ĐẠI HỌC ĐÀ NẴNG

TRƢỜNG ĐẠI HỌC BÁCH KHOA

----------

VƢƠNG THỊ HẠNH

NGHIÊN CỨU VÀ ỨNG DỤNG PHƢƠNG PHÁP HỖ TRỢ

RA QUYẾT ĐỊNH ĐA MỤC TIÊU VÀO BÀI TOÁN LỰA CHỌN
TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG CHỊU LỬA

LUẬN VĂN THẠC SĨ

KHOA HỌC MÁY TÍNH

Đà Nẵng - Năm 2018

 ĐẠI HỌC ĐÀ NẴNG
TRƢỜNG ĐẠI HỌC BÁCH KHOA
----------

VƢƠNG THỊ HẠNH

NGHIÊN CỨU VÀ ỨNG DỤNG PHƢƠNG PHÁP HỖ TRỢ

RA QUYẾT ĐỊNH ĐA MỤC TIÊU VÀO BÀI TOÁN LỰA CHỌN
TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG CHỊU LỬA

Chuyên ngành: Khoa học máy tính

Mã số: 60. 48. 01

LUẬN VĂN THẠC SĨ

NGƯỜI HƯỚNG DẪN KHOA HỌC:

TS. Nguyễn Văn Hiệu

Đà Nẵng - Năm 2018

 i

LỜI CAM ĐOAN

Tôi xin cam đoan:

- Những nội dung trong luận văn này là do tôi thực hiện dưới sự hướng dẫn trực
tiếp của TS. Nguyễn Văn Hiệu.

- Mọi tham khảo dùng trong luận văn đều được trích dẫn rõ ràng và trung thực
về tên tác giả, tên công trình, thời gian và địa điểm công bố.

- Mọi sao chép không hợp lệ, vi phạm quy chế đào tạo, hay gian trá, tôi xin chịu
hoàn toàn trách nhiệm.

Tác giả luận văn

V ng Thị H nh
 ii

MỤC LỤC

LỜI CAM ĐOAN ...........................................................................................................i

MỤC LỤC ..................................................................................................................... ii
TÓM TẮT LUẬN VĂN ................................................................................................ v
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT .................................................vi
DANH MỤC CÁC BẢNG.......................................................................................... vii
DANH MỤC CÁC HÌNH ......................................................................................... viii
MỞ ĐẦU ......................................................................................................................... 1
1. Lý do chọn đề tài................................................................................................. 1
2. Mục tiêu và nhiệm vụ nghiên cứu....................................................................... 2
3. Đối t ợng và ph m vi nghiên cứu ...................................................................... 3
4. Ph ng pháp nghiên cứu .................................................................................... 3
5. Dự kiến kết quả ................................................................................................... 3
6. Ý nghĩa khoa học và thực tiễn của đề tài ............................................................ 4
7. Cấu trúc của luận văn .......................................................................................... 4
CHƢƠNG 1: TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG VÀ PHƢƠNG
PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU ................................................................. 7
1.1. TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG ......................................... 7
1.1.1. Giới thiệu ...................................................................................................... 7
1.1.2. Ph ng pháp phòng chống cháy rừng .......................................................... 8
1.1.3. Ph ng pháp băng xanh cản lửa ................................................................... 9
1.2. TỔNG QUAN VỀ PHƯƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU ..... 11
1.2.1. Giới thiệu ......................................................................................................... 11
1.2.2. Một số khái niệm thông th ờng .................................................................. 13
1.2.3. Cấu trúc bài toán MCDA ............................................................................ 13
1.2.4. Phân lo i bài toán MCDA ........................................................................... 13
1.2.5. Các ph ng pháp của MCDA ..................................................................... 14
 iii

1.3. BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CHỐNG CHỊU LỬA ................. 15
1.3.1. Ph ng pháp băng xanh cản lửa ................................................................. 15
1.3.2. Bài toán cụ thể ............................................................................................ 16
CHƢƠNG 2: PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU
TRONG BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG
CHỊU LỬA ................................................................................................................... 17
2.1. GIỚI THIỆU BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY .............................. 17
2.1.1. Xác định tiêu chí ......................................................................................... 18
2.1.2. Xây dựng ma trận phân tích ........................................................................ 18
2.1.3. Chuẩn hóa ma trận phân tích ...................................................................... 19
2.1.4. Mô hình hóa hàm giá trị .............................................................................. 19
2.2. PHƯƠNG PHÁP TÍCH BẬC (AHP) ................................................................ 20
2.2.1. Xác định vấn đề cần giải quyết ................................................................... 21
2.2.2. Xây dựng ma trận so sánh ........................................................................... 22
2.2.3. Tổng hợp độ u tiên .................................................................................... 25
2.2.4. Ưu và nh ợc điểm của AHP ....................................................................... 25
2.3. PHƯƠNG PHÁP AHP/DS ................................................................................ 26
2.3.1. H ớng tiếp cận cải tiến ............................................................................... 26
2.3.2. Lý thuyết Dempster- Shafer (DS) ............................................................... 27
2.3.3. Quy luật kết hợp Dempster ......................................................................... 28
2.3.4. Mô hình AHP/ DS ....................................................................................... 29
2.4. PHƯƠNG PHÁP CẢI TIẾN MAXIMIN .......................................................... 38
2.4.1. Lý do cải tiến .............................................................................................. 38
2.4.2. Hàm mục tiêu .............................................................................................. 38
2.4.3. Ph ng pháp giải bài toán tối u ................................................................ 39
CHƢƠNG 3: XÂY DỰNG CHƢƠNG TRÌNH HỖ TRỢ CHỌN TẬP CÂY
CHỐNG CHỊU LỬA ................................................................................................... 42
3.1. THỰC TRẠNG VÀ NHU CẦU ........................................................................ 42
3.1.1. Thực tr ng về lựa chọn tập cây có khả năng chống chịu lửa ...................... 42
 iv

3.1.2. Nhu cầu về lựa chọn tập cây có khả năng chống chịu lửa .......................... 43
3.2. PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG ....................................................... 44
3.2.1. Mô hình bài toán ......................................................................................... 44
3.2.2. Ch ng trình và ứng dụng .......................................................................... 46
3.3. KẾT QUẢ THỬ NGHIỆM ................................................................................ 49
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN ................................................................. 52
TÀI LIỆU THAM KHẢO........................................................................................... 53
PHỤ LỤC
QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN
 v

TÓM TẮT LUẬN VĂN

NGHIÊN CỨU VÀ ỨNG DỤNG PHƢƠNG PHÁP HỖ TRỢ RA

QUYẾT ĐỊNH ĐA MỤC TIÊU VÀO BÀI TOÁN LỰA CHỌN TẬP ĐOÀN
CÂY CÓ KHẢ NĂNG CHỐNG CHỊU LỬA
Học viên: V ng Thị H nh Chuyên ngành: Khoa học máy tính
Mã số: 60. 48. 01 Khóa: K33-Tr ờng Đ i học Bách khoa – ĐHĐN
Tóm tắt – Hệ thống hỗ trợ ra quyết định DSS (Decision Support System) đ ợc nghiên
cứu, phát triển từ lâu và ứng dụng phổ biến trong quản lý phòng chống cháy rừng. Luận
văn tập trung nghiên cứu và ứng dụng ph ng pháp hỗ trợ ra quyết định đa mục tiêu
MCDA (là một nhánh của lý thuyết ra quyết định) vào bài toán lựa chọn tập đoàn cây có
khả năng chống chịu lửa. Luận văn đã tập trung nghiên cứu áp dụng ph ng pháp ra
quyết định đa mục tiêu để giải quyết bài toán lựa chọn tập đoàn cây có khả năng chống
chịu lửa, gồm: ph ng pháp AHP và ph ng pháp cải tiến ph ng pháp AHP trên c sở
lý thuyết Dempster-Shafer – AHP/DS, ph ng pháp cải tiến khắc phục đ ợc nh ợc điểm
của AHP/DS bằng việc thay thế hàm mục tiêu bằng cách sử dụng chiến l ợc Maximin.
Luận văn cũng đã xây dựng thành công ch ng trình thử nghiệm với 02 ph ng pháp
gồm: ph ng pháp AHP/DS và ph ng pháp cải tiến Maximin. Đồng thời, cũng đã xếp
h ng thành công với bài toán thực tế chọn loài cây chống chịu lửa.
Từ khóa - cây chống chịu lửa, DSS, phòng chống cháy rừng, MCDA, AHP, AHP/DS,
Maximin
RESEARCH AND APPLICATION OF MULTIPLE CRITERIA DECISION
AID TO SELECTION FIRE-RESISTANT PLANTS
Abstract - Decision Support System - DSS for the research, development from long and
the popular application in the Forest fire management. In this work, research and the
application method multiple criteria decision aid - MCDA is specified to be specified
selection fire-resistant plants for forest fire prevention. Research and the application
method multiple criteria decision aid, including: AHP method and method method AHP
on the database theory of Dempster-Shafer - AHP/DS, the progress of the progressed the
restore the AHP/DS with the substitution using the target to use the Maximin strategy.
Done to test both program with AHP/DS method and Maximin optimative method. The
right, also the finished rating with fire-resistant plants.
Key words - fire-resistant plants, DSS, for forest fire prevention, MCDA, AHP,
AHP/DS, Maximin
 vi

DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT

CÁC CHỮ VIẾT TẮT:

AHP Analytic Hierachy Process – Ph ng pháp phân tích thứ bậc
AHP/DS Ph ng pháp phân tích thứ bậc với sự trợ giúp của thuyết Dempster –
Shafer
CI Casual index of coordination – Chỉ số thích hợp ngẫu nhiên
DS Lý thuyết Dempster- Shafer – Thuyết ngẫu nhiên
DM Decision maker – Ng ời ra quyết định
DSS Decision support system – Hệ hỗ trợ ra quyết định
IC Index of coordination – Chỉ số thích hợp
MAUT Multi-attribute utility based methods - Ph ng pháp dựa trên tiện ích
đa thuộc tính
MCDA Multiple Criteria Decision Aid – Hỗ trợ quyết định đa tiêu chí
MIS Management Information System - Hệ thống thông tin quản lý
PCCC Phòng cháy chữa cháy
RC Relation of coordination – Giá trị t ng quan phù hợp
 vii

DANH MỤC CÁC BẢNG

Số hiệu bảng Tên bảng Trang

2.1 Thang đánh giá ứng với tầm quan trọng 22
2.2 Chỉ số thích hợp ngẫu nhiên 24
Thống kê sự đánh giá của các chuyên gia về
2.3 31
nhóm các tiêu chí
Kết quả khảo sát của các chuyên gia về nhóm
2.4 32
ph ng án ứng với mỗi tiêu chí
2.5 Giá trị xác suất c sở của nhóm các tiêu chí 33
Giá trị hàm xác suất c sở của các nhóm
2.6 33
ph ng án ứng với mỗi tiêu chí
Giá trị của hàm niềm tin và hàm sự thực của
2.7 37
nhóm ph ng án
3.1 Danh lục các loài có khả năng chống chịu lửa 44
Danh lục các loài có khả năng chống chịu lửa
3.2 44
đ ợc lựa chọn
Bảng tiêu chí đánh giá lựa chọn tập đoàn cây có
3.3 46
khả năng chống chịu lửa
3.4 Các tập tin chính của ch ng trình 47
Kết quả đánh giá từng ph ng án ứng với từng
3.5 49
tiêu chí
Xếp h ng các loài cây theo ph ng pháp đối lập
3.6 51
có trọng số
 viii

DANH MỤC CÁC HÌNH

Số hiệu hình vẽ Tên hình vẽ Trang

1.1 Cấu trúc của bài toán MCDA 13
1.2 Phân lo i bài toán MCDA 14
S đồ tổng quát DSS của bài toán lựa chọn tập đoàn
2.1 17
cây có khả năng chống chịu lửa
2.2 Các b ớc thực hiện MCDA trong DSS 18
2.3 Số chiều khác nhau của kết quả ma trận phân tích 19
2.4 Một số d ng hàm giá trị 20
2.5 S đồ cấu trúc thứ bậc 21
Cấu trúc cây thứ bậc của bài toán chọn loài cây chống
2.6 29
chịu lửa
Cấu trúc cây mở rộng của bài toán lựa chọn loài cây
2.7 31
chống chịu lửa

2.8 Đánh giá hàm   Bel ( Bk )  (1   )  Pl ( Bk ) phụ thuộc vào  37

Một vài cửa số thống kê sự đánh giá của các chuyên

3.1 48
gia
Các cửa số khảo sát các chuyên gia về các nhóm
3.2 48
ph ng án
3.3 Giao diện hiển thị kết quả của ch ng trình 49
 1

MỞ ĐẦU

1. Lý do chọn đề tài
Cháy rừng là thảm họa thiên tai th ờng xảy ra ở nhiều n ớc trên thế giới, gây
nên những tổn thất to lớn về tài nguyên, môi tr ờng sinh thái và cả tính m ng con
ng ời. Ở Việt Nam, hàng năm cháy rừng vẫn diễn ra hết sức phức t p, gây ảnh h ởng
nhiều mặt đến đời sống nhân dân và sự phát triển kinh tế - xã hội của cả n ớc. Chính
vì vậy, phòng cháy chữa cháy rừng là một trong những công tác hết sức quan trọng
trong quản lý, bảo vệ tài nguyên rừng ở các địa ph ng n ớc ta.
Theo Tổng cục Lâm nghiệp và dự báo của Trung tâm Khí t ợng Thủy văn Quốc
gia, trong các năm trở l i đây, hiện t ợng El Nino ảnh h ởng trực tiếp đến n ớc ta;
nắng nóng, khô h n diễn ra gay gắt; mùa khô kéo dài; l ợng m a giảm so với trung
bình nhiều năm t i nhiều địa ph ng, luôn trong thời kỳ cao điểm về nguy c xảy ra
cháy rừng, hầu hết những diện tích rừng của các địa ph ng có nguy c cháy rất cao,
th ờng xuyên ở cấp IV, cấp V (cấp nguy hiểm và cực kỳ nguy hiểm), đặc biệt là khu
vực miền Trung và thực tế cháy rừng đã xảy ra ở một số tỉnh nh : Thừa Thiên Huế,
Quảng Ngãi, Bình Định…Năm 2016, cả n ớc đã xảy ra 490 vụ cháy rừng, thiệt h i
3.374 ha rừng các lo i, tăng 13 vụ, 1.314 ha so với năm 2015 (năm 2015 thiệt h i
2.060 ha).
Trong những năm qua, công tác phòng chống cháy rừng luôn đ ợc quan tâm, chỉ
đ o tổ chức triển khai thực hiện nhiều biện pháp phòng cháy chữa cháy rừng, đầu t
xây dựng các công trình và ph ng tiện phòng cháy chữa cháy. Đặc biệt, chú trọng
đến đầu t hệ thống băng xanh cản lửa hoặc xây dựng các lâm phần khó cháy với
những loài cây có khả năng chống chịu lửa tốt, đây cũng là hình thức mang tính nhân
văn với mục đích h n chế việc cháy rừng xảy ra, đáp ứng đ ợc tác dụng nhiều mặt về
phòng cháy nh phù hợp với điều kiện lập địa, có khả năng tái sinh m nh, sức chống
chịu lửa và có giá trị kinh tế cao.
Hiện nay, công tác lựa chọn tập đoàn cây có khả năng chống chịu lửa đ ợc thực
hiện bằng các ph ng pháp thủ công dựa vào kinh nghiệm, kiến thức bản địa dẫn đến
kết quả còn nhiều thiếu sót, h n chế. Chính vì vậy, việc đ a ra quyết định lựa chọn tập
đoàn cây có khả năng chống chịu lửa tốt dựa trên công tác khảo sát thực địa, tham vấn
chuyên gia và trên c sở phân tích các chỉ tiêu liên quan là rất quan trọng và mang tính
 2

quyết định. Do đó, việc xây dựng hệ hỗ trợ ra quyết định ứng dụng vào bài toán lựa
chọn tập đoàn cây có khả năng chống chịu lửa là thật sự cần thiết.
Hệ thống hỗ trợ ra quyết định DSS (Decision Support System) đ ợc nghiên cứu,
phát triển từ lâu và đã ứng dụng thành công vào nhiều bài toán ra quyết định trong
thực tế. Đặc biệt, đối với các vấn đề về bảo vệ rừng đã bắt đầu xuất hiện giữa những
năm 1970, DSS đ ợc xây dựng nhằm đánh giá những biện pháp khác nhau bao gồm cả
việc đánh giá các chi phí của các biện pháp đó để đ a ra những đề xuất, khuyến nghị
cho các c quan ra quyết định. Trong những năm trở l i đây, cùng với sự phát triển của
các phần mềm, sự nâng cao hiểu biết c bản của ng ời ra quyết định về ứng dụng công
nghệ thông tin đã giúp cho việc xây dựng và khai thác phần mềm hỗ trợ ra quyết định
trong quản lý phòng chống cháy rừng trở nên phổ biến h n.
Chính vì những lý do trên, tôi đăng ký thực hiện đề tài: “Nghiên cứu và ứng dụng
ph ng pháp hỗ trợ ra quyết định đa mục tiêu vào bài toán lựa chọn tập đoàn cây có
khả năng chống chịu lửa”.

2. Mục tiêu và nhiệm vụ nghiên cứu

2.1. Mục tiêu
- Tối u hoá ph ng pháp ra quyết định đa mục tiêu trên c sở ph ng pháp
phân tích thứ bậc.
- Xây dựng hệ thống DSS cho việc hỗ trợ giải bài toán chọn loài cây có khả năng
chống chịu lửa tốt.
2.2. Nhiệm vụ
Để thực hiện mục đích ý t ởng nêu ra cần nghiên cứu và tiến hành triển khai các
nội dung nh sau:
- Tổng quan đ ợc các kỹ thuật ra quyết định đa mục tiêu. Chỉ ra đ ợc các h n
chế của một vài ph ng pháp để từ đó đề xuất ph ng pháp cải tiến.
- Mô hình đ ợc bài toán lựa chọn tập đoàn cây chống chịu lửa. Liệt kê đ ợc các
tiêu chí và danh sách loài cây thực hiện nghiên cứu.
- Xây dựng đ ợc DataSet về thông số danh sách các loài cây nghiên cứu. Đề xuất
đ ợc mô hình giải quyết bài toán trên c sở lý thuyết ra quyết định.
- Xây dựng thành công một ứng dụng với mô hình đề xuất.
 3

3. Đối tƣợng và phạm vi nghiên cứu

3.1. Đối tƣợng
Hệ hỗ trợ ra quyết định, các vấn đề liên quan đến lựa chọn tập đoàn cây có khả
năng chống chịu lửa.
3.2. Phạm vi nghiên cứu
Tập trung nghiên cứu ứng dụng các ph ng pháp hỗ trợ ra quyết định và áp
dụng thử nghiệm vào việc lựa chọn tập đoàn cây có khả năng chống chịu lửa phục vụ
công tác phòng cháy chữa cháy.

4. Phƣơng pháp nghiên cứu

4.1. Phƣơng pháp lý thuyết
- Tìm hiểu ph ng pháp lựa chọn tập đoàn cây có khả năng chống chịu lửa.
- Tìm hiểu hệ hỗ trợ ra quyết định trong lựa chọn tập đoàn cây có khả năng
chống chịu lửa.
- Tìm hiểu các ứng dụng và công nghệ liên quan đến hệ hỗ trợ ra quyết định lựa
chọn tập đoàn cây có khả năng chống chịu lửa.
4.2. Phƣơng pháp thực nghiệm
- Áp dụng các thuật toán có liên quan để trợ giúp việc lập trình, xây dựng ứng
dụng lựa chọn tập đoàn cây có khả năng chống chịu lửa.
- Kiểm tra, thử nghiệm và đ a ra nhận xét kết quả đ t đ ợc.

5. Dự kiến kết quả

5.1. Kết quả lý thuyết
- Nắm đ ợc các ph ng pháp hỗ trợ ra quyết định đa mục tiêu.
- Hiểu đ ợc quy trình xây dựng một hệ hỗ trợ ra quyết định đa mục tiêu trong lựa
chọn tập đoàn cây có khả năng chống chịu lửa.
5.2. Kết quả thực tiễn
- Xây dựng thành công phần mềm ch ng trình hỗ trợ ra quyết định lựa chọn tập
đoàn cây có khả năng chống chịu lửa với một số chức năng c bản, có giao diện thân
thiện và dễ sử dụng.
- Ch ng trình sẽ hỗ ra quyết định lựa chọn tập đoàn cây có khả năng chống chịu
lửa một cách nhanh chóng những vẫn đảm bảo về mặt tối u và có giá trị cho ng ời sử
dụng.
 4

6. Ý nghĩa khoa học và thực tiễn của đề tài

6.1. Ý nghĩa khoa học
- Tìm hiểu nghiên cứu về hệ hỗ trợ ra quyết định.
- Áp dụng ph ng pháp hỗ trợ ra quyết định vào việc lựa chọn tập đoàn cây có
khả năng chống chịu lửa phục vụ công tác phòng cháy chữa cháy rừng.
6.2. Ý nghĩa thực tiễn
- Đề tài sẽ ứng dụng các công cụ, ngôn ngữ lập trình để xây dựng hệ thống trợ
giúp quyết định trong lựa chọn tập đoàn cây có khả năng chống chịu lửa.
- Ch ng trình sẽ hỗ trợ đắc lực trong công tác lựa chọn danh sách cây có khả
năng chống chịu lửa, giúp xây dựng hệ thống băng xanh cản lửa phục vụ có hiệu quả
công tác phòng cháy chữa cháy rừng.

7. Cấu trúc của luận văn

LỜI CAM ĐOAN
MỤC LỤC
TÓM TẮT LUẬN VĂN
DANH MỤC CÁC KÝ HIỆU VÀ CHỮA VIẾT TẮT
DANH MỤC CÁC BẢNG
DANH MỤC CÁC HÌNH
MỞ ĐẦU
Chƣơng 1: TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG VÀ
PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU
1.1. TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG
1.1.1. Giới thiệu
1.1.2. Ph ng pháp phòng chống cháy rừng
1.1.3. Ph ng pháp băng xanh cản lửa
1.2. TỔNG QUAN VỀ PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU
1.2.1. Giới thiệu
1.2.2. Một số khái niệm thông th ờng
1.2.3. Cấu trúc bài toán MCDA
1.2.4. Phân lo i bài toán MCDA
1.2.5. Các ph ng pháp của MCDA
 5

1.3. BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CHỐNG CHỊU LỬA
1.3.1. Ph ng pháp băng xanh cản lửa
1.3.2. Bài toán cụ thể
Chƣơng 2: PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU TRONG
BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG CHỊU
LỬA
2.1. GIỚI THIỆU BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY
2.1.1. Xác định tiêu chí
2.1.2. Xây dựng ma trận phân tích
2.1.3. Chuẩn hóa ma trận phân tích
2.1.4. Mô hình hóa hàm giá trị
2.2. PHƢƠNG PHÁP TÍCH BẬC (AHP)
2.2.1. Xác định vấn đề cần giải quyết
2.2.2. Xây dựng ma trận so sánh
2.2.3. Tổng hợp độ u tiên
2.2.4. Ưu và nh ợc điểm của AHP
2.3. PHƢƠNG PHÁP AHP/ DS
2.3.1. H ớng tiếp cận cải tiến
2.3.2. Lý thuyết Dempster- Shafer (DS)
2.3.3. Quy luật kết hợp Dempster
2.3.4. Mô hình AHP/DS
2.4. PHƢƠNG PHÁP CẢI TIẾN MAXIMIN
2.4.1. Lý do cải tiến
2.4.2. Hàm mục tiêu
2.4.3. Ph ng pháp giải bài toán tối u
Chƣơng 3: XÂY DỰNG CHƢƠNG TRÌNH HỖ TRỢ CHỌN TẬP CÂY
CHỐNG CHỊU LỬA
3.1. THỰC TRẠNG VÀ NHU CẦU
3.1.1. Thực tr ng về lựa chọn cây có khả năng chống chịu lửa
3.1.2. Nhu cầu về lựa chọn cây có khả năng chống chịu lửa
3.2. PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG
 6

3.2.1. Mô hình bài toán

3.2.2. Ch ng trình và ứng dụng
3.3. KẾT QUẢ THỬ NGHIỆM
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN
TÀI LIỆU THAM KHẢO
PHỤ LỤC
QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN
 7

CHƢƠNG 1: TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG VÀ

PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU

1.1. TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG

1.1.1. Giới thiệu
Theo tài liệu quản lý lửa rừng của Tổ chức nông l ng thế giới (FAO - Food and
Agriculture Organization of the United Nations), cháy rừng là sự xuất hiện và lan
truyền của những đám cháy trong rừng mà không nằm trong sự kiểm soát của con
ng ời, gây nên những tổn thất về nhiều mặt tài nguyên, của cải và môi tr ờng.
Cháy rừng xảy ra khi hội tụ đủ ba yếu tố:
- Vật liệu cháy: là tất cả những chất có khả năng bén lửa và bốc cháy trong điều
kiện có đủ nguồn nhiệt và oxy.
- Oxy: Oxy tự do luôn sẵn có trong không khí (nồng độ khoảng 21 – 23%) và lấp
đầy các khoảng trống giữa vật liệu cháy. Khi nồng độ oxy giảm xuống d ới 15% thì
không còn khả năng duy trì sự cháy.
- Nhiệt (nguồn lửa): nguồn nhiệt có thể phát sinh do thiên nhiên nh sấm sét, núi
lửa phun,…nh ng ở n ớc ta chủ yếu là do con ng ời gây ra.
Năm 2016, cả n ớc đã xảy ra 490 vụ cháy rừng, thiệt h i 3.374 ha rừng các lo i,
tăng 13 vụ, 1.314 ha so với năm 2015 (năm 2015 thiệt h i 2.060 ha). Theo nhận định
của Tổng cục Lâm nghiệp và dự báo của Trung tâm Khí t ợng Thủy văn Quốc gia,
trong những năm gần đây hiện t ợng El Nino đã ảnh h ởng trực tiếp đến n ớc ta;
nắng nóng, khô h n diễn ra gay gắt; mùa khô kéo dài; l ợng m a giảm so với trung
bình nhiều năm t i nhiều địa ph ng trên cả n ớc. Vào thời kỳ cao điểm của hiện
t ợng El Nino thì tình hình cháy rừng xảy ra rất nguy hiểm, giá trị lâm sản thiệt h i
ớc tính hàng trăm tỷ đồng ch a kể hàng chục tỷ đồng chi phí cho chữa cháy và chi
phí để phục hồi rừng của Nhà n ớc.
Nguyên nhân chủ yếu gây cháy rừng là do đốt dọn thực bì làm n ng rẫy, đốt
đồng ruộng để cháy lan vào rừng. Các vụ cháy rừng xảy ra đều đ ợc phát hiện sớm và
dập tắt kịp thời nên đã h n chế đ ợc thiệt h i do cháy rừng gây ra.
Nguyên lý chung của “phòng chống cháy rừng”
Sự cháy là một phản ứng hoá học, phân huỷ những hợp chất hữu c phức t p
thành những chất vô c đ n giản h n. Trong quá trình đó còn toả ra một l ợng nhiệt
lớn.
Về mặt lý luận: Phòng chống cháy rừng chỉ quan tâm đến những mặt có h i của
cháy, tìm các ph ng pháp ngăn chặn làm n n cháy giảm xuống đến mức thấp nhất,
 8

còn quản lý lửa rừng l i quan tâm đến tính hai mặt của cháy, h n chế mặt có h i, lợi
dụng mặt có lợi, làm cho lửa trở thành một biện pháp trong kinh doanh và bảo vệ rừng.
Cho nên có thể nói lửa là kẻ thù nguy hiểm nhất nh ng cũng là ng ời b n tốt của rừng.
Về mặt chính sách: Phòng chống cháy rừng phải nghiêm khắc khống chế nguồn
lửa, bởi nó là nhân tố gây cháy. Ng ời gây ra nguồn lửa sẽ chịu mọi hình ph t của
pháp luật. Trong quản lý lửa thì vừa khống chế nguồn lửa và phải dùng lửa an toàn,
nh ng cũng phải tuân theo một quy trình sử dụng lửa trong kinh doanh và bảo vệ rừng.
Về mặt biện pháp: Phòng chống cháy rừng là áp dụng mọi biện pháp dự báo và
khống chế sự phát sinh của cháy nh ng trong quản lý lửa rừng, ngoài những biện pháp
đó còn phải dùng lửa để kinh doanh rừng. Để chữa cháy, thậm chí có lúc còn không
nên dập lửa.
1.1.2. Phƣơng pháp phòng chống cháy rừng
(1) Biện pháp hành chính: Thiết lập hệ thống tổ chức công tác phòng cháy, chữa
cháy rừng từ Trung ng đến địa ph ng giúp cho việc chỉ đ o, chỉ huy thống nhất và
tổ chức thực hiện công tác phòng cháy chữa cháy rừng một cách có hiệu quả. Ban
hành kịp thời các văn bản chỉ đ o, điều hành liên quan đến công tác phòng cháy chữa
cháy rừng.
(2) Tuyên truyền giáo dục nâng cao cảnh giác về phòng cháy, chữa cháy rừng: Ở
n ớc ta, hầu hết các vụ cháy rừng đều bắt nguồn từ việc dùng lửa của con ng ời. Vì
vậy, việc theo d i thống kê nguyên nhân cháy rừng có ý nghĩa rất quan trọng và là c
sở để xác định các nhóm đối t ợng chủ yếu của chiến dịch tuyên truyền, giáo dục,
nâng cao cảnh giác và tích cực ngăn ngừa các vụ cháy rừng xảy ra.
Chiến dịch tuyên truyền phòng cháy rừng đ ợc thực hiện thông qua các ph ng
tiện thông tin đ i chúng nh đài, báo địa ph ng, panô, áp phích và cũng có thể bằng
hình thức tuyên truyền l u động.
(3) Biện pháp lâm sinh trong phòng chống cháy rừng: là các các biện pháp kỹ
thuật thông qua công tác kinh doanh, quản lý rừng nh : thiết kế trồng rừng, chọn loài
cây trồng, ph ng thức trồng, các biện pháp lâm sinh tác động,...nhằm t o ra những
khu rừng khó cháy hoặc h n chế sự lan tràn của đám cháy. Biện pháp này đã và đang
đ ợc áp dụng ở nhiều n ớc trên thế giới. Đây là biện pháp phòng cháy tích cực và chủ
động, dễ thực hiện và mang l i hiệu quả tổng hợp lớn. Việc thiết kế trồng rừng đó
chính là việc thiết kế băng cản lửa. Băng cản lửa gồm 2 lo i: băng trắng và băng xanh.
- Băng trắng: Là những dãy trống đã đ ợc chặt trắng, thu dọn hết cây c , thảm
mục và đ ợc cuốc hay cày lật đất nhằm ngăn cản lửa cháy lan trên mặt đất rừng. Khi
thiết kế băng trắng, cần lợi dụng tối đa các đặc điểm tự nhiên nh sông suối, hồ n ớc,
 9

đ ờng dòng và những công trình có sẵn nh đ ờng giao thông, đ ờng phân lô, phân
khoảng; đ ờng vận xuất, vận chuyển.
- Băng xanh: Là những băng đ ợc trồng cây hỗn giao, có kết cấu nhiều tầng,
chọn những loài cây có khả năng chịu lửa tốt, phân chia rừng thành các lô nhằm ngăn
cản cháy lớn. Đ ờng băng xanh có tác dụng ngăn hai lo i cháy là: Ngăn cháy mặt đất
và ngăn cháy l ớt trên tán cây. Đ ờng băng cản lửa cũng đồng thời là đ ờng dùng để
di chuyển lực l ợng, ph ng tiện khi xảy ra cháy rừng, đ ờng tuần tra bảo vệ rừng và
phục vụ các ho t động kinh doanh rừng.
(4) Hệ thống hồ đập, đê bao, kênh mương giữ ẩm và phục vụ chữa cháy rừng:
Hệ thống hồ đập: Cùng với việc thiết kế thi công các đ ờng băng cản lửa. Ở các
vùng núi có địa hình dốc, đi l i khó khăn,… đến mùa khô hầu hết các khe suối, hồ,
đầm đều bị c n n ớc. Do đó, khi xảy ra cháy rừng, việc vận chuyển n ớc là hết sức
phức t p. Vì vậy, phải quy ho ch và xây dựng các công trình, sử dụng các thung lũng,
khe suối, đầm, hồ sẵn có để dự trữ n ớc giữ ẩm và phục vụ cho chữa cháy rừng. Các
hồ đập còn phục vụ các mục đích khác nh làm thủy điện nh hoặc cung cấp n ớc cho
nông nghiệp,…
Hệ thống đê bao, kênh m ng: Hệ thống đê bao, kênh m ng giữ ẩm có ý nghĩa
quan trọng trong phòng cháy, chữa cháy rừng.
Quai đê bao: Nhằm giữ n ớc ngọt và duy trì độ ẩm cho rừng tràm. Việc quai đê,
đắp đập là đắp các con đập ở cửa kênh r ch đồng thời với hệ thống đê bao xung quanh
rừng tràm.
(5) Quy hoạch vùng sản xuất nương rẫy đề phòng cháy lan vào rừng: Chỉ đ ợc
quy vùng n ng rẫy ở những vùng đất trống, với diện tích cố định từ 1 – 2ha (quy mô
hộ gia đình) và diện tích quy vùng n ng rẫy phải có ranh giới cụ thể và đ ợc cắm
mốc ngoài thực địa nhằm đề phòng lửa cháy lan vào rừng hoặc gây thiệt h i cho rừng
là:
(6) Giảm khối lượng vật liệu cháy: Làm giảm vật liệu cháy cũng là một biện
pháp phòng cháy rừng tích cực và có thể chủ động thực hiện bằng 2 cách chính: Phát
dọn thủ công và đốt tr ớc (vật liệu cháy) có điều khiển.
(7) Hệ thống chòi canh phát hiện cháy rừng: Hệ thống chòi canh lửa có tác dụng
phát hiện đ ợc sớm các điểm cháy rừng để kịp thời xử lý, dập tắt đám cháy giảm thiểu
thiệt h i đến mức thấp nhất; đồng thời còn là ph ng tiện để quản lý, ngăn chặn và
giám sát mọi ng ời vào rừng trong mùa cao điểm cháy rừng.
1.1.3. Phƣơng pháp băng xanh cản lửa
 10

Nguyên lý chung của băng xanh là sử dụng các loài cây có khả năng chống chịu
lửa nhờ v dày, thân và lá chứa nhiều n ớc, xanh quanh năm, không bị cháy khi lửa
tràn đến để trồng thành băng phân chia rừng thành những diện tích nh , ngăn cản đ ợc
sự lan tràn của các đám cháy rừng.
Theo Ph m Ngọc H ng, 2001, đ ờng băng xanh trồng ngay cây xanh cùng với
việc trồng rừng trong năm trên những diện tích rừng có độ dốc > 250. Đối với đai cây
xanh phòng cháy đ ợc xây dựng dọc theo các đ ờng băng cản lửa đ ờng sắt, đ ờng ô
tô, xung quanh các điểm dân c , xung quanh những vùng đất sản xuất nông nghiệp,
...nằm ở trong rừng và ven rừng; theo đ ờng phân khoảnh thì chiều rộng của đai rừng
cây cần bảo vệ.
Có 02 lo i đ ờng băng cản lửa:
- Đ ờng băng chính: Đ ợc thiết kế ở những n i có diện tích rừng lớn, phân ra
thành nhiều khu, khoảnh có diện tích từ 3.000 - 5.000 ha. Khi thiết kế phải kết hợp và
lợi dụng các công trình tự nhiên nh đ ờng sắt, sông suối... Đối với rừng tự nhiên
đ ờng băng chính đ ợc chia thành từng khoảnh có cự ly cách nhau từ 2 - 3 km. Bề
rộng tối thiểu đối với đ ờng băng chính từ 8 - 20 m và nên trồng cây xanh.
- Đ ờng băng phụ: Th ờng đ ợc xây dựng ở những vùng rừng dễ cháy và có
c ờng độ kinh doanh cao. Đ ờng băng phụ có bề rộng từ 6 - 12 m và cũng nên trồng
cây xanh. Nh vậy đ ờng băng chính và phụ đ ợc xây dựng sẽ chia những khu rừng
thành khoảnh có diện tích từ 100 - 500 ha.
Từ những năm 1922 ở một số n ớc nh : Đức, Nga, Úc đã quan tâm đến vấn đề
xây dựng các băng xanh phòng cháy, tuỳ theo điều kiện lập địa mà trồng các loài cây
có lá rộng nh Sồi, Giẻ, Hoa mộc (Betula), Keo gai, D ng Balsam. Những năm 1930,
Nga và một số n ớc khác ở châu Âu đã b ớc đầu nghiên cứu các đai rừng trồng hỗn
giao giữa cây lá rộng và cây lá kim. Đến những năm 60 mới có nhiều nghiên cứu sâu
h n cả về loài cây có khả năng chống chịu lửa tốt lẫn ph ng thức trồng chúng trên
băng phòng cháy.
Nghiên cứu tại Việt Nam
Băng cản lửa th ờng có 2 lo i chính là: Băng trắng và băng xanh, tuy nhiên băng
xanh th ờng đ ợc u tiên sử dụng nhiều h n. Nguyên nhân mà các chuyên gia đ a ra
chủ yếu liên quan đến tình tr ng lãng phí đất khi xây dựng băng trắng, việc tốn kém
công sức lớn để duy trì tình tr ng “trắng” của băng và tình tr ng cũng nh hiệu quả
cản lửa thấp của chúng. Tuy nhiên, khi kết hợp đ ờng đi để làm băng trắng ngăn cản
cháy rừng trồng thì sẽ hiệu quả h n. Ở những khu vực có xu h ớng phát triển đ ờng
bộ m nh mẽ thì có thể sử dụng hệ thống đ ờng bộ làm các băng trắng cản lửa. Đây sẽ
là giải pháp “một công đôi việc ’’.
 11

Theo tài liêu [1] về “Nghiên cứu, lựa chọn loài cây có khả năng phòng cháy rừng
ở tỉnh Yên Bái ”, Khoa học công nghệ số 1- tháng 1/ 2009 các loài cây có khả năng
chịu lửa hiện nay đ ợc điều tra, phát hiện là có khả năng chống chịu lửa, nghiên cứu
một số đặc điểm sinh học liên quan tới khả năng chống, chịu của các loài cây lựa chọn,
xác định tập đoàn loài cây có khả năng phòng chống cháy hiệu quả t i địa ph ng.
Theo Nguyễn Đình Thành, (2008), Kết quả nghiên cứu khả năng phòng cháy của
một số loài cây có thể sử dụng t o băng ngăn cản lửa t i Bình Định, ông tiến hành điều
tra, phát hiện các lo i cây có tính chịu lửa cao trên địa bàn tỉnh. Sau đó phân tích mẫu
lá và v cây trong phòng thí nghiệm, tiến hành l ợng hóa và chuẩn hóa các tiêu chuẩn
và so sánh lựa chọn loài cây tối u có khả năng chống, chịu lửa, phòng cháy tốt trồng
thành băng xanh và đai xanh ngăn lửa.
Theo tài liệu [7] năm 2017 về “Nghiên cứu lựa chọn tập đoàn cây có khả năng
chống chịu lửa t i thành phố Đà Nẵng”, T p chí Nông nghiệp&Phát triển Nông thôn,
Số (2), tr.1-10, 2017, Kết quả nghiên cứu là danh sách các loài thực vật bản địa có khả
năng chống chịu lửa t o băng xanh cản lửa phục vụ công tác phòng chống cháy rừng
t i thành phố Đà Nẵng, nghiên cứu tiến hành điều tra, khảo sát phát hiện các loài có
khả năng chống, chịu lửa; phân tích các đặc điểm sinh – lý - hóa của các loài phát
hiện; xác định tập đoàn cây trồng có khả năng phòng chống cháy t i khu vực nghiên
cứu và xây dựng danh lục xếp h ng các loài cây có khả năng chống chịu lửa tốt.
Có thể thấy những nghiên cứu lựa chọn tập đoàn cây chịu lửa ở n ớc ta còn rất ít.
Các nghiên cứu mới chỉ là b ớc đầu để tìm ra ph ng pháp chọn loài cây có khả năng
chống chịu lửa, các tác giả mới sử dụng một số ít chỉ tiêu đánh giá và phụ thuộc nhiều
vào chủ quan của con ng ời. Vấn đề xây dựng mô hình đ ờng băng xanh cản lửa hầu
nh ch a đ ợc đi sâu nghiên cứu, các mô hình đ ợc xây dựng ở một số địa ph ng
n ớc ta chủ yếu dựa vào kinh nghiệm. Trong thực tế, thiếu một danh sách các loài cây
u tiên phòng cháy cho các d ng lập địa và kiểu rừng khác nhau. Ở nhiều địa ph ng
còn thiết kế băng trắng hoặc chỉ phổ biến u tiên trồng thuần loài các cây lá rộng
th ờng xanh nh Keo, Chò đen và Lát hoa trên băng cản lửa.
1.2. TỔNG QUAN VỀ PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU
1.2.1. Giới thiệu
Khi một vấn đề đ ợc đặt ra trong đó có nhiều tiêu chí, mục tiêu kèm theo. Nếu
các mục tiêu xung đột với nhau và các biến quyết định có những ràng buộc với nhau
thì việc đi tìm giải pháp tối u của vấn đề trở thành bài toán “Tối u hóa đa mục tiêu”.
Bài toán tối u hóa đa mục tiêu đ ợc giải quyết với ý t ởng t ng tự bài toán tối
u một mục tiêu. Trong bài toán một mục tiêu để giải quyết bài toán ta phải đi tìm một
 12

tập các biến quyết định th a các ràng buộc và đ a ra một kết quả tối u đối với hàm
mục tiêu.
Bài toán đa mục tiêu chỉ khác là nó phải giải quyết nhiều mục tiêu khác nhau (có
thể xung đột với nhau) và th ờng cho ra một tập các giải pháp tối u hoặc không so
sánh đ ợc với nhau. Bản chất tự nhiên của bài toán đa mục tiêu là có những thông tin
phức t p và xung đột với nhau, th ờng phản ánh các quan điểm khác nhau và th ờng
thay đổi theo thời gian. Một trong những mục tiêu nguyên lý của cách tiếp cận bài toán
đa mục tiêu là hỗ trợ ng ời ra quyết định tổ chức và tổng hợp các thông tin một cách
khiến họ cảm thấy thuận lợi h n và tin t ởng h n về việc ra quyết định, tối thiểu hóa
tiềm năng hối tiếc về những quyết định đã ra bằng việc th a mãn rằng tất cả tiêu chí đã
đ ợc xem xét.
Hỗ trợ quyết định đa tiêu chí là một nhánh của lý thuyết ra quyết định trong đó
giải quyết bài toán ra quyết định đ ợc đặc tr ng bởi một số tiêu chí đánh giá. MCDA
t ng đối phổ biến đối với các nhà khoa học khi mô hình hóa các vấn đề thế giới thực
thành một vài nguyên tắc logic theo thứ tự để miêu tả và giải thích vấn đề đó, thậm chí
cả dự báo các sự kiện trong t ng lai.
Lịch sử phát triển MCDA có nguồn gốc ít nhất từ thế kỷ thứ 18 khi Marquis de
Condorcet đầu tiên áp dụng toán học trong khoa học xã hội một cách hệ thống. Tiếp
đó, Pareto là ng ời đầu tiên nghiên cứu một cách r ràng sự kết hợp các tiêu chí khác
nhau vào một chỉ số đánh giá duy nhất. Ông cũng là ng ời đầu tiên đ a ra các khái
niệm về sự hiệu quả, đây là một trong những khía c nh quan trọng của lý thuyết
MCDA ngày nay. Các ph ng pháp giải quyết bài toán quyết định đa chiều đầu tiên
xuất hiện từ cuối những năm 1960. Năm 1968, Roy đã giới thiệu các ph ng pháp xếp
h ng; năm 1976 Keeney và Raiffa mở rộng lý thuyết giá trị cho tr ờng hợp đa chiều.
Mục đích chung của các ph ng pháp MCDA là giúp cho ng ời ra quyết định
chuẩn bị, t o lập quyết định và nghiên cứu các bài toán ra quyết định xét tới nhiều h n
một quan điểm. Mục đích của MCDA là không bắt buộc phải chọn bất kỳ một quyết
định nào mà từ một cấu trúc hợp lý của bài toán ra quyết định MCDA đ a ra các phân
tích, khuyến nghị.
Từ thập niên 1970 đến 1990, MCDA đ ợc phát triển nhanh chóng, hiệp hội
MCDA đ ợc hình thành và nhiều cải tiến cả trên ph ng diện lý thuyết cũng nh các
ứng dụng thực tế đã đ ợc xuất bản trong nhiều tài liệu quốc tế, nhiều gói phần mềm
giải quyết các bài toán MCDA ra đời, những gói phần mềm này đ ợc gọi là hệ thống
hỗ trợ ra quyết định đa tiêu chí để thực hiện lý thuyết cải tiến trong MCDA với giao
diện ng ời dùng thân thiện, quá trình ra quyết định thông qua các thủ tục t ng tác và
đ ợc lặp đi lặp l i nhằm nâng cao nhận thức của ng ời ra quyết định về bài toán và
các chính sách quyết định của họ.
 13

1.2.2. Một số khái niệm thông thƣờng

(1) Ưu tiên (Preference) là ý niệm của ng ời ra quyết định về các lựa chọn sẵn
có. Các u tiên khác nhau sẽ dẫn đến kết quả cuối cùng khác nhau đối với cùng bài
toán MCDA. Nói chung, có hai d ng u tiên là giá trị dữ liệu ( u tiên về dữ liệu tác
động) và các u tiên trọng số ( u tiên về tiêu chí).
(2) Các ph ng án lựa chọn (Alternatives) thể hiện các ph ng án khác nhau của
cùng bài toán quyết định đối với ng ời ra quyết định. Ph ng án lựa chọn khả thi
(feasible alternative) phải th a mãn đầy đủ các yêu cầu của ng ời ra quyết định đ a ra
dựa trên tập các tiêu chí.
(3) Tiêu chí (Criteria) là chuẩn mực để đánh giá tập các ph ng án lựa chọn.
Nhìn chung không tồn t i một lựa chọn th a mãn tất cả các tiêu chí cùng một lúc. Từ
quan điểm thực tế, mục đích của bài toán MCDA là tìm ra một ph ng án lựa chọn
mặc dù không chiếm u thế nh ng làm cho ng ời ra quyết định hài lòng nhất.
1.2.3. Cấu trúc bài toán MCDA
Von Winterfeldt (1980) đã gọi quá trình cấu trúc bài toán MCDA là giai đo n
khó nhất của bài toán hỗ trợ quyết định. Keeney (1992) và Hammond et al. (1999) đã
đề xuất một giải pháp thông minh cho giai đo n cấu trúc bài toán MCDA nh sau:
Cấu trúc c bản của một bài toán MCDA đ ợc thể hiện trong hình sau:

Hình 1.1. Cấu trúc của bài toán MCDA

Trong đó: A = {a1,…, ai ,…, am} là tập các ph ng án lựa chọn, và F = {g1,…, gj
,…, gn} là tập hữu h n n tiêu chí. Đánh giá của lựa chọn ai dựa trên tiêu chí j là gj(ai).
1.2.4. Phân loại bài toán MCDA
Roy đã đ a ra bốn lo i bài toán ra quyết định trong MCDA:
(1) Bài toán lựa chọn: Chọn ra một ph ng án lựa chọn từ tập các lựa chọn A =
{A1,…, Ai,…, An}.
 14

(2) Bài toán phân loại: Phân lo i các ph ng án lựa chọn vào các nhóm đ ợc
xác định tr ớc đó và đ a ra trật tự u tiên của các nhóm.
(3) Bài toán xếp hạng: Xếp h ng các lựa chọn từ tốt nhất đến xấu nhất.
(4) Bài toán mô tả: Mô tả các ph ng án lựa chọn theo tính năng chính của lựa
chọn sao cho phân biệt đ ợc với các lựa chọn khác.
Hình 1.2 sau là một ví dụ trực quan về các lo i bài toán ra quyết định trong
MCDA. Trong ví dụ này, phân tích quyết định đa tiêu chí có bảy lựa chọn cụ thể. Với
bài toán xếp hạng, toàn bộ chuỗi các lựa chọn đ ợc xếp h ng từ tốt nhất đến xấu nhất
A2 > A1 > A6 > A5 > A4 > A7 > A3 với “>” có nghĩa là u tiên h n. Với bài toán lựa
chọn, lựa chọn tốt nhất là lựa chọn A2. Với bài toán mô tả, một lựa chọn có thể đ ợc
mô tả theo các tính năng chính. Với bài toán phân loại, phân lo i tất cả các lựa chọn
vào hai nhóm: Nhóm 1 (A1, A2, A6) u tiên h n Nhóm 2 (A3, A4, A5, A7).

Hình 1.2. Phân loại bài toán MCDA

1.2.5. Các phƣơng pháp của MCDA
Ngày nay, có rất nhiều ph ng pháp MCDA, tuy nhiên không một ph ng pháp
nào là phổ biến cho tất cả các bài toán ra quyết định. Các ph ng pháp khác nhau có
thể mang l i kết quả khác nhau cho cùng một bài toán[8]. Nói cách khác, khi cùng một
dữ liệu của cùng một bài toán đ ợc sử dụng các ph ng pháp MCDA thì cho kết quả
khác nhau, ngay cả với những bài toán đ n giản (là những bài toán có rất ít các
 15

ph ng án lựa chọn và các tiêu chí). Ng ời ra quyết định phải chọn lựa ph ng pháp
đáp ứng tốt nhất với mục đích của mình.
Trong h n ba m i năm qua đã có vô số các mô hình kết hợp đ ợc phát triển
gồm: MAUT, AHP và Outranking. Các ph ng pháp mới hoặc các cải tiến tiếp tục
xuất hiện trong các t p chí quốc tế nh T p chí của Phân tích quyết định đa tiêu chí,
T p chí Nghiên cứu ho t động của Châu Âu và T p chí Máy tính và các ho t động
khác.
Có rất nhiều cách phân lo i các ph ng pháp MCDA tùy thuộc vào mỗi tác giả.
Một trong những lý do cho sự đa d ng này là bản chất mờ giữa các biên của các lo i.
Theo nhiều tác giả, các ph ng pháp MCDA đ ợc phân thành năm lo i sau: (i)
ph ng pháp thứ tự, (ii) ph ng pháp trọng số, (iii) ph ng pháp tiện ích, (iv) ph ng
pháp h n cấp, (v) các ph ng pháp khác.
Các ph ng pháp thứ tự c bản bao gồm: ph ng pháp Borda, ph ng pháp
Condorcet và ph ng pháp Lexicographic. Đặc điểm chung của ph ng pháp thứ tự là
các giải pháp sẽ có một thứ tự riêng trên mỗi tiêu chí, thứ tự cuối cùng của các giải
pháp đ ợc xác định bằng cách tích hợp các thứ tự riêng đó.
Các ph ng pháp trọng số đ ợc sử dụng nhiều bao gồm: ph ng pháp tổng trọng
số và ph ng pháp tích trọng số. Tuy nhiên, trong các ph ng pháp trọng số, kết quả
phần lớn phụ thuộc vào trọng số đ ợc gán cho mỗi tiêu chí. Mặc dù cả hai lo i ph ng
pháp này không đ a ra một kết quả đủ tin cậy cho một mục đích nào đó nh ng chúng
đ n giản, trực quan và gần gũi với ng ời ra quyết định trong thế giới thực.
Các ph ng pháp dựa trên tiện ích đa thuộc tính và ph ng pháp h n cấp có một
số l ợng đáng kể các ứng dụng. Ph ng pháp MAUT h ớng đến việc sử dụng hàm
tiện ích để tích hợp giá trị của các tiêu chí, phục vụ cho việc so sánh các giải pháp với
nhau. Trong khi các ph ng pháp h n cấp dựa trên việc so sánh cặp các giải pháp, các
ph ng pháp này có u điểm và khuyết điểm riêng và phù hợp với một số lo i ứng
dụng.
Có một vài ph ng pháp khác, nó không thể xếp trực tiếp vào bất cứ lo i nào kể
trên nh ng vẫn dựa vào các ph ng pháp luận MCDA khác nhau.
Tất cả các ph ng pháp MCDA đều xử lý với các tình huống ra quyết định khác
nhau. Tuy nhiên, việc lựa chọn ph ng pháp phụ thuộc vào đặc điểm của hệ thống, dữ
liệu sẵn có, mục tiêu và điều kiện ràng buộc cụ thể.
1.3. BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CHỐNG CHỊU LỬA
1.3.1. Phƣơng pháp băng xanh cản lửa
 16

Đối với các công trình phòng cháy rừng ở n ớc ta chủ yếu là xây dựng đ ờng
băng cản lửa đó là đ ờng băng trắng và đ ờng băng xanh, đặc biệt là xây dựng đ ờng
băng xanh có tác dụng ngăn đ ợc ngọn lửa cháy lan mặt đất, cháy l ớt trên ngọn cây
rừng. Việc xây dựng băng xanh cản lửa là việc lựa chọn những loài cây có khả năng
chống chịu lửa và t o hoàn cảnh ẩm ớt để giảm khả năng lan tràn đám cháy. Nhìn
chung, đây là những loài cây bản địa có khả năng chung sống với nhiều loài khác để
t o thành quần xã sinh vật ổn định. Đồng thời, bản thân chúng cũng cần có những đặc
điểm của các loài cây chống chịu lửa nh có v dày, dễ dàng phục hồi tán lá sau cháy,
có nhiều n ớc trong thân và lá, có độ che bóng cao, h n chế sự phát triển của các loài
hoà thảo và tăng c hội cho những loài cây bụi a ẩm chịu bóng phát triển, giữ ẩm cho
lớp thảm khô...
1.3.2. Bài toán cụ thể
Phát biểu bài toán: “Xác định giải pháp lựa chọn tập đoàn cây có khả năng
chống chịu lửa nhằm xây dựng băng xanh cản lửa phục vụ công tác phòng chống cháy
rừng ”
Dựa trên các nghiên cứu và ý kiến của chuyên gia về danh mục các loài cây có
khả năng chống chịu lửa t i một số các địa ph ng. Bài toán sẽ tập trung xác định giải
pháp lựa chọn tập đoàn cây có khả năng chống chịu lửa theo thứ tự u tiên trên c sở
các tiểu chí gồm 12 tiêu chí đ i diện cho các chỉ tiêu định l ợng, chỉ tiêu sinh học và
chỉ tiêu định tính, cụ thể: Hàm l ợng n ớc trong lá, Hàm l ợng n ớc trong v , Hàm
l ợng tro thô trong lá, Hàm l ợng tro thô trong v , Độ dày của lá, Độ dày của v , Khả
năng thích ứng với điều kiện lập địa, Kết cấu tán, Giá trị kinh tế, Thời gian cháy của
lá, Thời gian cháy của v .
Danh mục cây trồng có khả năng chống chịu lửa, gồm: 24 loài (Chò đen, Chắp
tay, Thẩu tấu lá dày, Lộc vừng lá to, Dầu rái, Dẻ đấu nứt, Thành ngh nh, Vối thuốc,
Xuân thôn, Dẻ cọng m nh, Trai lý, Chẹo tía, Còng sữa, Dẻ gai lá nhọn, Muồng đen,
L i thọ, V ng trứng, Lộc vừng, Sến núi, Dâu da xoan, Mít nài, Sòi tía, Chà ran nam
bộ, Cù đèn b c)
Tổng kết chƣơng I
Ch ng 1 đã trình bày tổng quan về phòng chống cháy rừng, trong đó chú trọng
công tác xây dựng băng xanh cản lửa là một trong những biện pháp lâm sinh trọng tâm
trong phòng cháy rừng; tổng quan về ph ng pháp ra quyết định đa mục tiêu. Trên c
sở xác định bài toán cụ thể xác định giải pháp lựa chọn tập đoàn cây có khả năng
chống chịu lửa nhằm xây dựng băng xanh cản lửa phục vụ công tác phòng chống cháy
rừng. Ch ng tiếp theo, sẽ nghiên cứu áp dụng ph ng pháp ra quyết định đa mục tiêu
để giải quyết bài toán lựa chọn tập đoàn cây có khả năng chống chịu lửa.
 17

CHƢƠNG 2: PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU

TRONG BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG
CHỊU LỬA

2.1. GIỚI THIỆU BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY
DSS là dựa trên máy tính trợ giúp một (hoặc một nhóm ng ời) giải quyết vấn đề
bán cấu trúc hoặc không cấu trúc – là những vấn đề không có ph ng pháp giải quyết
chắc chắn mà phần lớn phải dựa vào kinh nghiệm và phán đoán của chuyên gia.
Poch et al (2003) đã định nghĩa DSS nh là hệ thống thông tin thông minh làm
giảm thời gian ra quyết định, cải thiện độ tin cậy và chất l ợng của các quyết định này.
Rõ ràng theo các quan điểm này, DSS tích hợp các công nghệ khác nhau và trợ giúp
chọn lựa các ph ng án giải quyết các vấn đề có quan hệ phức t p, mang tính công
trình và phi công trình. Có thể định nghĩa DSS trong lựa chọn tập đoàn cây có khả
năng chống chịu lửa nh sau:
Hệ thống hỗ trợ ra quyết định trong lựa chọn tập đoàn cây có khả năng chống
chịu lửa là một hệ tích hợp, t ng tác với máy tính; gồm các công cụ phân tích, có khả
năng quản lý thông tin, đ ợc thiết kế để hỗ trợ những ng ời ra quyết định trong việc
giải quyết các vấn đề liên quan lựa chọn tập đoàn cây có khả năng chống chịu lửa
mang tính tổng hợp.
Các thành phần c bản và quy trình thực hiện của một hệ thống hỗ trợ ra quyết
định trong lựa chọn tập đoàn cây có khả năng chống chịu lửa thể hiện trên Hình 2.1

Hình 2.1. Sơ đồ tổng quát DSS của bài toán lựa chọn tập đoàn cây có khả năng
chống chịu lửa
Trong đó:
 18

- Thu thập, khảo sát số liệu: Dựa trên các nghiên cứu và danh mục các cây có
khả năng chống chịu lửa.
- Xử lý dữ liệu: Kiểm tra, xử lý dữ liệu, đ a vào c sở dữ liệu, mô hình.
- Phân tích dữ liệu: các mô hình đ ợc sử dụng để tính toán tr ng thái của hệ
thống; Các ph ng án trong lựa chọn có thể đ ợc tính toán, xếp h ng.
- Tạo lập quyết định: Tập hợp, liên kết và phân tích các ph ng án ra quyết định
dựa trên dữ liệu. Kết quả phân tích sẽ đ a ra đánh giá tổng hợp các ph ng án dựa trên
lý thuyết phân tích đa tiêu chí, phân tích tối u hoặc phân tích rủi ro...
- Ra quyết định: Ng ời ra quyết định chọn ph ng án trên c sở các kết quả phân
tích để giải quyết các vấn đề thực tiễn.
2.1.1. Xác định tiêu chí
Ph ng pháp MCDA bao gồm một bộ các ph ng pháp xác định, đánh giá và tập
hợp các lựa chọn u tiên giữa các lựa chọn thay thế, đ ợc sử dụng rộng rãi trong việc
nghiên cứu t o lập quyết định. B ớc đầu tiên trong phân tích đa tiêu chí là xác định các
tiêu chí khác nhau đ ợc tính đến. Đa số các tr ờng hợp một tiêu chí không phải là một
biến đ n giản mà là tổ hợp của các dữ liệu thuộc tính và hình học khác nhau. Các tiêu
chí này phục vụ cho việc thu thập các dữ liệu đầu vào.
Các b ớc c bản của MCDA đ ợc mô tả nh hình sau:

Hình 2.2. Các bước thực hiện MCDA trong DSS

2.1.2. Xây dựng ma trận phân tích
Quá trình phân tích sẽ bắt đầu bằng việc xác định ma trận phân tích. Ma trận
phân tích (n x m: n lựa chọn và m tiêu chí) đ ợc xây dựng từ các giải pháp và tiêu chí
 19

đánh giá trong giai đo n định nghĩa [14]. Các phần tử của ma trận là điểm số đánh giá
(tác động) của các lựa chọn dựa trên tiêu chí.
Trong một số bài toán t o lập các ph ng án ra quyết định mà các tiêu chí là
những đ i l ợng phân bố theo không gian, các điểm số là sự tập hợp gồm các điểm,
các đ ờng và các đối t ợng vùng. Ví dụ nh hình 2.3c, có thể có sự mở rộng theo
không gian. Mỗi ô trong ma trận phân tích có thể t ng ứng từ bản đồ, chứa các đ i
l ợng phân bố theo không gian. Khác với tr ờng hợp kết quả đánh giá là vô h ớng, sự
tập hợp bổ sung phải đ ợc thực hiện để đ i l ợng đánh giá phải quy về điểm đánh giá.

Hình 2.3. Số chiều khác nhau của kết quả ma trận phân tích
Số chiều theo không gian 0 (a); 1 (b); 2(c)
2.1.3. Chuẩn hóa ma trận phân tích
Chuẩn hóa ma trận phân tích thực hiện việc đ a các giá trị đánh giá theo các đ n
vị đo l ờng khác nhau về một thang đo thống nhất, sao cho có thể so sánh các tiêu chí
một cách bình đẳng với nhau. DSS sử dụng ph ng pháp biến đổi tỉ lệ tuyến tính và
quy chuẩn giá trị của các tiêu chí về khoảng [0, 1].

x x
min
,
x = y j
đối với tiêu chí đ ợc cực đ i hóa
x x
y max min
j j

 xy
max
,
=
xj
đối với tiêu chí đ ợc cực tiểu hóa
x y max
 xj
min
xj

min max
Giá trị x t ng ứng với lựa chọn (i) và tiêu chí (j). Các ký hiệu x j
và x j
có
nghĩa tỉ số nh nhất và lớn nhất của tiêu chí thứ j.
2.1.4. Mô hình hóa hàm giá trị
Hàm giá trị (u) là một đ i diện toán học của các tiêu chí đánh giá. Nó biến đổi
các tiêu chí thô thành tỉ lệ thông th ờng của các đối t ợng đ ợc so sánh với nhau.
u(a) > u(b)  a  b
 20

u(a) < u(b)  a  b

u(a) = u(b)  a ~ b
Trong đó: a, b là các lựa chọn
u() là các hàm giá trị
 là được ưu tiên hơn
~ là không khác biệt

(a) tuyến tính (b) hình chữ i (c) hình Sigma (d) ng ời dùng xác định
Hình 2.4. Một số dạng hàm giá trị
Hàm giá trị đề cập đến những u tiên của ng ời ra quyết định trong quá trình
phân tích. Có một vài ph ng pháp để ớc l ợng các hàm giá trị. Trong hình 2.4 ở
trên thể hiện một vài d ng hàm giá trị đã sử dụng rộng rãi.
2.2. PHƢƠNG PHÁP TÍCH BẬC (AHP)
AHP đ ợc phát triển bởi T. Saaty trong năm (1977, 1980, 1988, 1995) và là một
trong những ph ng pháp tiếp cận MCDA tốt nhất đ ợc biết đến và đ ợc sử dụng
rộng rãi. AHP là ph ng pháp phân tích thứ bậc, là một kỹ thuật t o quyết định giúp
cung cấp một tổng quan về thứ tự sắp xếp của những lựa chọn thiết kế và nhờ vào nó
ta tìm đ ợc một quyết định cuối cùng hợp lý nhất. AHP giúp những ng ời làm quyết
định tìm thấy cái gì là hợp lý nhất cho họ và giúp họ hiểu những vấn đề của mình.
Ph ng pháp AHP cho phép:
- Tiến hành phân tích vấn đề cần nghiên cứu.
- Tiến hành thu thập thông tin theo từng vấn đề cần nghiên cứu.
- Đánh giá sự khác biệt của thông tin và thu hẹp khoảng cách của sự khác biệt.
- Tiến hành tổng hợp các vấn đề để ra quyết định.
- Cho phép tiến hành thảo luận vấn đề cần nghiên cứu và khả năng t o ra sự đồng
thuận của việc ra quyết định.
- Cho phép đánh giá mức độ quan trọng của từng quyết định và từng phần tử có
ảnh h ởng đến quyết định.
 21

- Đánh giá đ ợc sự ổn định của quyết định.

Một trong các yêu cầu quan trọng để bảo đảm sự thành công đối với ph ng
pháp đ ợc áp dụng trong việc lựa chọn các thông số kỹ thuật của việc xây dựng tuyến
mới hoặc cải t o tuyến đang khai thác đó là sự nắm vững chuyên môn của các nhà t
vấn, tham gia vào quá trình xây dựng cấu trúc mô hình ra quyết định, chuẩn bị dữ liệu
và diễn giải các kết quả, tức là họ có khả năng đ a ra đ ợc các thông tin chuẩn và
không đối lập nhau. Chính vì vậy việc áp dụng ph ng pháp phân tích thứ bậc là sự
tập hợp đầy đủ các luận cứ xác đáng bảo đảm cho sự ổn định của việc ra quyết định,
trong đó:
- Tất cả các nhân tố ảnh h ởng đến việc ra quyết định đều đ ợc tính đến.
- Tất cả các mối quan hệ giữa mục tiêu đặt ra với các yếu tố ảnh h ởng và các
quyết định có thể đều đ ợc tính đến.
- Việc so sánh từng cặp tiêu chí đánh giá đ ợc tiến hành nhanh gọn h ớng đến
mục tiêu chung.

Mục tiêu

Tiêu chí 1 Tiêu chí 2 Tiêu chí n

Ph ng án 1 Ph ng án 2 Ph ng án n

Hình 2.5. Sơ đồ cấu trúc thứ bậc

Ph ng pháp thực hiện chia bài toán lớn thành các bài nh đ n giản h n và tiến
hành xử lý các đánh giá trên từng cặp với sự tham gia của chuyên gia. Trong quá trình
đánh giá chúng ta có thể triển khai mức độ t ng quan giữa các phần tử trên cây thứ
bậc, th ờng để đ n giản các sự đánh giá đ ợc triển khai bởi định l ợng. Ph ng pháp
phân tích thứ bậc bao gồm các thủ tục tổng hợp sự đánh giá, sự tiếp nhận mức độ u
tiên của các tiêu chí và tìm kiếm ph ng án tối u. Ph ng pháp phân tích cây thứ bậc
thực hiện dựa trên các tiên đề sau: so sánh từng cặp, thang điểm để tiến hành ánh x sự
đánh giá vào định tính, mối quan hệ đối xứng nghịch, phân nhóm mức và tính trọng số
trên cây thứ bậc.
AHP có 3 phân đo n c bản: Xác định vấn đề cần giải quyết, thành lập ma trận
so sánh và tổng hợp độ u tiên.
2.2.1. Xác định vấn đề cần giải quyết
 22

AHP phân giải vấn đề ra thành cấu trúc cây phân cấp. Để làm điều này phải
khám phá những khía c nh của vấn đề từ tổng quát đến chi tiết, biễu diễn chúng theo
cây đa nhánh. Phần tử t i mức cao nhất của cây đ ợc gọi là mục tiêu. Những phần tử ở
mức cuối cùng đ ợc gọi là những lựa chọn. Ngoài ra, còn một nhóm các phần tử liên
quan đến các yếu tố hay tiêu chí liên kết giữa những sự lựa chọn và mục tiêu. Một cây
phân cấp với mục tiêu ở đỉnh, những sự lựa chọn là các phần tử lá và các phần tử tiêu
chí là ở giữa.
Sắp xếp tất cả các thành phần trong một hệ thống phân cấp cung cấp một cái nhìn
tổng thể các mối quan hệ phức t p và giúp ng ời ra quyết định đánh giá liệu các yếu tố
trong mỗi cấp có cùng độ lớn để có thể so sánh đ ợc chính xác. Khi xây dựng hệ
thống phân cấp cần xem xét môi tr ờng xung quanh các vấn đề cần giải quyết và xác
định các vấn đề để xác định tất cả các thành phần tham gia liên kết với vấn đề này.
2.2.2. Xây dựng ma trận so sánh
Quy luật liên tục cây thứ bậc đ ợc đề cập, để các phần tử của mức thấp nhất thực
hiện so sánh từng cặp t ng ứng với các phần tử của mức độ cao h n và tiếp tục thực
hiện nh thế cho đến đỉnh của cây thứ bậc. Vì thế, chúng ta thực hiện xây dựng tập ma
trận so sánh từng cặp đối với các mức của cây thứ bậc và bắt đầu từ mức thấp nhất –
trên mỗi ma trận so sánh từng cặp ứng với mỗi phần tử có mối t ng quan với phần tử
của mức phía trên. Phần tử ở mức trên đó đ ợc gọi là phần tử định h ớng đến các
phần tử nằm ở mức d ới, vì mỗi phần tử mức d ới ảnh h ởng lên các phần tử ở mức
trên. Trên cấu trúc thứ bậc đầy đủ mỗi phần tử ảnh h ởng đến các phần tử ở mức trên.
Các phần tử trên một mức bất kì thực hiện so sánh từng cặp với nhau. Do đó, chúng ta
có đ ợc ma trận đánh giá. Công việc so sánh từng cặp đ ợc thực hiện bởi mức độ u
tiên của một phần tử này so với một phần tử khác. Giả thiết chung mức độ u tiên thực
hiện một cách xác định, và mức độ u tiên này không phải là xác suất. Bởi vậy mức độ
u tiên là không đổi, độc lập với các tác nhân khác và mức độ u tiên không đ ợc thể
hiện trong bài toán.
Để có thể đánh giá sự quan trọng của một phần tử với một phần tử khác, ta cần
một mức thang đo để chỉ sự quan trọng hay mức độ v ợt trội của một phần tử với một
phần tử khác qua các tiêu chuẩn hay tính chất. Vì vậy, ng ời ta đ a ra bảng các mức
quan trọng nh sau:
Bảng 2.1. Thang đánh giá ứng với tầm quan trọng
Mức độ Định nghĩa
1 Hai đối t ợng quan trọng nh nhau
3 Đối t ợng này quan trọng h n đối t ợng kia một chút
 23

Mức độ Định nghĩa

5 Đối t ợng này quan trọng h n đối t ợng kia

7 Đối t ợng này quan trọng h n đối t ợng kia rất nhiều
9 Đối t ợng này cực kì quan trọng h n đối t ợng kia
2,4,6,8 Là mức trung gian giữa các mức 1, 3, 5, 7, 9.
Đ i l ợng Nếu khi so sánh đối t ợng A với đối t ợng B nhận đ ợc một số
nghịch đảo của từ các mức độ nêu ở trên (ví dụ là 3), thì khi so sánh đối t ợng B
các mức trình với đối t ợng A, chúng ta nhận đ ợc đ i l ợng nghịch đảo (có
bày ở trên nghĩa là 1/3).
Ví dụ, nếu một phần tử A quan trọng h n phần tử B và đ ợc đánh giá mức 9, khi
đó B rất ít quan trọng với A và có giá trị 1/9. Bản chất toán học của AHP chính là việc
cấu trúc một ma trận biểu diễn mối liên kết của các giá trị của tập phần tử. Ma trận hỗ
trợ rất chặt chẽ cho việc tính toán các giá trị. Ứng với mỗi phần tử cha ta thiết lập một
ma trận cho các sự so sánh của những phần tử con của nó. Việc so sánh đ ợc thực hiện
giữa các cặp tiêu chí với nhau và tổng hợp l i thành một ma trận gồm n dòng và n cột
(n là số tiêu chí).
 1 A12 ... A1n 
A 1 ... A2 n 
A   21
 Ai1 Ai 2 ... Ain 
 
 An1 An 2 ... 1 

Phần tử Aij thể hiện mức độ quan trọng của tiêu chí hàng i so với tiêu chí cột j.
Mức độ quan trọng t ng đối của tiêu chí i so với j đ ợc tính theo tỷ lệ k (k từ 1 đến
9), ng ợc l i của tiêu chí j so với i là 1/k. Nh vậy Aij > 0, Aij = 1/ Aij, Aii =1.
Ma trận so sánh của các tiêu chí th ờng đ ợc xây dựng dựa trên ý kiến chuyên
gia. Đối với ma trận này có hai vấn đề cần quan tâm: vấn đề thứ nhất là ma trận phụ
thuộc vào ý kiến chủ quan của ng ời ra quyết định. Ví dụ tiêu chí X 1 quan trọng h n
tiêu chí X2 nh ng giá trị quan trọng gấp bao nhiêu lần thì có thể tuỳ từng ng ời. Vấn
đề thứ hai là xem xét đến tính nhất quán của dữ liệu. Tức là nếu tiêu chí X1 quan trọng
gấp 2 lần tiêu chí X2, tiêu chí X2 quan trọng gấp 3 lần tiêu chí X3, tiêu chí X1 sẽ quan
trọng gấp 6 lần tiêu chí X3. Tuy nhiên, ý kiến chuyên gia trong thực tế sẽ không phải
nh vậy do họ không bao quát đ ợc tính logic của ma trận so sánh (và cũng không nên
cố gắng bao quát nhằm đảm bảo tính khách quan của đánh giá).
 24

Nếu trong quá trình thảo luận các chuyên gia t vấn không đi đến thống nhất một
ý kiến chung về việc đánh giá một phần tử nào đó trong ma trận so sánh từng cặp thì
sẽ phải sử dụng cách tính giá trị chung nh sau:
n
Ai  n A j 1
ij (2.1)

Với trọng số đánh giá của mỗi phần tử ứng với tập hợp so sánh đ ợc xác định:
Ai
i  n
(2.2)
A
i 1
i

n
Khi đó: 
i 1
i =1

Một trong những điểm m nh của AHP đó là đ a ra đ ợc chỉ số IC, cho phép đ a
ra đ ợc thông tin về mức độ sai lệch của sự thích hợp. Để tăng mức độ phù hợp có thể
tiến hành tìm kiếm và bổ xung các thông tin cần thiết khác hoặc xem xét l i các dữ
kiện đ ợc dùng khi xây dựng ma trận so sánh.
max  n
IC  (2.3)
n 1
Trong đó:
n - số l ợng các phần tử đ ợc so sánh trong cùng cấp
 max – Giá trị riêng của ma trận so sánh. Nếu giá trị  max càng gần bằng n thì tính
phù hợp càng cao.
 n n n

max    1  Ai1   2  Ai 2  ...   n  Ain  (2.4)
 i 1 i 1 i 1 

Chúng ta cần phải so sánh giá trị chỉ số IC với chỉ số thích hợp CI phụ thuộc vào
cấp ma trận (bảng 2.2) theo công thức:
IC
RC  (2.5)
CI
Bảng 2.2. Chỉ số thích hợp ngẫu nhiên
n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
CI 0 0 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.54 1.56 1.57 1.59
 25

Giá trị RC cần phải thoả mãn điều kiện RC <10%. Nếu không th a mãn điều này
thì cần phải xác định l i ma trận so sánh. Các b ớc trên đ ợc thực hiện đối với tất cả
các mức và các nhóm của cây thứ bậc.
2.2.3. Tổng hợp độ ƣu tiên
Ta sử dụng những ma trận có đ ợc từ b ớc trên để có thể thiết lập ra độ u tiên
của các phần tử trong cây phân cấp. Độ u tiên là một số thuộc khoảng [0,1]. Chúng
biểu diễn sự liên kết của trọng số trong từng phần tử ở từng mức. Cuối cùng tổng hợp
các kết quả tính toán và đ a ra kết luận cuối cùng về ph ng án sẽ đ ợc lựa chọn.
n m
 THi    j ij ;
j 1

i 1
THi 1 (2.6)

Trong đó
 j - trọng số tiêu chí

 ij - trọng số đánh giá của ph ng án thứ i đối với tiêu chí thứ j

n - số l ợng tiêu chí đánh giá

m - số ph ng án đ ợc đ a ra lựa chọn
2.2.4. Ƣu và nhƣợc điểm của AHP
2.2.4.1. Ưu điểm AHP
- Ph ng pháp AHP cho phép xây dựng một hệ thống chỉ tiêu đánh giá rất linh
ho t;
- Ng ời ra quyết định đ ợc quyền linh ho t trong việc xếp h ng so sánh mức độ
quan trọng giữa các tiêu chí ở mỗi cấp;
- Ph ng pháp AHP dựa trên c sở toán học;
- Ph ng pháp AHP cho phép đánh giá tính t ng quan trọng các đánh giá của
chuyên gia.
2.2.4.2. Nhược điểm AHP
- Ph ng pháp AHP phân rã vấn đề quyết định thành các vấn đề con, các cặp so
sánh sẽ đ ợc t o thành trong quá trình đánh giá, tiếp cận theo cách này sẽ không thuận
lợi khi số l ợng cặp so sánh lớn;
- Hệ thống tỉ lệ đo của AHP bị giới h n rất khó khăn trong việc phân biệt giữa
chúng với nhau đối với ng ời ra quyết định;
 26

- Một nh ợc điểm nữa của ph ng pháp AHP là ở mức các ph ng án, việc đánh
giá các ph ng án chỉ dựa vào từng tiêu chí, việc đánh giá ở mức này ch a thực hiện
đ ợc đối với một nhóm các tiêu chí.
2.3. PHƢƠNG PHÁP AHP/DS
2.3.1. Hƣớng tiếp cận cải tiến
Mặc dù ph ng pháp phân tích thứ bậc đ ợc phổ biến rộng rãi và áp dụng vào
nhiều lĩnh vực, tuy nhiên ph ng pháp phân tích thứ bậc còn chứa một dãy các nh ợc
điểm. Vì thế mà đã và đang có nhiều nhà nghiên cứu tìm cách cải tiến ph ng pháp
hay nói cách khác là việc xây dựng ph ng pháp trên c sở ph ng pháp phân tích thứ
bậc với mong muốn làm giảm dãy nh ợc điểm nêu ở trên. Sau đây chúng ta sẽ xem xét
các h ớng cải tiến khác nhau của ph ng pháp phân tích thứ bậc.
Nghiên cứu của Noghin V.D. [20] đã đề xuất việc đ n giản hóa việc so sánh từng
cặp các phần tử trong quá trình xây dựng ma trận so sánh. Dựa trên c sở tính chất đối
xứng nghịch và tính chất bắc cầu của ma trận so sánh, tác giả đề xuất hai s đồ cải tiến
việc xây dựng ma trận so sánh: 1) S đồ so sánh từ mẫu phù hợp; 2) S đồ so sánh nối
tiếp. Hai s đồ so sánh đã giúp cải tiến ph ng pháp phân tích thứ bậc đ n giản h n ở
giai đo n xây dựng ma trận so sánh. Nh ng ph ng pháp chỉ đúng trong tr ờng hợp lý
t ởng khi mà ma trận so sánh từng cặp các đối t ợng trùng với ma trận trọng số. Sự
nổi bật của việc cải tiến s đồ xây dựng ma trận so sánh là giảm đáng kể độ phức t p
trong quá trình đánh giá, cụ thể là các chuyên gia cung cấp thông tin so sánh không
phải n*(n-1)/2 so sánh, mà chỉ cần cung cấp n-1 so sánh.
Một sự cải tiến khác Noghin V.D. và các cộng sự [20] là khả năng sử dụng chập
bội thay cho chập tuyến tính.
Trong ph ng pháp phân tích thứ bậc đối với việc xử lý thông tin không đầy đủ
về các tiêu chí và về các ph ng án đã có hai h ớng tiếp cận khác nhau: đó là sử dụng
khoảng mờ và tập mờ [14]. Cách tiếp cận thứ nhất đã có nhiều tác giả tiến hành đánh
giá các tiêu chí và các ph ng án theo khoảng yêu thích, có nghĩa là chuyên gia không
đ a ra một đánh giá chính xác mức độ yêu thích, mà chỉ là một khoảng yêu thích và
ngầm ý mức độ yêu thích chính xác thuộc khoảng đó. Rõ ràng, đánh giá theo khoảng
sẽ làm phức t p tính toán và thực hiện trên c sở ph ng pháp phân tích thứ bậc,
nh ng làm mềm dẻo thủ tục khai thác tri thức của các chuyên gia. Mặt khác, cách tiếp
cận này không lo i b sự đánh từng cặp các phân tử với nhau, vì vậy cách tiếp cận này
vẫn không xóa đi đ ợc những nh ợc điểm c bản của ph ng pháp phân tích thứ bậc.
Cách tiếp cận thứ hai - các chuyên gia sử dụng lý thuyết tập mờ. Cách tiếp cận
này hiệu quả h n việc đánh giá theo khoảng, vì lý thuyết tập mờ hỗ trợ việc miêu tả
không đầy đủ va không xác định. Cho tập vũ trụ  , tập mờ F thuộc tập vũ trụ, tập mờ
 27

đ ợc đặc tr ng bởi hàm  F :   [0,1] , và  F ( ) có mức thể hiện bao nhiêu phần tử
 của tập vũ trụ  thuộc tập hợp F . Tập  trong lý thuyết tập mờ gọi là tập hỗ trợ
của tập mờ và bản thân nó không là tập mờ. Tập mờ là hoàn toàn xác định bởi các hàm
thành viên t ng ứng và ng ợc l i, tức là cho một tập mờ F t ng đ ng với cho một
hàm thành viên  F của tập mờ. H n chế chính của cách tiếp cận này là xây dựng một
hàm thành viên, d ng của hàm này ch a đ ợc biết tr ớc.
Từ góc nhìn ứng dụng hay thực thi d ng đánh giá “tốt nhất” hoặc “tệ nhất”, “yêu
thích” hoặc “không yêu thích”, “nhiều h n” hoặc “ít h n”…vv đ ợc xem là đ n giản
nhất và thực tế nhất. Vì vậy, có nhiều tài liệu đã tiếp cận để sử dụng d ng đánh giá
này. Ngoài ra, tiếp cận với việc xử lý ph ng pháp sao cho không cần so sánh tất cả
các ph ng án mà chỉ sử dụng so sánh một số phần và đồng thời tính đến việc thiếu
thông tin hoàn toàn hoặc thiếu một phần thông tin. Trên h ớng tiếp cận này tác giả
Beynon [15] đã đề xuất h ớng cải tiến và trong ph ng pháp đề xuất có sử dụng
thuyết ngẫu nhiên (hay thuyết Dempster-Shafer) trên c sở ph ng pháp phân tích thứ
bậc. Chúng ta cùng nhau phân tích những nét c bản có đ ợc của ph ng pháp này
[12].
Ph ng pháp đ ợc đề xuất bởi Beynon [15] trên c sở ph ng pháp phân tích
thứ bậc của T. Saaty [22] kết hợp với thuyết ngẫu nhiên Dempster-Shafer.
Để tiếp tục khắc phục những nh ợc điểm nêu trên, nghiên cứu của (Beynon,
2002; Noghin, 2007; Utkin and Nguyen, 2008, N.V.Hieu 2014) đã đề cập tới một số
ph ng pháp cải tiến. Một ph ng pháp nổi bật của định h ớng này là ph ng pháp
phân tích thứ bậc với sự trợ giúp của thuyết Dempster - Shafer.
2.3.2. Lý thuyết Dempster- Shafer (DS)
Lý thuyết Dempster Shafer dựa trên hai ý t ởng: Thứ nhất để có đ ợc mức độ tin
t ởng đối với một câu h i từ xác suất chủ quan cho một câu h i từ xác suất chủ quan
cho một câu h i liên quan, thứ hai quy tắc của Dempster-Shafer trong việc kết hợp
nhiều mức độ của niềm tin.
Cho Ω là tập vũ trụ. Giả sử để có thông tin về một đối t ợng thuộc tập vũ trụ, sử
dụng N phép quan sát (hay N phép đo). Giả thiết rằng, kết quả của phép quan sát hay
phép đo là không chính xác, có nghĩa là đối t ợng quan sát đ ợc r i vào một tập con
nào đó của tập vũ trụ Ω. Đặt P o() là tập tất cả các tập con của Ω. Hàm tần suất m gọi
là xác suất c sở (basic probability) đ ợc định nghĩa (Beynon et al., 2000; Beynon,
2002) nh sau:
m : P o()  [0,1], m()  0,  m( Bi )  1.
Bi P o (  )
(2.7)

Chú ý rằng, hàm tần suất có miền xác định khác với hàm xác suất, hàm tần suất
 28

của sự kiện Bi  P o() (tập Bi) đ ợc định nghĩa:

m( Bi )  ci / N , với ci là số tập Bi quan sát đ ợc. (2.8)

Tiếp tục định nghĩa hàm niềm tin (belief function) và hàm thừa nhận
(probability function) của tập (sự kiện) B  P o() . Kí hiệu hàm niềm tin và hàm thừa
nhận của tập B lần l ợt t ng ứng là Bel( B) , Pl( B) .

Bel( B )   m( Bi ), Pl( B ) 
Bi : Bi  B

Bi : Bi  B 
m( Bi ). (2.9)

Nếu kí hiệu Pr( B ) là hàm xác suất của sự kiện B, thì hàm niềm tin và hàm thừa
nhận của sự kiện B có ý nghĩa nh là hàm chặn d ới và hàm chặn trên của hàm xác
suất sự kiện B, tức là:
Bel( B)  Pr( B)  Pl( B) (2.10)

2.3.3. Quy luật kết hợp Dempster

Nếu chúng ta có các thông tin từ các nguồn độc lập miêu tả về một đối t ợng
hoặc một sự kiện. Từ mỗi nguồn chúng ta xác định hàm tần suất, thì sử dụng quy luật
kết hợp các thông tin độc lập để nhận đ ợc thông tin về đối t ợng.
Cho hai nguồn sự kiện. Nguồn thứ nhất đ ợc khai triển N 1 phép quan sát
Ai(1)   , i  1,...., n1 , và ci(1) - số lần tập Ai(1) i  1,..., n1 quan sát đ ợc. Nguồn thứ hai
đ ợc triển khai N 2 phép quan sát A(2)
j   , j  1,..., n2 , và c(2)
j
- số lần tập A(2)
j
,
j  1,..., n2 quan sát đ ợc.

Quy luật kết hợp Dempster đ ợc thực hiện nếu th a mãn giả thiết rằng các nguồn
sự kiện là độc lập tuyến tính. Chúng ta kí hiệu xác suất c sở của các sự kiện t ng
ứng với nguồn một và nguồn hai là:
m1 ( Ai(1) )  сi(1) / N1 , m2 ( A(j 2) )  с(j2) / N2 . (2.11)

Khi đó hàm kết hợp xác suất c sở của sự kiện A là m12 đ ợc tính theo công thức
sau:
1
m12 ( A)   m1 ( Ai(1) )  m2 ( A(2)
j ),
(2.12)
1 K (1) (2)
Ai Aj A

với K  
(1) (2)
m1 ( Ai(1) )  m2 ( A(2)
j ) và m12 ( )  0 . (2.13)
Ai A j 

Chú ý rằng, nếu hai nguồn dữ liệu mà phân biệt nhau hoàn toàn thì
A  A(j 2)   , hai nguồn dữ liệu là đối nghịch hoặc xung khắc nhau. Chỉ số xung
i
(1)

khắc đ ợc xác định bởi hệ số xung khắc K . Nếu tất cả hai nguồn dữ chúng ta khảo sát
 29

thu đ ợc hoàn toàn xung khắc thì K  1, có nghĩa là lúc đó chúng ta không thể sử dụng
quy luật kết hợp Dempster.
2.3.4. Mô hình AHP/ DS
Để có quyết định đ a ra một cách đúng đắn, tác giả đã tiếp cận cải tiến ph ng
pháp ra quyết định đa mục tiêu trên c sở ph ng pháp phân tích thứ bậc. Đặc biệt,
ph ng pháp cải tiến của tác giả là sử dụng ra quyết định tập thể với mong muốn sử
dụng tri thức của các chuyên gia. Để có đ ợc kết quả ra quyết định ph ng pháp đề
xuất tiến hành các b ớc tiền xử lý nh sau:
1. Nhóm chuyên gia ánh x bài toán vào d ng cấu trúc cây thứ bậc (t ng tự nh
ph ng pháp phân tích thứ bậc).
2. Thu thập thông tin thông qua thủ tục khảo sát của các chuyên gia.
3. Xử lý và phân tích thông tin thu thập đ ợc.
Để dễ dàng hiểu bản chất ph ng pháp đề xuất của tác giả chúng ta cùng nhau
xem xét bài toán chọn loài cây chống chịu lửa. Giả sử sau khi thảo luận nhóm, 11
chuyên gia đã nhất trí để lựa chọn một loài cây chống chịu lửa: loài cây №1, loài cây
№2 và loài cây №3 (đ ợc ký hiệu t ng ứng là A1 , A2 , A3 ) dựa trên hai tiêu chí đánh
giá chính: Giá trị kinh tế- C1 ; Khả năng thích ứng với điều kiện lập địa - C 2 .
Mục đích

С1 С2

A1 A2 A3

Hình 2.6. Cấu trúc cây thứ bậc của bài toán lựa chọn loài cây chống chịu lửa
Bài toán chọn loài cây chống chịu lửa đ ợc các chuyên gia ánh x vào d ng cấu
trúc cây thứ bậc bao gồm hai tầng: tầng một phân bố các tiêu chí, tầng hai phân bố các
ph ng án (Hình 2.6).
Ở ví dụ này chúng ta phải l u ý rằng đây chỉ là mẫu trình bày cho một mô hình
đ n giản của bài toán thực tế về việc chọn loài cây chống chịu lửa. Ví dụ ở đây mục
đích chính là minh họa cho bản chất ph ng pháp mới ra quyết định đa mục tiêu mà
tác giả đề xuất (hay có thể gọi đ n giản là ph ng pháp phân tích thứ bậc cải tiến).
2.3.4.1. Thủ tục khảo sát các chuyên gia
Sau khi bài toán đ ợc ánh x vào cấu trúc d ng cây thứ bậc thì cần thông tin bổ
sung về các tiêu chí và các ph ng án. Các phần tử trên cùng một tầng đ ợc so sánh
 30

với nhau t ng ứng với một phần tử ở tầng trên cấu trúc cây. Vì vậy, ứng với bài toán
chọn loài cây chống chịu lửa thủ tục khảo sát ý kiến của chuyên gia đ ợc thực hiện hai
tầng: tầng thứ nhất khảo sát ý kiến của các chuyên gia về các tiêu chí, tầng thứ hai
khảo sát các chuyên gia về các ph ng án ứng với mỗi tiêu chí.
Cần l u ý rằng, trong quá trình thực hiện so sánh từng cặp các tiêu chí và so sánh
từng cặp các ph ng án chuyên gia th ờng khó khăn đ a ra kết quả so sánh bằng số từ
thang điểm đánh giá hoặc khó khăn đ a ra sự khác biệt hai phần tử hoặc đ a ra đ ợc
sự khác biệt nh ng không đáng kể, dẫn đến khó có thể đánh giá. Để khắc phục vấn đề
nêu ra, chỉ định đặt mỗi phần tử một số, trong sự cải tiến đề xuất xem xét không chỉ
các phần tử riêng lẽ, mà còn xem xét nhóm các phần tử. Ví dụ, nếu có 3 ph ng án
A1 , A2 , A3 , thì chuyên gia có thể so sánh vừa là các ph ng án riêng rẽ A1 , A2 , A3 và vừa
là các nhóm ph ng án { A1 A2 }, { A1 A3 }, { A2 A3 } . Do đó, khó khăn tr ớc tiên là triển khai
quá trình so sánh. Để giải quyết vấn đề này cho phép chuyên gia tự do thay việc thực
hiện so sánh từng cặp các phần tử trong cây thứ bậc bằng tiến trình chọn phần tử yêu
thích nhất. Trong quá trình khảo sát ý kiến chuyên gia đ a ra d ng đánh giá: “tốt nhất”
hoặc “xấu nhất”, “yêu thích” hoặc “không yêu thích”, “lớn h n” hoặc “bé h n”, “1”
hoặc “0”. Ở đây nếu một phần tử đ ợc chọn bởi chuyên gia thì đánh giá nhận đ ợc là
“1”, còn tất cả các phần tử còn l i là “0”.
Cho tập ph ng án Α  { A1 , A2 ,, An } đ ợc hình thành từ n thành phần, Po(A) -
tập của tất cả tập con ph ng án lấy từ Α , có ký hiệu Po( A)  {1 ,  2 ,,  l } , l  2n  1
(không bàn luận tính tập rỗng). T ng tự tập các tiêu chí C  {C1, C2 , , Cr } đ ợc hình
thành từ r thành phần, ký hiệu Po(C) - tập hợp của tất cả các tập con từ С, có thể ký
hiệu Po(C)  {C (1) , C (2) , , C ( k )} , k  1, r ; hay có thể viết
Po(C)  {D1 , D2 , , Dl }, l  1...2n 1 .

С ( k )  {C1( k ) , Ci( k ) , , C (sk ) } - tập tất cả các tiêu chí có chiều dài là k , i  1, s , với
r!
s  Crk  - số khả năng chọn tập tiêu chí, đ ợc hình thành từ r phần tử. Ví dụ
k !(r  k )!
với r  3, thì C  {C1 , C2 , C3} ,

3!
C (1)  {C1(1) , C (21) , C 3(1) }  {C1 , C 2 , C 3 } , s  C31   3,
1!(3  1)!
3!
C ( 2 )  {C1( 2 ) , C (22 ) , C 3( 2 ) }  {C1C 2 , C1C 3 , C 2 C 3 } , s  C32  3;
2!(3  2)!

С ( 3)  {C1( 3) }  {C1C 2 C 3 } , s  C33  1

Po(C)  {C (1) , C (2) , C (3) }  {C1 , C2 , C3 , C1C2 , C1C3 , C2C3 , C1C2C3} .

 31

Chúng ta ánh x mô hình vào cấu trúc thứ bậc và tính các d ng không chính xác
của các chuyên gia trên tầng tiêu chí và tầng ph ng án (hình 2.7). Tiến hành miêu tả
trên hai s đồ khảo sát

Mục đích

С1 С2 С1С2

A1 A2 A3 A1A2 A1A3 A2A3 A1A2A3

Hình 2.7. Cấu trúc cây mở rộng của bài toán lựa chọn loài cây chống chịu lửa
Trên tầng thứ nhất của s đồ khảo sát mỗi chuyên gia từ nhóm các chuyên gia
chọn một tập tiêu chí nào đó C i( k ) , với góc nhìn của chuyên gia đó nhóm tiêu chí quan
trọng nhất (ví dụ chuyên gia n chọn C i( k ) thì cni( k )  1 , và trong tr ờng hợp trái l i
r
cni( k )  0, và có 
k 1
 cni( k )  1 có nghĩa là chuyên gia n chỉ chọn một tập yêu thích
Ci( k ) C ( k )

nhất. Tiến hành khảo sát ý kiến với tất cả các chuyên gia (số chuyên gia ký hiệu N с )
Nc
thì thống kê cho kết quả số chuyên gia yêu thích nhóm tiêu chí C i( k ) là ci( k )   c ni( k )
n 1

Với ví dụ chọn loài cây chống chịu lửa chúng ta có kết quả trên. Từ bảng 2.3 có
thể phát biểu số chuyên gia tiến hành đánh giá là 10 ng ời, có 6 chuyên gia cho rằng
nhóm tiêu chí C1(1) là quan trọng nhất, 3 chuyên gia cho rằng nhóm tiêu chí C (21) là quan
trọng nhất và 2 chuyên gia khó khăn trong việc chọn tiêu chí quan trọng.
Bảng 2.3. Thống kê sự đánh giá của các chuyên gia về nhóm các tiêu chí
C1(1) C (21) C1( 2)
C i( k ) С1 С2 С1С 2

c i( k ) 6 3 2

Trên tầng thứ hai t ng ứng với mỗi tiêu chí С i , i  1, , r chuyên gia chọn nhóm
ph ng án  j  Po ( A) , và xem nhóm này là yêu thích nhất với tất cả các nhóm từ A .
Quá trình tiến hành khảo sát ý kiến của các chuyên gia với nhóm ph ng án đ ợc thực
hiện độc lập giữa các tiêu chí. Ví dụ chuyên gia n ứng với tiêu chí i cho tr ớc chọn tập
 32

 j là yêu thích nhất thì bnji  1 và trong các tr ờng hợp trái l i bnji  0 . L u ý mỗi
chuyên gia ứng với mỗi tiêu chí chỉ chọn một nhóm ph ng án yêu thích nhất tức
2 1
n


j 1
bnji  1. Thủ tục khảo sát nhóm ph ng án đ ợc lặp l i với tất cả các tiêu chí. Nếu

N A(i ) là số l ợng tham gia đánh giá ph ng án  j ứng với tiêu chí i, thì số yêu thích
N A( i )

 j ứng với tiêu chí i đ ợc tính bởi b ji  b

n 1
nji .

Sau khi các chuyên gia đã đánh giá tất cả nhóm ph ng án ứng với tiêu chí i
chúng ta có bộ số bi1, bi 2 ,..., b ,t ng ứng với số l ợng các chuyên gia lựa chọn tập
i 2 n 1

nhóm ph ng án yêu thích B1( i ) , B2( i ) ,..., B ( in) . Trên bảng 2.3 đ a ra sự đánh giá các
2 1

nhóm ph ng án ứng với các tiêu chí.

Bảng 2.4. Kết quả khảo sát của các chuyên gia về nhóm phương án ứng với mỗi
tiêu chí

B1 B2 B3 B4 B5 B6 B7

A1 A2 A3 A1 A2 A1 A3 A2 A3 A1 A2 A3

b1 j 2 1 3 3 0 2 0

b2 j 1 2 2 2 1 1 2
2.3.4.2. Xác định hàm niềm tin và sự thực
Dữ liệu có đ ợc là việc khảo sát mỗi thành viên của nhóm chuyên gia, sự khảo
sát giữa hai thành viên của nhóm chuyên gia có thể trùng nhau, cũng có thể đối nghịch
hay c nh tranh nhau. Dữ liệu thu đ ợc không chỉ là các phần tử riêng lẽ, mà còn nhóm
các phần tử. Điều này có thể hiểu là thông tin có đ ợc ở b ớc này là không chính xác.
Để xử lý các thông tin này chúng ta sử dụng thuyết ngẫu nhiên (lý thuyết Dempster-
Shafer)
Trong lý thuyết này, ứng với mỗi nhóm tiêu chí hàm xác suất c sở m(C i(k ) ) đ ợc
tính theo công thức: Tải bản FULL (87 trang): bit.ly/2Ywib4t
Dự phòng: fb.com/KhoTaiLieuAZ
ci( k )
m(C )  (k )
i ,  m(Ci( k ) )  1. (2.14)
N c Ci( k ) Po (C )

Cụ thể đối với ví dụ hàm xác suất c sở của tập tiêu chí đ ợc tính trong bảng 2.5.
 33

Xác suất c bản của nhóm ph ng án B j ứng với tiêu chí Ci và có thể tính bởi
công thức sau:
c ji
m( B j | Ci ) 
N A( i )
, i : 
B j Po ( A)
m( B j | Ci )  1. (2.15)

Bảng 2.5. Giá trị xác suất cơ sở của nhóm các tiêu chí
C (k )
i C1(1) C (21) C1( 2)
С1 С2 С1С 2
c i( k ) 6 3 2
m (C (k )
i ) 0,55 0,27 0,18
Dựa trên các đánh giá nhận đ ợc để tính xác suất c sở của nhóm ph ng án. Ví
dụ chọn loài cây chống chịu lửa đ ợc trình bày trong bảng 2.6.
Bảng 2.6. Giá trị hàm xác suất cơ sở của các nhóm phương án ứng với mỗi tiêu
chí
B1 B2 B3 B4 B5 B6 B7
A1 A2 A3 A1 A2 A1 A3 A2 A3 A1 A2 A3
c1 j 2 1 3 3 0 2 0
c2 j 1 2 2 2 1 1 1
m( B j | C1 ) 0,18 0,10 0,27 0,27 0,00 0,18 0,00
m( B j | C 2 ) 0,09 0,18 0,18 0,18 0,09 0,09 0,18
Nhiệm vụ tiếp theo là tổng hợp kết quả đánh giá để nhận đ ợc trọng số của các
nhóm ph ng án (hay nói cách khác là sự thành lập tiêu chí chung)
Chú ý rằng, việc đánh giá của chuyên gia và tính toán ứng với hai tầng: tầng thứ
nhất đánh giá các nhóm tiêu chí của tập С , có nghĩa là C (i k)  Po (C ) ; tầng thứ hai đánh
giá nhóm ph ng án ứng với mỗi tiêu chí riêng rẽ từ tập С . Câu h i cần quan tâm là
làm thế nào để tính các xác suất của tập tiêu chí khi chọn nhóm ph ng án? Trong đề
tài đề xuất h ớng giải quyết: sử dụng ph ng pháp xác suất để tổng hợp kết quả đánh
giá. Tải bản FULL (87 trang): bit.ly/2Ywib4t
Dự phòng: fb.com/KhoTaiLieuAZ
2.3.4. . y ựng ài toán tối ưu
Giả sử tiêu chí Сi có xác suất chọn là pi , thì đối với tất cả các tiêu chí thực hiện
ràng buộc sau:
r

p
i 1
i 1. (2.16)
 34

Mặt khác, chúng ta biết đ ợc xác suất c sở của các nhóm tiêu chí Di là m( Di ) , ở
với mọi Di  Po(C) , chúng ta tính đ ợc hàm niềm tin và hàm sự thực.

Bel ( Dk )   m( D ) ,
i: Di  Dk
i (2.17)

Pl ( Dk ) 
i : Di

Dk 
m( Di ) , k  1,2,...,2  1 .
r
(2.18)

Quay l i với ví dụ lựa chọn loài cây chống chịu lửa có:
Po(C )  ( D1 , D2 , D3 )  (C1 , C 2 , C1C 2 ) , (2.19)
2

p
i 1
i  p1  p2 (2.20)

Bel ( D1 )  m(C1 )  0,5455, Pl( D1 )  m(C1 )  m(C1C2 )  0,5455  0,1818  0,7273

(2.21)
Bel ( D2 )  m(C2 )  0,2727 , Pl( D2 )  m(C2 )  m(C1C2 )  0,2727  0,1818  0,4545
(2.22)
Bel ( D3 )  m(C1 )  m(C 2 )  m(C1C 2 )  1 , Pl ( D3 )  m(C1 )  m(C 2 )  m(C1C 2 )  1
(2.23)
Lúc này, chúng ta xem hàm niềm tin và hàm sự thực giống nh giới h n d ới và
trên của xác suất chọn tập D k và cùng với giả thiết ứng với mỗi tiêu chí có xác suất
chọn là pi , thì chúng ta có thể viết công thức đối với nhóm tiêu chí D k nh sau:

Bel ( Dk )  
i:Ci Dk
pi  Pl ( Dk ) (2.24)

Bel ( D1 )  p1  Pl( D1 ) , 0,5455  p1  0,7273 (2.25)

Bel ( D2 )  p2  Pl( D2 ) , 0,2727  p2  0,4545 (2.26)

Bel ( D3 )  p1  p 2  Pl ( D3 ) , 1  p1  p2  1 (2.27)

Với tập các ràng buộc sẽ hình thành nên một tập P thể hiện sự phân bổ xác xuất
p  ( p1 , , pr ) .

Nhiệm vụ tiếp theo là tổng hợp các kết quả đang có để đ a ra trọng số các
ph ng án. Ph ng pháp tổng hợp và xử lý thông tin không đầy đủ phụ thuộc trực tiếp
vào tiêu chí ra quyết định. Trong quá trình xây dựng tiêu chí toàn cục trong bài toán ra
quyết định chúng ta tiến hành tổng hợp kết quả đánh giá ứng với mỗi tiêu chí cho
tr ớc. Một số l ợng lớn ph ng pháp ra quyết định đ ợc xây dựng tiêu chí toàn cục

567812356