần đây, các vấn đề ra quyết định đa tiêu chí trong môi trường dữ liệu có tính không chắc chắn, không xác định, không nhất quán và biến động đã nhận được nhiều quan tâm của các nhà nghiên cứu. Nhiều hướng tiếp cận khác nhau đã được đề xuất để giải quyết vấn đề ra quyết định đa tiêu chí như tiếp cận mờ, tập neutrosophic, giá trị độ đo, mô hình điểm lý tưởng, v.

Theo dòng nghiên cứu về bài toán ra quyết định đa tiêu chí trong môi trường dữ liệu đó, luận án đề xuất một quy trình thống nhất của mô hình ra quyết định đa tiêu chí trong môi trường dữ liệu có tính không chắc chắn, không xác định, không nhất quán và biến động. Cụ thể các đóng góp chính của luận án được tóm tắt như sau: (a) Đề xuất một lý thuyết mở rộng với tên gọi tập neutrosophic giá trị khoảng động (DIVNS) để thể hiện tính động của dữ liệu có tính không chắc chắn, không xác định và không nhất quán theo khoảng thời gian và phát triển mô hình TOPSIS dựa trên lý thuyết DIVNS. (b) Phát triển mô hình ra quyết định với thông tin trọng số không biết trong môi trường không chắc chắn, không xác định, không nhất quán và biến động. Trình bày một số phép toán thể hiện tính tương quan của các thuộc tính dựa trên DIVNS và tích phân Choquet.

Chiến lược ra quyết định dựa trên các phép toán đã đề xuất cũng được giới thiệu. (c) Đề xuất một mở rộng của tập neutrosophic giá trị khoảng động tên là tập neutrosophic giá trị khoảng động tổng quát (GDIVNS) để thể hiện sự thay đổi của bộ thuộc tính, lựa chọn, người ra quyết định, trọng số theo thời gian. Sau đó, phát triển mô hình ra quyết định đa tiêu chí động DTOPSIS (Dymanic Technique for Order of Preference by Similarity to Ideal Solution) dựa trên lý thuyết GDIVNS đã đề xuất. Mô hình DTOPSIS quan tâm đến cả ba vấn đề: tính động của dữ liệu theo khoảng thời gian, tính động của các thuộc tính và dữ liệu lịch sử.

Từ khóa: Mô hình ra quyết định đa tiêu chí, Tập neutrosophic, Tập mờ do dự, Mô hình TOPSIS, Tích phân Choquet. Mục lục Lời cam đoan i Lời cảm ơn ii Tóm tắt iii Mục lục iv Danh mục các từ viết tắt vi Danh mục các bảng x Danh mục các hình vẽ xii Danh mục các ký hiệu xiii MỞ ĐẦU 1 Chương 1. TỔNG QUAN NGHIÊN CỨU VỀ MCDM VÀ CƠ SỞ LÝ THUYẾT 8 1.1 Bài toán ra quyết định đa tiêu chí .2 Tổng quan nghiên cứu về MCDM .1 Tình hình nghiên cứu trong nước và ngoài nước .2 Một số vấn đề trong MCDM .3 Các tiếp cận chính đối với MCDM .4 Động lực nghiên cứu .2 Tập mờ do dự .3 Tích phân Choquet .4 Phương pháp ra quyết định TOPSIS .4 Bộ dữ liệu thực nghiệm .1 Miền dữ liệu và ứng dụng của nghiên cứu .2 Mô hình ASK .3 Bộ dữ liệu thực nghiệm .5 Kết luận chương. 34 iv Contents v Chương 2.

TẬP NEUTROSOPHIC GIÁ TRỊ KHOẢNG ĐỘNG VÀ MÔ HÌNH RA QUYẾT ĐỊNH 35 2.2 Tập neutrosophic giá trị khoảng động .3 Mô hình TOPSIS-DIVNS .4 Ví dụ thực nghiệm .5 Phân tích thực nghiệm .6 Kết luận chương. THÔNG TIN TRỌNG SỐ CỦA MCDM TRONG MÔI TRƯỜNG NEUTROSOPHIC ĐỘNG 61 3.2 Thông tin trọng số không biết .1 Xác định thông tin trọng số .2 Mô hình TOPSIS-DIVNS với thông tin trọng số không biết .3 Ví dụ thực nghiệm .4 Phân tích thực nghiệm .3 Tương quan giữa các tiêu chí .1 Phép toán trung bình Choquet giá trị khoảng động .2 Mô hình ra quyết định .3 Ví dụ thực nghiệm .4 Phân tích thực nghiệm .4 Kết luận chương. MÔ HÌNH RA QUYẾT ĐỊNH ĐỘNG TRONG MÔI TRƯỜNG NEUTROSOPHIC ĐỘNG 90 4.2 Tập neutrosophic giá trị khoảng động tổng quát .3 Mô hình ra quyết định DTOPSIS .4 Ví dụ thực nghiệm .5 Phân tích thực nghiệm .6 Kết luận chương. 115 KẾT LUẬN 116 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC 118 TÀI LIỆU THAM KHẢO 119 Phụ lục A.

MỘT SỐ KẾT QUẢ 1 DANH MỤC CÁC TỪ VIẾT TẮT STT Từ viết tắt Từ gốc Diễn giải/Tạm dịch Analytic Hierarchy Phương pháp phân tích 1 AHP Process thứ bậc Analytical Network Phương pháp phân tích 2 ANP Process mạng Attitude, Skill and Mô hình thái độ, kỹ năng 3 ASK Knowledge và kiến thức Basic Unit-interval Hàm đơn điệu khoảng cơ 4 BUM Monotonic bản Dynamic Intervel Phép toán trung bình có valued neutrosophic sắp thứ tự Choquet 5 DIVNCOA Choquet Ordered neutrosophic giá trị Average khoảng động Dynamic Intervel Phép toán trung bình valued neutrosophic nhân có sắp thứ tự 6 DIVNCOG Choquet Ordered Choquet neutrosophic Geometric giá trị khoảng động Dynamic Interval-valued Sự kiện neutrosophic giá 7 DIVNE Neutrosophic trị khoảng động element Dynamic Tập netrosophic giá trị 8 DIVNS Interval-valued khoảng động Neutrosophic set vi Danh mục các từ viết tắt vii 9 DMs Decision Makers Người ra quyết định Dynamic Ra quyết định đa tiêu chí 10 DMCDM Multi-Criteria động Decision Making Dynamic Single Valued Đa tập Neutrosophic giá 11 DSVNM Neutrosophic trị đơn động Multisets ELimination and Phương pháp tuyển chọn 12 ELECTRE Choice Expressing theo cặp REality Fuzzy Analytic Phương pháp phân tích 13 FAHP Hierarchy Process theo thứ bậc mờ Generalized Dynamic Sự kiện neutrosophic giá 14 GDIVNE Interval-valued trị khoảng động tổng Neutrosophic quát element Generalized Dynamic Tập neutrosophic giá trị 15 GDIVNS Interval-Valued khoảng động tổng quát Neutrosophic Set Generalized Dynamic Phép toán trung bình Interval-Valued trọng số lai ghép 16 GDIVNHWA Neutrosophic neutrosophic giá trị Hybrid Weighted khoảng động tổng quát Averaging Generalized Phép toán trung bình Dynamic Interval – trọng số neutrosophic giá 17 GDIVNWA Valued trị khoảng động tổng Neutrosophic quát Weighted Average Danh mục các từ viết tắt viii Generalized Phép toán trung bình Dynamic Interval – nhân có trọng số 18 GDIVNWG Valued neutroosophic giá trị Neutrosophic khoảng động tổng quát Weighted Geometric Grey Relational 19 GRA Phân tích quan hệ xám Analysis 20 HFS Hesitant Fuzzy Set Tập mờ do dự Interval 21 INS Tập neutrosophic khoảng Neutrosophic set Interval Valued Tập neutrosophic giá trị 22 IVNS Neutrosophic set khoảng Linear Programming Phương pháp quy hoạch Technique for 23 LINMAP tuyến tính cho phân tích Multidimensional đa chiều của sự liên quan Analysis of Preference Multi-Attribute Lý thuyết giá trị đa 24 MAVT Value Theory thuộc tính Multi-Attribute Lý thuyết tiện ích đa 25 MAUT Utility Theory thuộc tính Multi-Criteria 26 MCA Phân tích đa tiêu chí Analysis Multi-Criteria Phân tích ra quyết định 27 MCDA Decision Analysis đa tiêu chí Multi-Criteria 28 MCDM Ra quyết định đa tiêu chí Decision Making Negative ideal Giải pháp lý tưởng tiêu 29 NIS solution cực 30 NS Neutrosophic set Tập Neutrosophic Danh mục các từ viết tắt ix Positive ideal Giải pháp lý tưởng tích 31 PIS solution cực Preference Ranking Organization Phương pháp tổ chức xếp 32 PROMETHEE METHod for hạng thứ tự ưu tiên để Enrichment of làm giàu giá trị Evaluations Stochastic Phương pháp phân tích Multi-criteria 33 SMAA chấp nhận đa tiêu chí Acceptability ngẫu nhiên Analysis Simple Kỹ thuật đánh giá đa 34 SMART Multi-Attribute thuộc tính đơn Rating Technique Technique for Order Kĩ thuật sắp xếp thứ tự Preference by 35 TOPSIS ưu tiên tương đương giải Similarity to Ideal pháp lý tưởng Solution Vlsekriterijumska Phương pháp tối ưu hóa Optimizacijia I 36 VIKOR đa mục tiêu và giải pháp Kompromisno thỏa hiệp Resenje Weighted Sum Phương pháp tổng trọng 37 WSM Method số DANH MỤC CÁC BẢNG 1.1 Nhãn ngôn ngữ đánh giá sự phù hợp của sinh viên .2 Nhãn ngôn ngữ đánh giá sự quan trọng của tiêu chí .1 Độ phức tạp của thuật toán thực hiện các công thức trong phương pháp TOPSIS-DIVNS .

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Trích dẫn luận án này

Nguyễn Thọ Thông (n.d.). Mô hình ra quyết định đa tiêu chí dựa trên tập neutrosophic động [Luận án tiến sĩ, Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội]. LuanAn.net. https://luanan.net/toan-hoc/xac-suat-thong-ke/phat-trien-mo-hinh-ra-quyet-dinh-da-tieu-chi-su-dung-tap-neutrosophic-khoang-va

Câu hỏi thường gặp

Luận án "Mô hình ra quyết định đa tiêu chí dựa trên tập neutrosophic động" nghiên cứu về vấn đề gì?

Phát triển mô hình ra quyết định đa tiêu chí sử dụng tập neutrosophic khoảng và động, cải tiến hiệu suất ra quyết định với độ chính xác cao.

Luận án "Mô hình ra quyết định đa tiêu chí dựa trên tập neutrosophic động" được bảo vệ tại trường nào?

Luận án này được bảo vệ tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.

Luận án "Mô hình ra quyết định đa tiêu chí dựa trên tập neutrosophic động" thuộc chuyên ngành gì?

Luận án "Mô hình ra quyết định đa tiêu chí dựa trên tập neutrosophic động" thuộc chuyên ngành Các hệ thống thông tin. Danh mục: Xác Suất Thống Kê.

Luận án "Mô hình ra quyết định đa tiêu chí dựa trên tập neutrosophic động" có bao nhiêu trang?

Luận án "Mô hình ra quyết định đa tiêu chí dựa trên tập neutrosophic động" có 156 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.

Cách tải luận án "Mô hình ra quyết định đa tiêu chí dựa trên tập neutrosophic động" về máy như thế nào?

Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.

Luận án liên quan

Chia sẻ tài liệu: Facebook Twitter