Mô hình Ra Quyết Định Đa Tiêu Chí Sử Dụng Tập Neutrosophic Khoảng Động và Môi Trường Động
MỤC LỤC
TẬP NEUTROSOPHIC GIÁ TRỊ KHOẢNG ĐỘNG VÀ MÔ HÌNH
Giới thiệu
Tuy nhiên, các nghiên cứu hiện tại đã chưa cân nhắc nhiều đến đồng thời cả hai vấn đề sau: tính không chắc chắn, không xác định, không nhất quán của dữ liệu và dữ liệu được tập hợp theo giá trị khoảng tại các khoảng thời gian. Phần này của luận án đề xuất một lý thuyết mở rộng của tập neutrosophic giá trị khoảng tên là tập neutrosophic giá trị khoảng động (DIVNS) để thể hiện yếu tố thời và mô hình TOPSIS mở rộng dựa trên lý thuyết mở rộng đã được đề xuất cho bài toán ra quyết định trong môi trường neutrosophic giá trị khoảng động.
Tập neutrosophic giá trị khoảng động
(i) Định nghĩa tập neutrosophic giá trị khoảng động (DIVNS) để thể hiện yếu tố thời gian và phát biểu một số định nghĩa mở rộng, các phép toán, tính chất và tương quan của tập neutrosophic giá trị khoảng động (DIVNS). Hệ số tương quan của tập neutrosophic giá trị khoảng động Trong mục này, luận án trình bày hệ số tương quan của tập neutrosophic giá trị khoảng động, đây là một chỉ số đo lường mối liên hệ tương quan giữa hai DIVNS. Hàm điểm số của tập neutrosophic giá trị khoảng động Hàm điểm số được dùng để chuyển đổi DIVNS thành các giá trị tin cậy để so sánh sự kiện DIVNE phục vụ trong mô hình ra quyết định trong môi trường neutrosophic động.
Mô hình TOPSIS-DIVNS
Bước 3: Tính đánh giá trung bình có trọng số của những lựa chọn Trung bình đánh giá có trọng số của các lựa chọn tại τl là. Từ bảng 2.1 và mã giả thuật toán 2.1 có thể thấy rằng độ phức tạp tính toán của phương pháp TOPSIS-DIVNS là O(MNHK). Ma trận đánh giá neutrosophic giá trị khoảng động R; Ma trận W đánh giá sự quan trọng của N tiêu chí được cho bởi H người ra quyết định.
Phân tích thực nghiệm
Điều này có thể giải thích bởi lý do mô hình ra quyết định mà Ye [127] đã đề xuất chưa hiểu được toàn bộ môi trường dữ liệu neutrosophic giá trị khoảng động trong bài toán thực tế đánh giá năng lực sinh viên trong mục 1.4. Cụ thể mô hình ra quyết định của Ye [127] chưa hiểu được: những ước lượng của người ra quyết định cho sinh viên được cho bởi giá trị khoảng theo thời gian, trọng số của tiêu chí được ước lượng bởi đa người ra quyết định với giá trị khoảng theo thời gian và mô hình ra quyết định dựa trên hệ số tương quan. Qua ví dụ minh họa đánh giá năng lực sinh viên và việc so sánh phương pháp đã đề xuất với phương pháp ra quyết định của Ye [126, 127], Peng [94], Chi và Liu [32] có thể thấy rằng phương pháp ra quyết định đã đề xuất ở dạng đơn giản là có thể xử lý và cho quyết định như các phương pháp tốt nhất trong môi trường neutrosophic giá trị khoảng và phương pháp ra quyết định đã đề xuất cho kết quả gần với phương pháp có thể xử lý yếu tố thời gian trong môi trường neutrosophic giá trị đơn động.
![Bảng 2.6 cho thấy rằng với phương pháp của Ye [126] xếp hạng của 5 sinh viên là A 5 ≺ A 2 ≺ A 3 ≺ A 4 ≺ A 1 và A 5 là sinh viên tốt nhất](https://media.store123doc.com/figures/003/546/bang-phuong-phap-xep-hang-vien-vien-tot-3546845.webp)
THÔNG TIN TRỌNG SỐ CỦA MCDM TRONG MÔI TRƯỜNG
Giới thiệu
Khan và cộng sự [100] đã giới thiệu một nghiên cứu dựa trên sự kết hợp của phương pháp cực đại sai lệch và phương pháp TOPSIS cho giải pháp vấn đề MCDM, trong đó thông tin là được miêu tả bởi số mờ do dự Pythagorean và thông tin về trọng số thuộc tính là không đầy đủ. Nhiều nghiên cứu đã quan tâm đến vấn đề này trong MCDM sử dụng tập neutrosophic và tích phân Choquet như Peng và cộng sự [92] đã trình bày phép toán trung bình nhân mờ do dự neutrosophic giá trị đơn dựa trên phép toán trung bình Heronian và tích phân Choquet. Phương pháp tận dụng lợi thế của tích phân Choquet để thể hệ mối tương quan của các tiêu chí trong MCDM và hai phép toán trung bình dựa trên tích phân Choquet: phép toán trung bình cộng có sắp thứ tự mờ do dự neutrosophic giá trị đơn và phép toán trung bình nhân có sắp thứ tự mờ do dự neutrosophic giá trị đơn.
Thông tin trọng số không biết
Input :M lựa chọn; N tiêu chí; H người ra quyết định; K lần quan sát Ma trận R đánh giá neutrosophic giá trị khoảng động; Số mũ α; Output: CC¨ - danh sách hệ số tương quan của M lựa chọn. Qua ví dụ đánh giá năng lực sinh viên và việc so sánh giữa những phương pháp ra quyết định có thể thấy rằng phương pháp đã đề xuất ở dạng đơn giản có thể xử lý và cho kết quả tương tự như phương pháp ra quyết định tốt nhất trong môi trường neutrosophic giá trị khoảng động. Cụ thể phương pháp đề xuất có thể xử lý được vấn đề thông tin trọng số không biết bao gồm trọng số thời gian, trọng số người ra quyết định và trọng số tiêu chí trong môi trường neutrosophic giá trị khoảng động mà phương pháp ra quyết định trong chương 2 chưa cân nhắc đến.
Tương quan giữa các tiêu chí
Hệ số tương quan (Không biết thông tin trọng số). Qua ví dụ đánh giá năng lực sinh viên và việc so sánh giữa những phương pháp ra quyết định có thể thấy rằng phương pháp đã đề xuất ở dạng đơn giản có thể xử lý và cho kết quả tương tự như phương pháp ra quyết định tốt nhất trong môi trường neutrosophic giá trị khoảng động. Hơn nữa, phương pháp đề xuất trong mục này là mở rộng hơn phương pháp đã được đề xuất trong chương2. Cụ thể phương pháp đề xuất có thể xử lý được vấn đề thông tin trọng số không biết bao gồm trọng số thời gian, trọng số người ra quyết định và trọng số tiêu chí trong môi trường neutrosophic giá trị khoảng động mà phương pháp ra quyết định trong chương 2 chưa cân nhắc đến. 3.3.1 Phép toán trung bình Choquet giá trị khoảng động Trong các mô hình ra quyết định truyền thống, sự quan trọng của mỗi tiêu chí trong mô hình thường được cho bởi một giá trị trọng số trong[0,1]. Điều này không thể hiện sự tương quan của những tiêu chí trong việc ra quyết định. Với phép toán DIVNCOA và DIVNCOG bằng việc kết hợp lý thuyết tích phân Choquet và DIVNS. Độ đo mờ được sử dụng để xác định trọng số kết hợp của những tiêu chí, do vậy trong mô hình ra quyết định sử dụng phép toán trung bình DIVNCOA hay DIVNCOG có thể thể hiện được tính tương quan giữa những tiêu chí trong môi trường neutrosophic giá trị khoảng động. ,xv} là một tập cỏc thuộc tớnh và à là một độ đo mờ trờn X , phép toán DIVNCOA và DIVNCOG là được định nghĩa như:. ,v) là một tập hợp của các DIVNE, giá trị trung bình có được bởi phép toán DIVNCOA, DIVNCOG cũng là một. Sự khác biệt vị trí giữa những sinh viên A1,A2,A3,A4 có thể được lý giải bởi sự tương quan giữa những tiêu chí đã ảnh hưởng mạnh đến sinh viên A2 và A4 và chiến lược ra quyết định dựa trên tích phân choquet có ảnh hưởng đến kết quả ra quyết định. Qua ví dụ trong đánh giá năng lực sinh viên và những nhận định so sánh ở trên có thể thấy rằng phương pháp đã đề xuất ở dạng đơn giản có thể xử lý và cho kết quả gần như phương pháp ra quyết định tốt nhất trong môi trường neutrosophic giá trị khoảng động.
MÔ HÌNH RA QUYẾT ĐỊNH ĐỘNG TRONG MÔI TRƯỜNG NEUTRO-
Giới thiệu
Phương pháp ra quyết định trong chương 2, chương 3vẫn chưa quan tâm đến vấn đề thay đổi bộ tiêu chí, tập lựa chọn, người ra quyết định và dữ liệu lịch sử. Để đưa dữ liệu lịch sử vào mô hình ra quyết định, Je [128] đã đề xuất hai phép toán trọng số nhãn ngôn ngữ neutrosophic khoảng do dự để xếp hạng những lựa chọn trong môi trường động. Dựa trên các phép toán số học của GDIVNS (khoảng cách và các phép toán trung bình có trọng số), một mở rộng của phương pháp TOPSIS tên là phương pháp TOPSIS động được đề xuất.
Tập neutrosophic giá trị khoảng động tổng quát
(iii) Nhân vô hướng. Cho ∼h là một GDIVNE. Hơn nữa, hàm điểm số của của GDIVNE ∼h là được định nghĩa bởi. Cho ba sự kiện GDIVNE. ,n) là tập hợp của GDIVNE. FγUj(¨τ)wj. Vì vậy, có thể dễ dàng quan sát thấy kết quả của phép toán GDIVNWA cũng là một GDIVNE và định lý 4.1 đã được chứng minh. ,n) là một tập hợp GDIVNE. TγUj(¨τ)wj. Vì vậy, có thể dễ dàng quan sát thấy kết quả của phép toán GDIVNWG cũng là GDIVNE và định lý 4.2 đã được chứng minh. ,n) là tập hợp GDIVNE.
Mô hình ra quyết định DTOPSIS
Những lựa chọn được xếp hạng dựa trên các giá trị hệ số tương quan Mã giả của phương pháp được trình bày tại thuật toán 4.1. Từ bảng 4.1 và mã giả thuật toán4.1 có thể thấy rằng độ phức tạp tính toán của phương pháp DTOPSIS là O(SMNHK). 13 Ước lượng đánh giá trung bình xij∗ của lựa chọn Ai cho tiêu chí Cj tại tr với dữ liệu lịch sử bởi công thức 4.18;.
Ví dụ thực nghiệm
(2) Tại học kỳ thứ hai (t2): sinh viên mới A4 đã được thêm vào quá trình ra quyết định và bộ tiêu chí trong nhóm kiến thức cũng được khảo sát. Các bước tính toán của trung bình đánh giá của sinh viên và trung bình trọng số quan trọng của bộ những tiêu chí được thể hiện trong bảng 15 - 16 ở phần phụ lục. Bộ tiêu chí vẫn giữ nguyên như học kỳ thứ 2 với 14 tiêu chí trong 3 nhóm thái độ, kỹ năng và kiến thức.
Phân tích thực nghiệm
Vớ dụ thực tế về đỏnh giỏ năng lực sinh viờn ở trờn đó minh họa rừ ràng tác động của yếu tố thời gian trong mô hình ra quyết định bao gồm: bộ tiêu chí, người ra quyết định, bộ lựa chọn thay đổi theo thời gian và dữ liệu lịch sử. Không chỉ vậy, mô hình ra quyết định DTOPSIS đã giải quyết một số vấn đề động của bài toán ra quyết định trong môi trường động như bộ lựa chọn, tiêu chí và người ra quyết định thay đổi theo thời gian trong khi các phương pháp trong chương2và chương 3chưa đề cập đến. Mô hình DTOPSIS có thể xử lý vấn đề ra quyết định động với dữ liệu có tính không chắc chắn, không xác định, không nhất quán được thể hiện theo yếu tố thời gian và bộ tiêu chí, bộ lựa chọn, người ra quyết định thay đổi theo thời gian trong môi trường neutrosophic giá trị khoảng động.
