Tích hợp ý kiến ngôn ngữ và xác định độ nhất trí của nhóm chuyên gia ứng dụng trong đánh giá giáo dục luận văn thạc sĩ

LỜI CAM ĐOAN Tôi xin cam đoan bản luận văn “Tích hợp ý kiến ngôn ngữ và xác định độ nhất trí của nhóm chuyên gia - Ứng dụng trong đánh giá giáo dục” là công trình nghiên cứu của tôi, dư

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TT&TT

QUÁCH THỊ THANH HẢI

MỤC LỤC

MỤC LỤC i

DANH MỤC CÁC HÌNH VẼ iv

LỜI CAM ĐOAN vii

LỜI CẢM ƠN viii

PHẦN 1 MỞ ĐẦU 1

PHẦN 2 NỘI DUNG 3

CHƯƠNG I: TẬP MỜ VÀ BIẾN NGÔN NGỮ 3

1.1 Tập mờ 3

1.1.1 Định nghĩa tập mờ 4

1.1.2 Một số khái niệm đặc trưng của tập mờ 6

1.1.3 Các phép toán trên tập mờ 7

1.2 Số mờ và các phép toán trên số mờ 17

1.2.1 Số mờ: 17

1.2.2 Tập mờ lồi: 17

1.2.3 Tập mờ chuẩn 17

1.2.4 Các số mờ hay dùng 17

1.3 Nhãn ngôn ngữ, biến ngôn ngữ 19

1.3.1 Nhãn ngôn ngữ 19

1.3.2 Biến ngôn ngữ: 20

1.4 Kết luận chương 1 22

CHƯƠNG II TÍCH HỢP Ý KIẾN VÀ XÁC ĐỊNH 23

ĐỘ ĐỒNG THUẬN CỦA NHÓM CHUYÊN GIA 23

2.1 Một số phương pháp tích hợp 23

2.1.1 Phương pháp tích hợp FLOWA 23

2.1.2 Phương pháp tích hợp trọng số FLOWA 28

2.2 Độ nhất trí của nhóm chuyên gia 32

2.1.1 Đo mức đồng thuận 32

2.2.2 Xếp hạng các ứng viên 33

2.2.3 Tính độ đồng thuận 35

2.2.4 Giá trị trung bình trên cơ sở đồng thuận 35

2.3 Kết luận: 36

Chương III CHƯƠNG TRÌNH ỨNG DỤNG 38

3.1 Đặt bài toán 38

3.2 Các thao tác tính toán: 40

3.3 Ngôn ngữ lập trình 41

3.4 Giao diện và hướng dẫn sử dụng 42

3.5 Kết quả thử nghiệm 47

3.6 Đánh giá thi đua giữa các Trường THPT thuộc Sở Giáo dục và đào tạo tỉnh Ninh Bình 50

3.7 Một số kết luận từ kết quả thử nghiệm 52

3.8 Kết luận chương 3 53

KẾT LUẬN 54

TÀI LIỆU THAM KHẢO 56

DANH MỤC BẢNG BIỂU

Bảng 2.1 kết quả tập hợp sau khi FLOWA với thái độ rủi ro: 30 Bảng 2 2: Ví dụ xếp hạng 34

DANH MỤC CÁC HÌNH VẼ

Hình 1.1 Đồ thị biểu diễn tập mờ cho số nguyên 5

Hình 1.2: Biểu diễn tập mờ cho các tập người thấp, trung bình và cao 6

Hình 1.3 Minh họa cho phép hợp giữa 2 tập mờ 8

Hình 1.4 Minh họa cho phép giao giữa 2 tập mờ 9

Hình 1.5 Minh họa cho phép lấy phần bù của tập mờ 9

Hình 1.6 Phép co 11

Hình 1.7 Các hàm thuộc của biến Nhiệt độ 16

Hình 1.8: Số mờ hình thang 18

Hình 1.9: Số mờ tam giác 19

Hình 2.1 Khái niệm FLOWA 24

Hình 2.2: Ví dụ về tích hợp 3 nhãn ngôn ngữ 27

Hình 2.3: sự phân bố trọng số của 1 chuyên gia lạc quan 28

Hình 2.4: Sự phân bố trọng số từ các chuyên gia E2 31

Hình 2.5: kết quả tích hợp sau khi FLOWA với thái độ rủi ro 31

Hình 2.6: Các hàm thành viên của 3 số mờ A, B và C 34

Hình 3.1: Giao diện chính của màn hình 42

Hình 3.2: Giao diện sau khi kết nối cơ sở dữ liệu thành công 42

Hình 3.3: Giao diện cập nhật dữ liệu 43

Hình 3.4: Giao diện nhập các đối tượng 43

Hình 3.5: Giao diện nhập dữ liệu chuyên gia 44

Hình 3.6: Giao diện chọn danh sách và nhập kết quả đánh giá 44

Hình 3.7: Giao diện chọn các đối tượng cần đánh giá 45

Hình 3.8: Lưu các đối tượng vừa chọn 45

Hình 3.9: Chọn các chuyên gia tham gia đánh giá 46

Hinh 3.10: Nhập dữ liệu phần đánh gia của từng chuyên gia 46

Hình 3.11: Dữ liệu đánh giá của từng chuyên gia 47

Hình 3.12: Kết quả đánh giá mức độ đồng thuận của các chuyên gia 48 Hình 3.13: Kết quả đánh giá mức độ đồng thuận khi đã có sẵn dữ liệu 49 Hình 3.14 : Dữ liệu vào của các chuyên gia đánh giá 50 Hình 3.15 Kết quả đánh giá thi đua giữa các Trường THPT ở tỉnh Ninh Bình 51 Hình 3.16: Kết quả đánh giá thi đua khi đã có sẵn dữ liệu 52

LỜI CAM ĐOAN

Tôi xin cam đoan bản luận văn “Tích hợp ý kiến ngôn ngữ và xác

định độ nhất trí của nhóm chuyên gia - Ứng dụng trong đánh giá giáo dục” là công trình nghiên cứu của tôi, dưới sự hướng dẫn khoa học của

PGS.TS Nguyễn Tân Ân, tham khảo các nguồn tài liệu đã được chỉ rõ trong trích dẫn và danh mục tài liệu tham khảo Các nội dung công bố và kết quả trình bày trong luận văn này là trung thực và chưa từng được ai công bố trong bất cứ công trình nào

Thái Nguyên, tháng 7 năm 2014

Quách Thị Thanh Hải

Xin cảm ơn các bạn cùng lớp và đồng nghiệp nơi tôi công tác đã tạo điều kiện cho tôi hoàn thành luận văn này

Xin gửi lời cảm ơn tới gia đình tôi đã động viên tôi trong suốt quá trình học tập và hoàn thành luận văn

Mặc dù tôi đã có nhiều cố gắng hoàn thành luận văn một cách tốt nhất, tuy nhiên do năng lực còn nhiều hạn chế nên không thể tránh khỏi những thiếu sót Vì vậy, tôi rất mong nhận đƣợc những đóng góp quý báu của thầy

cô và các bạn

PHẦN 1 MỞ ĐẦU

1 Lý do chọn đề tài và tính cấp thiết

Ra quyết định nhóm là một hoạt động rất quan trọng, rất cần thiết trong kinh doanh, sản xuất, dịch vụ và trong đánh giá giáo dục Ra quyết định nhóm (có nghĩa là nhiều chuyên gia) là hoạt động ra quyết định chuẩn trong đó sử dụng một số chuyên gia làm giảm bớt một số khó khăn của việc ra quyết định

và giảm độ phức tạp và không chắc chắn của vấn đề Vấn đề có thể được mô

tả như sau:

Có một số các lựa chọn (hay ứng viên hay phương án) Làm thế nào để chỉ ra lựa chọn tốt nhất Đây là một bài toán tối ưu thường có đa mục tiêu Khi các thông tin về các lựa chọn lại là thông tin mờ thì vấn đề còn khó hơn nữa Trong trường hợp này, ngay cả khi đã hạ thấp độ tốt của nghiệm, thay vì tìm phương án tối ưu ta chỉ cần tìm phương án chấp nhận được vấn đề cũng không đơn giản Có một cách giải quyết là lấy ý kiến chuyên gia

Có một nhóm chuyên gia, mỗi chuyên gia đóng vai trò một người đánh giá Nhiều trường hợp, mỗi chuyên gia được gán một trọng số phản ánh vai trò hay tầm quan trọng của mình trong việc ảnh hưởng tới kết quả chung Trước các lựa chọn, mỗi chuyên gia cho một đánh giá trên từng lựa chọn, để theo đó họ cho rằng đâu là lựa chọn tốt nhất Từ các ý kiến riêng lẻ, làm thế nào để có được ý kiến chung? Hơn nữa ý kiến chung này phải đạt mức độ đồng thuận cao trong nhóm?

Rất ít khi các ý kiến riêng lẻ của các chuyên gia lại trùng nhau, vì thế việc tích hợp các ý kiến chuyên gia thành ý kiến chung là việc trước tiên phải làm Trong quá trình tìm ý kiến chung, phải làm sao tìm được ý kiến chung đạt được sự đồng thuận cao của cả nhóm Vì thế ta luôn phải xác định mức độ đồng thuận thuận kèm theo mỗi ý kiến chung tìm được

Đã có một số tác giả công bố những kết quả nghiên cứu về vấn đề này, tuy nhiên những kết quả đó đều không đủ tổng quát để áp dụng cho mọi trường hợp để trường hợp nào cũng đạt hiệu quả cao

Trong khuôn khổ của một luận văn thạc sỹ, tôi chọn đề tài “Tích hợp ý kiến ngôn ngữ và xác định độ nhất trí của nhóm chuyên gia - Ứng dụng trong đánh giá giáo dục” nhằm nghiên cứu phương pháp tích hợp ý kiến dưới dạng ngôn ngữ của các chuyên gia và xác định độ nhất trí đối với kết quả tích hợp Luận văn cũng sẽ nhằm minh họa và khẳng định tính khả thi của kết quả nghiên cứu

2 Đối tượng và phạm vi nghiên cứu

Nghiên cứu tích hợp ý kiến dưới dạng ngôn ngữ và xác định độ nhất trí của nhóm chuyên gia đối với ý kiến chung Ứng dụng trong đánh giá giáo dục

3 Hướng nghiên cứu của đề tài

- Nghiên cứu lý thuyết tập mờ, số mờ, biến ngôn ngữ, nhãn ngôn ngữ

- Nghiên cứu về tích hợp và tích hợp các nhãn ngôn ngữ

- Phương pháp tính độ nhất trí giữa các chuyên gia

- Xây dựng ứng dụng trong đánh giá giáo dục

4 Phương pháp nghiên cứu

- Phương pháp đọc tài liệu, phân tích, tổng hợp

- Phương pháp thực nghiệm và đối chứng

5 Ý nghĩa khoa học của đề tài

Việc nghiên cứu phương pháp tích hợp ý kiến dưới dạng ngôn ngữ của

các chuyên gia và xác định độ nhất trí đối với kết quả tích hợp Từ đó xây dựng một ứng dụng trong đánh giá giáo dục

PHẦN 2 NỘI DUNG CHƯƠNG I: TẬP MỜ VÀ BIẾN NGÔN NGỮ 1.1 Tập mờ

Năm 1965, L.A Zadeh lần đầu tiên đưa ra khái niệm và lý thuyết về tập

mờ thông qua bài báo “Fuzzy Set” được đăng trên tạp chí Information and Control và sau đó với hàng loạt bài báo sau này đã mở đầu cho sự phát triển

và ứng dụng của lý thuyết này Ngày nay, lý thuyết tập mờ vẫn không ngừng phát triển và đóng góp ứng dụng của nó vào trong nhiều ngành nghiên cứu như: lý thuyết điều khiển, trí tuệ nhân tạo, khai phá dữ liệu,…

Ý tưởng cơ bản của tập mờ xuất phát từ những khái niệm trừu tượng về ngữ nghĩa của thông tin không chắc chắn như: trẻ, xinh, cao, tốt,… Khi nói đến khái niệm tập hợp thường là những phần tử có cùng một số tính chất chung nào đó, ví dụ như tập các học sinh Ta có:

S = {s | s là học sinh}

Vậy nếu một người nào đó là học sinh thì thuộc tập S, ngược lại thì không thuộc tập S Tuy nhiên, trong thực tế có rất nhiều trường hợp mà khái niệm không được định nghĩa một cách rõ ràng Ví dụ, khi nhận xét về một người: “người này cao” thì khi đó sẽ có một câu hỏi: “như thế nào là cao?”, hoặc có những ví dụ khác như: “lớp những chiếc xe đẹp”, “lớp những người già ”,… Khi đó những khái niệm trên được gọi là những khái niệm mờ, đó là những khái niệm không được định nghĩa một cách rõ ràng Những tập hợp dạng này đã được Zadeh biểu diễn bằng một khái niệm toán học được gọi là tập mờ và được coi như là một trường hợp riêng được khái quát từ khái niệm tập hợp kinh điển

Xét lại ví dụ trên, ta sẽ đi biểu diễn ngữ nghĩa của khái niệm “cao”

trong việc đánh giá về một người Giả sử chiều cao của con người được biểu diễn trong đoạn từ [0.5, 2.5] tính theo đơn vị mét Theo Zadeh, khái niệm

“cao” có thể biểu diễn như sau: Xét tập hợp Acao là những người được đánh

giá là cao Ông đưa ra một câu hỏi cần trả lời “Một người có chiều cao x được hiểu là thuộc tập Acao như thế nào?” Thông thường ta có thể thấy những

người cao từ 1.7 - 2.5 sẽ thuộc vào tập Acao tức là độ thuộc bằng 1; nhưng với

người có chiều cao 1.68m thì có lẽ chỉ thuộc vào tập Acao với độ thuộc 0.3,

còn người có chiều cao 1.6m sẽ thuộc vào tập Acao với độ thuộc 0,… Từ đó

ông đưa ra, ngữ nghĩa của khái niệm cao sẽ được biểu diễn bằng một hàm số

Từ định nghĩa trên chúng ta có thể suy ra:

- Tập mờ A là rỗng nếu và chỉ nếu hàm thuộc về μA(a)= 0, a  U

- Tập mờ A là toàn phần nếu và chỉ nếu μA(a) = 1, a  U

- Hai tập mờ A và B bằng nhau nếu μA(x) = μB(x) với mọi x trong U

Ví dụ 3

Một sự biểu diễn tập mờ cho số "integer nhỏ"

Hình 1.1 Đồ thị biểu diễn tập mờ cho số nguyên

Một sự biểu diễn tập mờ cho các tập người thấp, trung bình và cao

Hình 1.2: Biểu diễn tập mờ cho các tập người thấp, trung bình và cao

1.1.2 Một số khái niệm đặc trưng của tập mờ

* Định nghĩa 1.1

(i) Giá của tập mờ: Giá của tập mờ A, ký hiệu là Support( A), là tập

con của U trên đó A( )u 0, Support A( )  u:A( )u  0

(ii) Độ cao của tập mờ: Độ cao của tập mờ A, ký hiệu là hight( A), là cận trên đúng của hàm thuộc A trên U, hight A( ) sup{A( ) :u u U }

(iii) Tập mờ chuẩn: Tập mờ A được gọi là tập mờ chuẩn nếu hight( A)

= 1 Trái lại, tập mờ được gọi là dưới chuẩn

(iv) Lõi của tập mờ: Lõi của tập mờ A, ký hiệu là Core( A), là một tập

con của U đƣợc xác định nhƣ sau:

(i) Lực lượng vô hướng: Lực lƣợng hay bản số thực của tập A, ký hiệu

là Count( A), đƣợc tính theo công thức đếm sau:

( ) arith A( )

u U Count A   u , nếu U là tập hữu hạn hay đếm đƣợc

(ii) Lực lượng mờ: Lực lƣợng hay bản số mờ của tập A là một tập mờ

trên tập các số nguyên không âm N đƣợc định nghĩa nhƣ sau:

1.1.3 Các phép toán trên tập mờ

1.1.3.1 Phép hợp

Cho 2 tập mờ A ( ,x A( )) |x xU và B ( ,x B( )) |x xU cùng

không gian tham chiếu U Tập mờ C ( ,x C( )) |x xU là hợp của A và B

ký hiệu là C  A B , trong đó ( ) max{ ( ), ( )}

Minh họa cho phép hợp trên tập mờ:

Hình 1.3 Minh họa cho phép hợp giữa 2 tập mờ

Ví dụ: Cho không gian tham chiếu U x x1, 2, ,x x9, 10 và 2 tập mờ:

không gian tham chiếu U Tập mờ C ( ,x C ( )) |x xU là giao của A và B

ký hiệu là C  A B , trong đó ( ) min{ ( ), ( )}

Minh họa cho phép hợp trên tập mờ:

Hình 1.4 Minh họa cho phép giao giữa 2 tập mờ 1.1.3.3 Phép lấy phần bù

Phần bù của tập mờ A ( ,x A ( )) |x xU là tập mờ ký hiệu là ~ Ađƣợc xác định nhƣ sau:

~ A  ( ,1x A( )) |x x U

Minh họa cho phép hợp trên tập mờ:

Hình 1.5 Minh họa cho phép lấy phần bù của tập mờ

Ví dụ: Cho không gian tham chiếu U x x1, 2, ,x x9, 10 và 2 tập mờ:

Cho 2 tập mờ A và B trên tập vũ trụ U Tổng đại số của 2 tập mờ này

là một tập mờ, ký hiệu là A B được định nghĩa bởi đẳng thức sau:

Trường hợp U là hữu hạn hoặc vô hạn đếm được:

Ví dụ: Cho không gian tham chiếu U x x1, 2, ,x x9, 10 và 2 tập mờ:

Ví dụ: Cho không gian tham chiếu U x x1, 2, ,x x9, 10 và 2 tập mờ:

Ta có A( )u A( )u nên phép dãn sẽ làm hàm thuộc của tập mờ đó

“dãn nở” ra, hàm thuộc của tập mờ thu được sẽ xác định một miền thực sự bao hàm miền giới hạn bởi hàm thuộc của tập mờ gốc Trên Hình 1.6, đường cong nét chấm biểu diễn hàm thuộc A( )u còn đường cong nét liền biểu thị hàm thuộc ( )

của các tập mờ A i , i = 1, 2, …, n, ký hiệu là A1A2  An hoặc

1

n i

i A

  , là một tập mờ trên tập vũ trụ U1U2  U n được định nghĩa như sau:

1 1

( ) ( ) / ( , , )

n n

hệ luật của các hệ trợ giúp quyết định hay hệ chuyên gia, hệ luật trong điều khiển thường có các dạng luật sau đây:

sở U i của biến X i Và các phương pháp giải liên quan đến các luật “Nếu – thì” nêu trên thì đều đòi hỏi việc tích hợp dữ liệu trong phần tiền tố “Nếu” nhờ toán tử kết nhập và tích Đề-các là một toán tử như vậy

1.1.3.9 Phép tổ hợp lồi

Cho A i là tập mờ của tập vũ trụ U i , tương ứng với biến ngôn ngữ X i , i

= 1, 2, …, n, và w i 0, 1 , là các trọng số về mức độ quan trọng tương đối

của biến X i so với các biến khác, i = 1, 2, …, n, và thỏa ràng buộc

1

1

n i i

w





Khi đó tổ hợp lồi của các tập mờ A i , i = 1, 2, …, n, là một tập mờ xác định

trên U U1U2  U n, hàm thuộc của nó được định nghĩa như sau:

mờ Béo trên miền U1 = [40, 100] theo đơn vị kg và của tập mờ Cao trên miền

U2 = [50, 220] theo đơn vị cm được biểu thị như sau:

Béo =

1 2 100

1

1 40

40 1

2

2 50

140 1

Khi đó, tập mờ To-lớn được biểu thị qua phép tổ hợp lồi sau:

To-lớn = 0.6 Béo + 0.4 Cao = 100 220 1 2 1 2

40 50 { 0.6BÐo( )u  0.4Cao(u )}du du

 

Ví dụ:

(70,170) 0.6 0.5 0.4 0.5 0.5(80,170) 0.6 0.64 0.4 05 0.584(70,180) 0.6 0.5 0.4 0.64 0.556

To-lín To-lín To-lín

Việc mờ hóa có 2 bài toán:

- Tìm tập mờ biểu thị một tập kinh điển hay nói theo một cách tổng quát là hãy mờ hóa một tập mờ đã cho A

- Tìm độ thuộc của giá trị ngôn ngữ của một biến ngôn ngữ tương ứng với một dữ liệu đầu vào là thực hoặc mờ

* Với bài toán thứ nhất phép mờ hóa được định nghĩa như sau:

Phép mờ hóa F của một tập mờ A trên tập vũ trụ U sẽ cho một tập mờ

F( A,K) đƣợc xác định theo công thức sau:

Phép mờ hóa đƣợc đánh giá là có vai trò quan trọng trong biểu diễn ngữ

nghĩa của các gia tử ít nhiều, một chút, hơi, nhiều Ví dụ, với khái niệm mờ giỏi khi nói về năng lực chuyên môn của một cán bộ, thì khái niệm hơi giỏi có thể đƣợc biểu thị bằng phép mờ hóa tác động vào tập mờ biểu diễn khái niệm giỏi

* Với bài toán mờ thứ hai được giới hạn trong trường hợp tập vũ trụ là tập hữu hạn các giá trị ngôn ngữ

Giả sử T là tập các giá trị ngôn ngữ của một biến ngôn ngữ X nào đó

trên miền cơ sở U Cho một tập kinh điển hoặc tập mờ A trên U Tìm tập mờ

trên miền T biểu thị tập mờ A hay nói cách khác, hãy tìm độ thuộc của giá trị

 trong T tương ứng với dữ liệu đầu vào A

Ví dụ, xét biến Nhiệt độ thời tiết với T = {Thấp, Trung bình, Cao} với

không gian cơ sở là [0, 100] theo đơn vị 0C Khi đó, cần xác định độ thuộc

hay giá trị chân lý TV của mệnh đề A :  , T , với := được hiểu là “xấp xỉ bằng” Có các giá trị chân lý sau cần xác định:

(Thấp) = TV( A:= Thấp)

(Trung-bình) = TV( A:= Trung-bình)

(Cao) = TV( A:= Cao)

Hình 1.7 Các hàm thuộc của biến Nhiệt độ

Việc xác định các giá trị chân lý trên sẽ dựa trên đồ thị hàm thuộc của tập mờ đầu vào A và được tiến hành như sau:

Dựa vào đồ thị ta thấy tập mờ đầu vào A cắt đồ thị hàm thuộc Thấp ở giá trị 0.52 Giá trị này biểu thị độ phù hợp nhất của tập mờ A biểu diễn qua tập mờ, hay khái niệm mờ thấp là 0.52 Tương tự, đồ thị A sẽ cắt đồ thị của

tập mờ Trung-bình ở hai giá trị 0.34 và 0.82 và do đó độ phù hợp nhất của

việc biểu diễn ngữ nghĩa của A qua khái niệm mờ Trung-bình là giá trị 0.82

lớn hơn Còn độ phù hợp của A biểu thị qua khái niệm Cao là 0.18 Nhƣ vậy, việc mờ hóa sẽ đƣa việc biểu diễn tập mờ A trên U thành tập mờ trên tập các

giá trị ngôn ngữ T sau:

ý kiến ngôn ngữ của các chuyên gia thành ý kiến chung của cả nhóm Phương pháp LOWA là một cách tiếp cận như vậy Phương pháp này dựa trên cơ sở của OWA và hợp thành chuyển đổi nhãn ngôn ngữ

1.3.2 Biến ngôn ngữ:

L.A.Zadeh viết “khi thiếu hụt tính chính xác bề ngoài của những vấn đề phức tạp, một cách tự nhiên là tìm cách sử dụng các biến ngôn ngữ, đó là các biến mà giá trị của chúng không phải là số mà là các từ hoặc các câu trong ngôn ngữ tự nhiên hoặc nhân tạo Động lực cho việc sử dụng các từ, các câu hơn các số là đặc trưng ngôn ngữ của các từ, các câu thường ít xác định hơn các số”

Trong cơ sở dữ liệu quan hệ, các quan hệ hay các bảng dữ liệu chứa các thuộc tính hay các tên cột Nó chỉ tính chất của đối tượng Các thuộc tính này cũng thể hiện trong ngôn ngữ như để mô tả tính chất đối tượng là con người, trong ngôn ngữ tự nhiên chúng ta có những thuộc tính TUỔI, CHIỀU CAO, NĂNG LỰC,…Các thuộc tính này có thể mô tả bằng giá trị ngôn ngữ như trẻ, già, rất trẻ,… Vì lý do như vậy, Zaedh gọi các thuộc tính kiểu như

vậy là biến ngôn ngữ và miền giá trị của chúng là giá trị ngôn ngữ hay gọi là miền ngôn ngữ

1.3.2.1 Định nghĩa:

Biến ngôn ngữ là một bộ năm (X, T(X), U, R, M), trong đó X là tên biến, T(X) là tập các giá trị ngôn ngữ của biến X, U là không gian tham chiếu của biến cơ sở u, mỗi giá trị ngôn ngữ xem như là một biến mờ trên U kết hợp với biến cơ sở u, R là một quy tắc cú pháp sinh các giá trị ngôn ngữ của T(X), M là quy tắc ngữ nghĩa gán mỗi giá trị ngôn ngữ trong T(X) với một tập mờ trên U

Ví dụ

Cho X là biến ngôn ngữ có tên là AGE, biến cơ sở u lấy theo số tuổi của con người có miền xác định là U = [0, 100] Tập các giá trị ngôn ngữ T(AGE) = old, er old, mor or less young, less young, ver yov y e y ung,  R là một quy tắc sinh các giá trị này M gán ngữ nghĩa mỗi tập mờ với một giá trị ngôn ngữ Chẳng hạn đối với giá trị nguyên thủy old, M  old u, old u u0, 100 ,

1.3.2.2 Các đặc trưng của biến ngôn ngữ:

Trong thực tế có rất nhiều biến ngôn ngữ khác nhau về các giá trị nguyên thủy, chẳng hạn biến ngôn ngữ SỐ NGÀY LÀM VIỆC, có giá trị nguyên thủy là ít, nhiều, biến ngôn ngữ LƯƠNG có giá trị nguyên thủy là thấp, cao,… Tuy nhiên, những kết quả nghiên cứu đối với một biến ngôn ngữ

cụ thể vẫn giữ được

ý nghĩa về mặt cấu trúc đối với miền giá trị của các biến còn lại Đặc trưng này được gọi là tính phổ quát của biến ngôn ngữ

Ngữ nghĩa của các gia tử và các liên từ hoàn toàn độc lập với ngữ cảnh, điều này khác với giá trị nguyên thủy của các biến ngôn ngữ lại phụ thuộc vào ngữ cảnh Ví dụ ta nói LƯƠNG của một cán bộ Nam rất cao, khi đó được hiểu rằng LƯƠNG khoảng trên 9.000.000 đồng, nhưng ta nói CHIỀU CAO của cán bộ Nam là rất cao được hiểu rằng CHIỀU CAO khoảng trên 1.8m Do

đó khi tìm kiếm mô hình cho các gia tử và các liên từ chúng ta không quan tâm đến giá trị nguyên thủy của biến ngôn ngữ đang xét Đặc trưng này gọi là tính độc lập của ngữ cảnh của gia tử và liên từ

Các đặc trưng cho phép chúng ta sử dụng cùng một tập các gia tử và xây dựng một cấu trúc toán học duy nhất cho miền giá trị của các biến ngôn ngữ khác nhau

1.4 Kết luận chương 1

Lý thuyết tập mờ đã được Zadeh đưa ra nhằm mô tả những khái niệm không rõ ràng đã được nghiên cứu, phát triển và mở rộng thêm bởi nhiều khái niệm mới Qua chương 1 tôi đã trình bày những khái niệm cơ bản về tập mờ, các phép toán trên tập mờ như phép giao, hợp, lấy phần bù, tích Đề-các,… cũng như các khái niệm cơ bản liên quan đến số mờ và các phép toán trên số

mờ, nhãn ngôn ngữ và biến ngôn ngữ Trong nội dung tiếp theo, tôi sẽ trình bày việc tích hợp ý kiến của các chuyên gia thành ý kiến chung của cả nhóm

và đưa ra mức độ đồng thuận của cả nhóm Từ đó ứng dụng trong đánh giá giáo dục

CHƯƠNG II TÍCH HỢP Ý KIẾN VÀ XÁC ĐỊNH

ĐỘ ĐỒNG THUẬN CỦA NHÓM CHUYÊN GIA 2.1 Một số phương pháp tích hợp

Ra quyết định nhóm là một hoạt động rất quan trọng, rất cần thiết trong nhiều các khía cạnh của nền văn minh của chúng ta Trong nhiều trường hợp

do tính phức tạp vốn có, các chuyên gia không thể bày tỏ quan điểm hay đánh giá của mình bằng các con số chính xác, vì thế họ biểu diễn đánh giá của mình bằng các nhãn ngôn ngữ

Một yếu tố phức tạp khác là trên thực tế rất hiếm khi tất cả các cá nhân trong một nhóm có chung một ý kiến về các lực chọn Điều này dẫn đến sự cần thiết phải tích hợp tất cả các ý kiến cá nhân khác nhau vào ý kiến chung của cả nhóm Mà tích hợp là bước quan trọng trong quá trình ra quyết định nhóm hơn nữa chúng ta cũng mong muốn đánh giá độ nhất trí giữa các chuyên gia Độ nhất trí này gọi là sự đồng thuận, Trong chương 2 này sẽ trình bày phương pháp tích hợp ý kiến đánh giá của chuyên gia dưới dạng các nhãn ngôn ngữ và đo mức độ đồng thuận của nhóm Các mô hình tích hợp cho phép các chuyên gia có trọng số để thể hiện một mức độ tin cậy hoặc mức

độ quan trọng đối với ý kiến của họ và trình bày mô hình tính độ nhất trí dựa trên ý kiến của từng chuyên gia và ý kiến chung của cả nhóm

2.1.1 Phương pháp tích hợp FLOWA

Giả sử có m nhãn ngôn ngữ (thể hiện quan điểm của mchuyên gia)

 i, , , ,l j ( )

X  s s s i l j , trong đó s ilà nhãn nhỏ nhất trong X , s jlà nhãn lớn nhất trong X và X S Ta cũng có vec tơ trọng số

 i, , l, , j ( )

W  w w w i l j được gắn với các nhãn ngôn ngữ thể hiện trọng số của từng chuyên gia Trong đó w l là trọng số của chuyên gia chọn nhãn s lthể hiện ý kiến của mình, trọng số này biểu diễn địa vị, cấp bậc hoặc những gì tương tự như vậy để thể hiện sức nặng của ý kiến mà chuyên gia đưa ra

Đặc biệt hơn nữa, trọng số của mỗi nhãn được chọn và được lan truyền đến tất cả các nhãn khác trong nhóm như sau Trọng số được gán cho nhãn nhỏ nhất s iđược gán theo xu hướng giảm cho các nhãn nằm bên phải (các nhãn lớn hơn) Trọng số được gán cho nhãn lớn nhất s j được gán theo xu hướng tăng cho các nhãn nằm bên trái bắt đầu từ nhãn s i Trọng số được gán cho các nhãn ở giữa được lan truyền tương tự như các nhãn bên phải và bên trái của nó như trong hình 2.1

Hình 2.1 Khái niệm FLOWA

Hàm thành viên của nhãn thứ k (giữa s i và s j) trong toán tử FLOWA là một hàm theo các trọng số của chuyên gia được định nghĩa như sau: