slike bài giảng hệ trợ giúp quyết định - trần đình khang chương 2 các mô hình ra quyết định vớis ựkhông chắc chắn

HỆ TRỢ GIÚP QUYẾT ĐỊNH Lớp HTTT + Pháp Nămhọc 2009 - 2010 Bài 4, 5, 6 – Các mô hình ra quyết định vớisự không chắcchắn 3.3. Các mô hình ra quyết định vớisự không chắcchắn: NỘI DUNG : -Ra quyết định đathuộctinh -Toántử tích hợp -Quanhệ so sánh TD Khang – ĐHBK Hà Nội Mô hình bài toán đathuộc tính, đamục tiêu, đa tiêu chuẩn TD Khang – ĐHBK Hà Nội A/ Ra quyết định đathuộc tính Lựachọn trong số các phương án được đặctrưng bởi nhiềuthuộctính Dạng bảng biểudiễn giá trị củacácphương án tại các thuộctínhtương ứng | Các thuộctính Các phương án | Các giá trị TD Khang – ĐHBK Hà Nội Thuộctính z Chuẩn hoá các giá trị củamộtthuộctính - Đơn điệu: tuyến tính: r ij = x ij / x j *, vớix j * là giá trị lớnnhất (lợi ích) (nhỏ nhất-thuộc tính giá) trong miền giá trị thuộctínhX j vectơ: r ij = x ij / (Σ i x ij 2 ) 1/2 - Không đơn điệu: r ij = exp(-z 2 /2), z= (x ij –x j 0 ) / σ j - Định tính z Trọng số củacácthuộc tính: w j ∈[0,1], Σ w j =1 Các phương pháp z Phương pháp TRỘI A1 → A2 (A1 trộihơnA2), nếucácgiátrịđềutốt hơnhoặctương đương ở tấtcả các thuộctính Chọn các ph/án không bị phương án khác trộihơn z HỘI: Mỗithuộctínhđềucógíatrị Ngưỡng, chọn phương án mà mọigíatrị thuộctínhđềutốthơn Ngưỡng tương ứng z TUYỂN: Chọnphương án có ít nhấtmột giá trị tốt hơnNgưỡng tương ứng Các phương pháp z Loạibỏ dần: Xét thuộc tính X 1 , chọnA 1 = {A i | x i1 thoả X 1 } Tiếptục xét các thuộctínhtiếp theo để loạibỏ z MAXIMAX: l i max = max j {x ij } ChọnA k , nếul k max = max i {l i max } z MAXIMIN: l i min = min j {x ij } ChọnA k , nếul k min = max i {l i min } TOPSIS (Technique for Order Prefe- rence by Similarity to Ideal Solution z Quan sát thêm các phương án lý tưởng với các giá trị tốtnhất(xấunhất) ở các thuộctính, sau đó tính khoảng cách và độ tương tự của các phương án so vớicácphương án lý tưởng z Dựavàođó để sắpxếpthứ tự hoặclựachọn TOPSIS (Technique for Order Prefe- rence by Similarity to Ideal Solution z Bước1: chuẩn hoá, đưa các giá trị về r ij ∈[0,1] z Bước 2: tính giá trị theo trọng số v ij = r ij * w j z Bước 3: tính các giảipháplýtưởng A* = (v 1 *,v 2 *,…,v m *), vớiv j * là giá trị tốtnhấtcủaX j A - = (v 1 - ,v 2 - ,…,v m - ), vớiv j - là giá trị tốtnhấtcủaX j z Bước 4: tính khoảng cách S i * = (Σ j (v ij -v j *) 2 ) 1/2 , S i - = (Σ j (v ij -v j - ) 2 ) 1/2 z Bước 5: tính độ tương tự: C i * = S i - / (S i *+S i - ) ELECTRE (Elimination et choix traduisant la realité) z Bước1: chuẩn hoá, đưa các giá trị về r ij ∈[0,1] z Bước 2: tính giá trị theo trọng số v ij = r ij × w j z Bước 3: tính tập phù hợp và không phù hợp C(p,q) = { j | v pj ≥ v qj }, D(p,q) = { j | v pj <v qj } z Bước 4: tính chỉ số phù hợp và không phù hợp C pq = Σ w j* , vớij*∈C(p,q), D pq = (Σ j* |v pj* -v qj* |) / (Σ j |v pj -v qj |), vớij*∈D(p,q), j=1, …, m z Bước5; [...]... của (ai1, ai2, , ain), thì để tính W, cần giải hệ phương trình n ẩn sau: b11 w1 + b 12 w2 + + b1n wn = y1 b21 w1 + b 22 w2 + + b2n wn = y2 bm1 w1 + bm2 w2 + + bmn wn = ym w1 + w2 + + wn = 1 wi ∈ [0,1] Các họ toán tử OWA TD Khang – ĐHBK Hà Nội Toán tử SO-OWA Toán tử SA-OWA Toán tử S-OWA Toán tử Step-OWA Toán tử Window-OWA Toán tử BADD-OWA C/ Quan hệ so sánh TD Khang – ĐHBK Hà Nội Quan hệ so sánh giá... cho phân tích ra quyết định Nhận xét TD Khang – ĐHBK Hà Nội Chuyển thành luật Phân lớp, khai phá dữ liệu Tỉa cây (tỉa cây trước - cùng với dựng cây, tỉa cây sau, sai số tỉa cây) , khử nhiễu Bảng quyết định - Cây quyết định - Mạng quyết định (có thêm nút HOẶC) B/ Toán tử tích hợp TD Khang – ĐHBK Hà Nội Trong quá trình ra quyết định, người ta thường phải kết nhập nhiều thông tin lại để lấy ra một kết quả... Giả định khả năng kinh tế phát triển được ước tính là 50%, trì trệ là 30% và lạm phát là 20 % Có thể tính được giá trị kỳ vọng của lợi nhuận khi đầu tư - ! Quần áo Nhận xét TD Khang – ĐHBK Hà Nội Sự không chắc chắn, thiếu thông tin: các cách tiếp cận lạc quan, bi quan, mạo hiểm Đa mục tiêu: tích hợp các mục tiêu Bảng quyết định khi có ít phương án chọn CÂY QUYẾT ĐỊNH TD Khang – ĐHBK Hà Nội Cây quyết định. .. traduisant la realité) Bước 5: Tính C, D bằng trung bình các chỉ số Cpq, Dpq Có Ap trội hơn Aq, nếu Cpq ≥ C và Dpq < D Đồ thị Trội Lõi K của Đồ thị Trội bao gồm các đỉnh không bị đỉnh nào khác trội hơn, mỗi đỉnh không thuộc lõi K đều bị một đỉnh thuộc K trội hơn Chọn các phương án trong K Xây dựng bảng quyết định TD Khang – ĐHBK Hà Nội - Xác định các thuộc tính điều kiện ảnh hưởng đến quyết định, các. .. - max j f(i,j) Ưu điểm của cây quyết định TD Khang – ĐHBK Hà Nội - Đơn giản và trực quan: mọi người có thể hiểu cây quyết định thông qua các giải thích ngắn gọn - Không đòi hỏi nhiều thời gian chuẩn bị dữ liệu, không cần chuẩn hóa - Có thể xử lý các kiểu dữ liệu khác nhau: số, danh sách, logic, - Sử dụng mô hình "hộp trắng" - Dễ dàng thử lại, đánh giá - Mạnh, hiệu quả, ngay cả với tập dữ liệu lớn,... trị giữa các phương án chọn: Quan hệ thứ tự Quan hệ ưa thích hơn Quan hệ xấp xỉ Quan hệ tương tự Dựa vào đó, để sắp thứ tự các phương án Quan hệ nhị phân rõ TD Khang – ĐHBK Hà Nội Cho A là tập các phương án chọn, R là quan hệ nhị phân thứ tự yếu, nếu với a,b ∈A có R (a,b) = 1, nếu a không tồi hơn b 0, ngược lại Quan hệ nhị phân thứ tự yếu thỏa mãn tính chất phản xạ R (a,a) = 1 Phân chia PIJ TD Khang –... của thuộc tính đó Cây gồm các nút quyết định, các nhánh và các lá Mỗi nút quyết định mô tả một phép thử X nào đó, mỗi nhánh của nút tương ứng với một khả năng chọn của X Mỗi lá gắn với một nhãn lớp Ví dụ TD Khang – ĐHBK Hà Nội David quản lý một câu lạc bộ Golf, gặp vấn đề về số lượng khách, có ngày có khách đến chơi, các nhân viên làm không hết việc, có ngày không có khách, các nhân viên lại có nhiều... David muốn dự đoán trước khi nào các khách hàng sẽ đến chơi golf để bố trí nhân viên Thời tiết đóng vai trò quan trọng Cây quyết định TD Khang – ĐHBK Hà Nội Chơi 9, không 5 TRỜI (Nắng,Mây,Mưa) Chơi 2, không 3 Chơi 4, không 0 ĐỘ ẨM (70) Chơi 2, không 0 Chơi 3, không 2 GIÓ(Đúng,Sai) Chơi 0, không 3 Chơi 0, không 2 Chơi 3, không 0 Kết luận: Nếu trời nhiều mây thì chắc chắn có khách đến chơi, nếu trời... chơi Các công thức TD Khang – ĐHBK Hà Nội Gini Impurity (sự hỗn tạp): IG(i) = 1 - Σmj=1 f(i,j )2 , với f(i,j) là tần suất giá trị j tại nút i, IG(i) đạt min ( =0 ), nếu tất cả các trường hợp của nút đều chỉ nhận một giá trị Information Gain (độ đo mang tin): IE(i) = - Σmj=1 f(i,j) log 2 f(i,j), entropy Misclassification Measure (độ đo phân lớp sai): IM(i) = 1 - max j f(i,j) Ưu điểm của cây quyết định. .. thể xảy ra với từng điều kiện Cột của bảng - Xác định các phương án có thể Hàng của bảng - Điền vào các giá trị tương ứng các phương án và thuộc tính Ví dụ: Bài toán đầu tư TD Khang – ĐHBK Hà Nội Có 3 mặt hàng đầu tư sản xuất: Bia rượu, quần áo và thuốc lá Thông tin về lợi nhuận phụ thuộc vào tình trạng nền kinh tế được cho như sau: Đầu tư Kinh tế phát triển Kinh tế trì trệ Lạm phát Quần áo 12% 6% 3% . HỆ TRỢ GIÚP QUYẾT ĐỊNH Lớp HTTT + Pháp Nămhọc 20 09 - 20 10 Bài 4, 5, 6 – Các mô hình ra quyết định vớis không chắcchắn 3.3. Các mô hình ra quyết định vớis không chắcchắn: NỘI DUNG : -Ra quyết. DUNG : -Ra quyết định đathuộctinh -Toántử tích hợp -Quanhệ so sánh TD Khang – ĐHBK Hà Nội Mô hình bài toán đathuộc tính, đamục tiêu, đa tiêu chuẩn TD Khang – ĐHBK Hà Nội A/ Ra quyết định đathuộc. (Σ i x ij 2 ) 1 /2 - Không đơn điệu: r ij = exp(-z 2 /2) , z= (x ij –x j 0 ) / σ j - Định tính z Trọng số củacácthuộc tính: w j ∈[0,1], Σ w j =1 Các phương pháp z Phương pháp TRỘI A1 → A2 (A1 trộihơnA2),