BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM HÀ NỘI DƯƠNG ĐỨC THÀNH TÍCH HỢP QUAN HỆ HƠN MỜ TRONG HỆ TRỢ GIÚP QUYẾT ĐỊNH Chuyên ngành: Khoa học máy tính Mã số: 60 48 01 01 LUẬN VĂN THẠC SĨ MÁY TÍNH Người hướng dẫn khoa học: PGS.TS NGUYỄN TÂN ÂN HÀ NỘI, 2015 LỜI CẢM ƠN Trước hết với lòng biết ơn chân thành sâu sắc nhất, xin gửi lời cảm ơn tới Thầy giáo PGS.TS Nguyễn Tân Ân, tận tình dạy dỗ hướng dẫn suốt trình nghiên cứu, hoàn thành luận văn Tôi xin gửi lời cảm ơn chân thành tới Thầy, Cô giáo công tác Trường Đại học Sư phạm Hà Nội 2, người tận tình giảng dạy, truyền thụ cho kiến thức khoa học trình học tập trường Cuối cùng, xin gửi lời cảm ơn chân thành đến gia đình, bạn bè, đồng nghiệp động viên, chia sẻ giúp đỡ suốt trình học tập thực nghiên cứu đề tài Mặc dù cố gắng hoàn thành luận văn với tất nỗ lực thân, luận văn thiếu sót Kính mong nhận ý kiến đóng góp quý Thầy, Cô bạn bè đồng nghiệp Tôi xin chân thành cảm ơn! Hà Nội, ngày 28 tháng 11 năm 2015 Học viên Dương Đức Thành LỜI CAM ĐOAN Tôi xin cam đoan số liệu kết nghiên cứu luận văn trung thực không trùng lặp với đề tài khác Tôi xin cam đoan giúp đỡ cho việc thực luận văn cảm ơn thông tin trích dẫn luận văn rõ nguồn gốc Học viên Dương Đức Thành MỤC LỤC LỜI CẢM ƠN LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH VẼ ĐỒ THỊ DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT PHẦN I: MỞ ĐẦU PHẦN II: NỘI DUNG NGHIÊN CỨU 10 Chương I Tổng quan hệ trợ giúp định 10 1.1 Quyết định trình định 10 1.2 1.3 Hệ trợ giúp định gì? 12 Các thành phần hệ trợ giúp định 13 1.4 Năng lực hệ trợ giúp định 15 1.5 Lợi ích hệ trợ giúp định 17 Kết luận chương I 17 Chương II Tập mờ, quan hệ mờ, định với quan hệ mờ 18 2.1 Tập mờ 18 2.1.1 Giới thiệu 18 2.1.2 Khái niệm tập mờ 19 2.1.3 Định nghĩa tập mờ (Fuzzy set): 20 2.1.4 Các phép toán tập mờ: 22 2.2 Quan hệ mờ 28 2.2.1 Định nghĩa quan hệ mờ 28 2.2.2 Hợp thành quan hệ mờ 33 2.3 Ra định với quan hệ mờ(hơn ngôn ngữ) 37 2.3.1 Một số khái niệm 37 2.3.2 Ra định với quan hệ ngôn ngữ mờ 42 2.3.3 Ví dụ minh họa 46 Kết luận chương 52 Chương III Xây dựng hệ thống trợ giúp định đánh giá giảng viên Học viện Tài 53 3.1 Bài toán 53 3.2 Thuật toán 53 3.3 3.4 Cài đặt 54 Chạy thử 54 Kết luận Chương III 59 KẾT LUẬN 60 TÀI LIỆU THAM KHẢO 61 DANH MỤC CÁC BẢNG Bảng 2.1 Phép giao hoán hai tập mờ Bảng 2.2 Phép hợp hai tập mờ Bảng 2.3 Quan hệ số thêm vào A1 Bảng 2.4 Quan hệ số thêm vào A2 Bảng 2.5 Quan hệ số thêm vào A3 Bảng 2.6 Tập mối quan hệ số thêm vào A Bảng 2.7 (1) Quan hệ ngôn ngữ mờ R Bảng 2.8 ( 2) Quan hệ ngôn ngữ mờ R Bảng 2.9 ( 3) Quan hệ ngôn ngữ mờ R ~ ~ ~ DANH MỤC CÁC HÌNH VẼ ĐỒ THỊ Hình 1.1 Các giai đoạn trình định Hình 1.2 Các thành phần hệ hỗ trợ định Hình 1.3 Năng lực hệ trợ giúp định Hình 2.1 Đồ thị biểu diễn lôgic rõ Hình 2.2 Đồ thị biểu diễn lôgic mờ Hình 2.3 Đồ thị biểu diễn tập mờ cho số nguyên Hình 2.4 Đồ thị biểu diễn tập mờ cho tập người đàn ông thấp, trung bình cao Hình 2.5 Đồ thị biểu diễn hàm thuộc Hình 2.6 Đồ thị biểu diễn phép giao Hình 2.7 Đồ thị biểu diễn phép hợp Hình 3.1 Giao diện chương trình Hình 3.2 Kết chạy ứng dụng liệu số Hình 3.3 Kết chạy ứng dụng liệu ngôn ngữ DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT DSS: Decision Support System (Hệ trợ giúp định) LA: Linguistic Averaging (Trung bình ngôn ngữ) LWA: Linguistic Weighted Averaging (Trung bình trọng số ngôn ngữ) ULA: Uncertain Linguistic Averaging (Trung bình ngôn ngữ không chắc) ULWA: Uncertain Linguistic Weighted Averaging (Trung bình trọng số ngôn ngữ không chắn) PHẦN I: MỞ ĐẦU Lý chọn đề tài Ra định việc hay gặp đời sống hàng ngày Ra định thực chất toán tối ưu, người định phải chọn ứng viên tốt số ứng viên Khi định, người định phải xem xét ứng viên cách kĩ lưỡng, theo nhiều tiêu chí khác nhau, sở so sánh ứng viên để tìm ứng viên tốt Ta biết toán tối ưu đa mục tiêu toán khó Bài toán khó thông tin theo tiêu chí ứng viên thông tin mờ Một cách giải toán xin ý kiến chuyên gia Do chuyên gia thường có quan điểm khác nhau, với vốn hiểu biết kinh nghiệm khác vấn đề xem xét, nên ý kiến chuyên gia thường khác Vì sau có ý kiến chuyên gia, người giải toán cần phải tích hợp ý kiến lại để ý kiến chung Khi xin ý kiến chuyên gia, trước đây, người ta thường yêu cầu chuyên gia cho ý kiến đánh giá ứng viên, ứng viên nhận đánh giá mờ dạng “nhãn” ngôn ngữ, kiểu “tốt”, “khá”, “trung bình”,…Gần nhiều tác giả yêu cầu chuyên gia không đánh giá ứng viên riêng lẻ mà so sánh ứng viên xem ứng viên “hơn” ứng viên bao nhiêu, tức đưa quan hệ mờ tập ứng viên, dựa vào người ta “tính ra” ứng viên ứng viên tốt Theo cách làm có hai vấn đề xuất hiện: i) Một quan hệ mờ xác định nào? ii) Vấn đề tích hợp giá trị “hơn”trong quan hệ mờ thực sao? Đã có nhiều công trình nghiên cứu vấn đề Tổng quan đầy đủ toán tử tích hợp với ưu nhược điểm chúng tiến hành Grabisch et al 1998; Detyniecki 2001; Mesiar 2003 Các cách tiếp cận khác trình bày Xu 2004a, 2005; Jin and Sendhoff 2002; Calvo and Mesiar 2003 Tuy nhiên phương pháp có ứng dụng cho có hiệu vấn đề cần phải tiếp tục nghiên cứu Trong khuôn khổ luận văn thạc sĩ, chọn đề tài “TÍCH HỢP QUAN HỆ HƠN MỜ TRONG HỆ TRỢ GIÚP QUYẾT ĐỊNH” nhằm nghiên cứu quan hệ mờ tính chất nó, sở ứng dụng xây dựng hệ trợ giúp định đa tiêu chuẩn đánh giá giảng viên Học viện Tài Mục đích nghiên cứu Nghiên cứu, tìm hiểu quan hệ mờ số phương pháp tích hợp ý kiến dạng quan hệ mờ Ứng dụng xây dựng hệ trợ giúp định phục vụ việc đánh giá giảng viên để chọn giảng viên xuất sắc số giảng viên chọn để đánh giá Đối tượng nghiên cứu Lí thuyêt tập mờ, quan hệ mờ, quan hệ mờ Vấn đề trợ giúp định dựa quan hệ mờ Nhiệm vụ nghiên cứu Nghiên cứu hệ trợ giúp định Nghiên cứu lí thuyết tập mờ, quan hệ mờ, quan hệ mờ, tính chất số phép hợp thành mờ quan hệ Xây dựng hệ trợ giúp định dựa quan hệ mờ đánh giá giảng viên Học viện Tài Phương pháp nghiên cứu Phương pháp đọc tài liệu, tổng hợp so sánh, rút trích viết thành phần lí thuyết luận văn Phương pháp thực nghiệm: Viết chương trình, chạy thử để có số liệu cụ thể, từ rút kết luận cần thiết 48 Tổng hợp tất yếu tố dòng tập quan hệ số thêm vào A: = j 1 j Chúng ta có , i = 1, 2, 3, 4, a1 = 0.5 + 0.41 + 0.43 + 0.48 + 0.58 = 2.40 Tương tự ta có a = 2.65, Ta có Vì a > a5 > a3 a3 = 2.47, a = 2.43, a5 = 2.55 > a > a1 x2 > x5 > x3 > x4 > x1 đó, ứng viên tốt x2 Bài toán 2: Đôi khi, chuyên gia sẵn sàng cung cấp thông tin ngôn ngữ mờ, áp lực thời gian, thiếu kiến thức liệu chuyên môn hạn chế họ liên quan đến vấn đề lĩnh vực Trong trường hợp này, giả định chuyên gia so sánh năm giảng viên tiêu chí nghiên cứu tương ứng cách sử dụng tập thuật ngữ ngôn ngữ S = {s-4= extremely poor (cực kém), s-3= very poor (rất kém), s-2 = poor (kém), s-1 = slightly poor (hơi kém), s0 = fair (bình thường), s1 = slightly good (hơi tốt), s2 = good (tốt), s3 = very good (rất tốt), s4 = extremely good (cực kỳ tốt) } xây dựng mối quan hệ ngôn ngữ mờ ~ R (k ) (k = 1, 2, 3) liệt kê bảng 2.7-2.9 x1 x2 x3 x4 x5 x1 [s0, s0] [s-2, s0] [s0, s1] [s-1, s0] [s-2, s-1] x2 [s0, s2] [s0, s0] [s1, s3] [s0, s1] [s-1, s0] x3 [s-1, s0] [s-3, s-1] [s0, s0] [s-2, s0] [s0, s1] x4 [s0, s1] [s-1, s0] [s0, s2] [s0, s0] [s-1, s0] x5 [s1, s2] [s0, s1] [s-1, s0] [s0, s1] [s0, s0] ~ (1) Bảng 2.7 Quan hệ ngôn ngữ mờ R 49 x1 x2 x3 x4 x5 x1 [s0, s0] [s-2, s0] [s-2, s-1] [s0, s1] [s1, s2] x2 [s0, s2] [s0, s0] [s0, s1] [s-1, s0] [s0, s1] x3 [s1, s2] [s-1, s0] [s0, s0] [s1, s3] [s-2, s-1] x4 [s-1, s0] [s0, s1] [s-3, s-1] [s0, s0] [s-1, s0] x5 [s-2, s-1] [s-1, s0] [s1, s2] [s0, s1] [s0, s0] ~ ( 2) Bảng 2.8 Quan hệ ngôn ngữ mờ R x1 x2 x3 x4 x5 x1 [s0, s0] [s-1, s0] [s0, s1] [s-2, s1] [s1, s2] x2 [s0, s1] [s0, s0] [s-2, s-1] [s0, s1] [s1, s3] x3 [s-1, s0] [s1, s2] [s0, s0] [s0, s1] [s-2, s-1] x4 [s1, s2] [s-1, s0] [s-1, s0] [s0, s0] [s0, s1] x5 [s-2, s-1] [s-3, s-1] [s1, s2] [s-1, s0] [s0, s0] ~ ( 3) Bảng 2.9 Quan hệ ngôn ngữ mờ R Để có tiêu chí tốt nhất, thực bước sau đây: Bước Đầu tiên sử dụng nhà điều hành ULWA ~ rij = ULWA( ~rij(1) , ~rij( ) , ~rij(3) ) với i, j = 1, 2, 3, 4, ~ rij = ULWA( ~rij(1) , ~rij( ) , ~rij(3) ) = 1 ~rij(1)  2 ~rij( )  3 ~rij(3) = 1[ rijL (1) , rijU (1) ]  2[ rijL ( 2) , rijU ( 2) ]  3[ rijL (3) , rijU (3) ] = [1 rijL (1) ,1 rijU (1) ]  [2 rijL ( 2) ,2 rijU ( 2) ]  [3 rijL (3) ,3 rijU (3) ] = [1 rijL (1)  2 rijL ( 2)  3 rijL (3) ,1 rijU (1)  2 rijU ( 2)  3 rijU (3) ] 50 Để tổng hợp tất mối quan hệ ngôn ngữ mờ cung cấp ~ chuyên gia (k = 1, 2, 3) để có tập mối quan hệ ngôn ngữ mờ R =( ~ rij )5×5 : s 1.7 , s  s0 , s0  s ,s s0 , s0  1.7 ~ s 1 , s 0.3 R =  s 0.2 , s 0.8   s 0.1 , s 0.9 s 0.6 , s 0.4  s 1.1 , s 0.1 s 1.3 , s s 8 , s 0.2 s 0.9 , s 0.1 s 0.3 , s1.0 s 0.4 , s 0.6 s0 , s0 s 0.2 , s1.5 s 1.5 , s 0.2 s0 , s0 s 0.4 , s1.4 s 0.3 , s 0.7 s 0.1 , s1.1  s , s1.3  s 1.4 , s 0.4   s 0.7 , s 0.3  s , s  Bước Tiếp theo sử dụng toán tử ULA ~ zi = ULA( ~ri1 , ~ ri , ~ ri , ~ ri , ~ ri ) để tổng hợp thông tin ~ij (j = 1,2, , n ) dòng thứ i R~ , sau nhận mức độ toàn cục ~ z i thay thứ i tất ứng viên khác : Ta có ~z1 = [s((-1.7)(-0.8)(-0.9)0.1), s(0.20.11.1)] 5 = [s-3.3, s1.4] = [s-3.3/5, s1.4/5] = [s-0.66, s0.28] Tương tự ta có ~z = [s-0.14, s0.92], ~ z3 = [s-0.56, s0.44], ~z = [s-0.58, s0.36], Bước Sau so sánh ~ z i với tất dụng công thức (1)   d a  P(    )  max 1  max  , 0 ,   lab  lcd   0  ~ z i (i ~ z5 = [s-0.46, s0.40] = 1, 2, 3, 4, 5) cách sử 51 Trong lab  b  a lcd  d  c   d a  P( z1  z2 )  max 1  max  , 0 ,  lab  lcd     0.92  0.66   max 1  max  , 0 ,  0.94  1.06    1.58   max 1  max  , 0 ,     0   0   0   max 1  max 0.79, 0 , 0  max 1  0.79, 0  max 0.210, 0 = 0.210 Tương tự ta tính giá trị ~ z i với tất ~ z i (i = 1, 2, 3, 4, 5) xây dựng ma trận bổ sung sau :  0.5  0.790  P   0.567   0.543  0.589 0.210 0.433 0.457 0.5 0.718 0.750 0.282 0.5 0.526 0.250 0.474 0.5 0.281 0.516 0.544 0.411 0.719  0.484   0.456  0.5  Tổng tất yếu tố dòng ma trận P, có: p1 = 0.5 + 0.210 + 0.433 + 0.457 + 0.411 = 2.011 p2 = 0.790 + 0.5 + 0.718 + 0.750 + 0.719 = 3.477 p3 = 0.567 + 0.282 + 0.5 + 0.526 + 0.484 = 2.359 p4 = 0.543 + 0.250 + 0.474 + 0.5 + 0.456 = 2.223 52 p5 = 0.589 + 0.281 + 0.516 + 0.544 + 0.5 = 2.430 Sau ta xếp hạng ~ z i (i = 1, 2, 3, 4, 5) theo thứ tự giảm dần theo giá trị pi (i = 1, 2, 3, 4, 5) Ta có p2 > p5 > p3 > p4 > p1  ~z > ~ z5 > ~ z3 > ~z > ~z1 Bước Xếp hạng tất ứng viên phù hợp với ~ zi (i = 1, 2, 3, 4, 5) được: x2 > x5 > x3 > x4 > x1 Vậy ứng viên tốt x2 Kết luận chương Trong chương này, trình bày số kiến thức hệ mờ tập mờ, phép toán tập mờ, quan hệ mờ, khái niệm mối quan hệ ngôn ngữ mờ, đưa công thức để so sánh hai giá trị ngôn ngữ mờ, sau nghiên cứu số tính chất mong muốn Luận văn trình bày số toán tử tổng hợp toán tử ULA toán tử ULWA Dựa toán tử, luận văn phát triển phương pháp tiếp cận trực tiếp để định nhóm với mối quan hệ ngôn ngữ mờ mà không thông tin, sau áp dụng phương pháp đánh giá ứng viên 53 Chương III Xây dựng hệ thống trợ giúp định đánh giá giảng viên Học viện Tài 3.1 Bài toán Đánh giá giảng viên để chọn giảng viên xuất sắc sử dụng hệ thống “TÍCH HỢP QUAN HỆ HƠN MỜ TRONG HỆ TRỢ GIÚP QUYẾT ĐỊNH” Bài toán đặt sau: Lấy giảng viên lọt vào danh sách cuối đánh giá giảng viên xuất sắc cho chức vụ lãnh đạo Nhiệm vụ hội đồng đánh giá gồm chuyên gia phải xem xét đưa thứ tự giảng viên Trong chuyên gia cho ý kiến khác mức độ giảng viên với giảng viên Dữ liệu đầu vào: Tập danh sách giảng viên cần đánh giá, giả sử có giảng viên giảng viên ký hiệu X1,X2,X3,X4,X5,X6 Các chuyên gia đánh giá chất lượng, giả sử có chuyên gia với vector trọng số tương ứng ω = (0.3, 0.4, 0.3) Dữ liệu đầu ra: Đưa danh sách sếp giảng viên chuyên gia đánh giá từ tốt đến tồi 3.2 Thuật toán Chương trình sử dụng thuật toán sếp lựa chọn để tìm lựa chọn tốt Input: - M mảng chiều kích thước N*N biểu diễn lựa chọn đánh gia chuyên gia Mk với ứng viên N Trong phần tử mảng N[i, j] biểu diễn mức độ ứng viên thứ i với ứng viên thứ j số thực  (0, 1) (đối với CSDL số) ; hay khoảng mờ thể dạng kiểu liệu mảng chiều hai phần tử Left Right (đối với CSDL chữ) 54 - Vector trọng số chuyên gia Output: Xếp hạng tất ứng viên chọn nhiều lựa chọn tốt phù hợp để tìm giảng viên đánh giá tốt 3.3 Cài đặt Phần mềm cài đặt môi trường NET Framework 4.5 với ngồn ngữ lập trình Microsoft Virtual C# 3.4 Chạy thử 3.4.1 Giao diện Hình 3.1: Giao diện chương trình 3.4.2 Các chức Người sử dụng cần nhập số chuyên gia tham gia đánh giá số giảng viên đánh giá Chọn “Dữ liệu số” để liệu nhập vào quan hệ số, chọn “Dữ liệu ngôn ngữ” liệu nhập vào quan hệ ngôn ngữ Bấm nút “Mở tệp liệu” để mở tệp excel chứa liệu 55 Chương trình có bổ xung hai nút “Tiến” “Lùi” để thuận tiện cho việc xem bảng quan hệ cho chuyên gia trọng số chuyên gia Khi kết thúc nhập liệu người dùng nhấn vào nút “Xử lý” để phần mềm tính toán đưa kết 3.4.3 Kết chạy thử nghiệm Thử nghiệm với liệu quan hệ số Đánh giá giảng viên Xi(i=1,2,3,4,5,6) lựa chọn để đánh giá Có ba chuyên gia (k=1,2,3) với vector trọng số ω = ( 0.3, 0.4, 0.3 ) T Giả sử chuyên gia cung cấp ước lượng điểm theo so sánh sáu trường tương ứng với nghiên cứu tiêu chuẩn sử dụng tỉ lệ 0-1 (Chiclana cộng sự(1998), (2001), Xu Da (2003)) từ xây dựng ma trận số dựa vào mối quan hệ hơn(được gọi ma trận bổ sung ( Xu Da (2002) ) ) Al = (a ij(l ) )6×6 (l = 1, 2, 3) a ij(l ) + a (lji) = 1, a ii(l ) = 0.5, a (lji) [0, 1] x1 x2 x3 x4 x5 x6 x1 0.5 0.4 0.6 0.6 0.3 0.4 x2 0.6 0.5 0.7 0.5 0.7 0.7 x3 0.4 0.3 0.5 0.4 0.6 0.6 x4 0.4 0.5 0.6 0.5 0.4 0.7 x5 0.7 0.6 0.4 0.6 0.5 0.2 x6 0.6 0.3 0.4 0.3 0.2 0.5 Quan hệ số Al 56 x1 x2 x3 x4 x5 x6 x1 0.5 0.5 0.4 0.3 0.7 0.4 x2 0.5 0.5 0.3 0.4 0.8 0.7 x3 0.6 0.7 0.5 0.4 0.3 0.6 x4 0.7 0.6 0.6 0.5 0.3 0.7 x5 0.3 0.2 0.7 0.7 0.5 0.2 x6 0.6 0.3 0.4 0.3 0.2 0.5 Quan hệ số A2 x1 x2 x3 x4 x5 x6 x1 0.5 0.3 0.3 0.6 0.7 0.4 x2 0.7 0.5 0.6 0.4 0.6 0.7 x3 0.7 0.4 0.5 0.8 0.3 0.6 x4 0.4 0.6 0.2 0.5 0.4 0.7 x5 0.3 0.4 0.7 0.6 0.5 0.2 x6 0.6 0.3 0.4 0.3 0.2 0.5 Quan hệ số A3 Kết quả: Hình 3.2: Kết chạy ứng dụng liệu số 57 Vậy giảng viên đánh tốt giảng viên X2 mức độ đánh giá là: X2->X4->X3->X1->X5->X6 Thử nghiệm với liệu quan hệ ngôn ngữ Khi chuyên gia so sánh năm thuộc tính tiêu chí nghiên cứu tương ứng cách sử dụng tập thuật ngữ ngôn ngữ s = {s-4= extremely poor (cực kém), s-3= very poor (rất kém), s-2 = poor (kém), s-1 = slightly poor (hơi kém), s0 = fair (bình thường), s1 = slightly good (hơi tốt), s2 = good (tốt), s3 = very good (rất tốt), s4 = extremely good (cực kỳ tốt) } ~ (k ) xây dựng mối quan hệ ngôn ngữ mờ R (k = 1, 2, 3) x1 x2 x3 x4 x5 x6 x1 [s0, s0] [s-2, s0] [s0, s1] [s-1, s0] [s-2, s-1] [s-1, s0] x2 [s0, s2] [s0, s0] [s1, s3] [s0, s1] [s-1, s0] [s0, s1] x3 [s-1, s0] [s-3, s-1] [s0, s0] [s-2, s0] [s0, s1] [s-2, s0] x4 [s0, s1] [s-1, s0] [s0, s2] [s0, s0] [s-1, s0] [s0, s0] x5 [s1, s2] [s0, s1] [s-1, s0] [s0, s1] [s0, s0] [s0, s1] x6 [s0, s1] [s-1, s0] [s0, s2] [s0, s0] [s-1, s0] [s0, s0] ~ (1) Quan hệ ngôn ngữ mờ R x1 x2 x3 x4 x5 x6 x1 [s0, s0] [s-2, s0] [s-2, s-1] [s0, s1] [s1, s2] [s-1, s0] x2 [s0, s2] [s0, s0] [s0, s1] [s-1, s0] [s0, s1] [s0, s1] x3 [s1, s2] [s-1, s0] [s0, s0] [s1, s3] [s-2, s-1] [s-2, s0] x4 [s-1, s0] [s0, s1] [s-3, s-1] [s0, s0] [s-1, s0] [s0, s0] x5 [s-2, s-1] [s-1, s0] [s1, s2] [s0, s1] [s0, s0] [s0, s1] x6 [s0, s1] [s-1, s0] [s0, s2] [s0, s0] [s-1, s0] [s0, s0] (2) Quan hệ ngôn ngữ mờ R 58 x1 x2 x3 x4 x5 x6 x1 [s0, s0] [s-1, s0] [s0, s1] [s-2, s1] [s1, s2] [s-1, s0] x2 [s0, s1] [s0, s0] [s-2, s-1] [s0, s1] [s1, s3] [s0, s1] x3 [s-1, s0] [s1, s2] [s0, s0] [s0, s1] [s-2, s-1] [s-2, s0] x4 [s1, s2] [s-1, s0] [s-1, s0] [s0, s0] [s0, s1] [s0, s0] x5 [s-2, s-1] [s-3, s-1] [s1, s2] [s-1, s0] [s0, s0] [s0, s1] x6 [s0,s1] [s-1,s0] [s0,s2] [s0,s0] [s-1,s0] [s0,s0] (3) Quan hệ ngôn ngữ mờ R Kết quả: Hình 3.3: Kết chạy ứng dụng liệu ngôn ngữ Vậy giảng viên đánh tốt giảng viên X2 mức độ đánh giá là: X2->X6->X5->X4->X3->X1 59 Kết luận Chương III Trong chương này, luận văn trình bày phần mềm ứng dụng để tìm giảng viên đánh giá tốt theo ý kiến chuyên gia Minh họa liệu trường đại học theo toán ví dụ trình bày chương hai Từ cho thấy thuật toán đưa kết tốt việc đánh giá giảng viên tốt theo ý kiến chuyên gia, số liệu rõ số mờ dạng khoảng đưa kết quan trọng dựa vào số liệu thực tế Với việc nghiên cứu tình hình thực tiễn Học viện Tài chính, dựa thuật toán nghiên cứu xây dựng chương 2, luận văn xây dựng chương trình đánh giá giảng viên Học viện Tài với liệu kiểm thử Qua việc thực chạy kiểm thử phần mềm cho thấy chương trình hoạt động tốt đem lại kết khả quan cho liệu kiểm thử Chương trình cần phát triển tiếp để đạt hiệu cao công tác đánh giá chất lượng 60 KẾT LUẬN Luận văn vào nghiên cứu số kiến thức hệ trợ giúp định, lý thuyết tập mờ, quan hệ mờ việc định dựa quan hệ mờ Kết nghiên cứu cho thấy khả tích hợp quan hệ mờ vào hệ trợ giúp định Luận văn trình bày số toán tử tổng hợp toán tử ULA toán tử ULWA Dựa toán tử, luận văn phát triển phương pháp tiếp cận trực tiếp để định nhóm với mối quan hệ ngôn ngữ mờ mà không thông tin, sau áp dụng phương pháp đánh giá ứng viên Với việc xây dựng phần mềm đánh giá giảng viên dựa thuật toán trình bày Từ cho thấy thuật toán đưa kết tốt việc đánh giá giảng viên tốt theo ý kiến chuyên gia, số liệu rõ số mờ dạng khoảng đưa kết quan trọng dựa vào số liệu thực tế Qua việc thực chạy kiểm thử phần mềm cho thấy chương trình hoạt động tốt đem lại kết khả quan cho liệu kiểm thử Chương trình cần phát triển tiếp để đạt hiệu cao công tác đánh giá chất lượng Với thời gian, điều kiện hiểu biết lĩnh vực thông tin phát triển vũ bão thân nhiều hạn chế, nên luận văn trình bày phương pháp đánh giá ứng viên dựa tiêu chí Hướng mở rộng nghiên cứu sâu quan hệ mờ để đưa phương pháp đánh giá dựa nhiều tiêu chí hoàn thiện ứng dụng đánh giá giảng viên 61 TÀI LIỆU THAM KHẢO [1] Alonso, S., Chiclana, F., Herrera, F., Herrera-Viedma, E., AlcalaFdez, J., & Porcel, C (2005) A consistency based procedure to estimate missing pairwise preference values International Journal of Intelligent [2] Bortolan, G and R Degani (1985) “A Review of Some Methods for Ranking Fuzzy Numbers”, Fuzzy Sets and Systems 15, 1–19 [3] Calvo, T., & Mesiar, R (2003) Aggregation operators: Ordering and bounds Fuzzy Sets and Systems, 139, 685–697 [4] Chiclana, F., Herrera, F., & Herrera-Viedma, E (1998) Integrating three representation models in fuzzy multipurpose decision making based on fuzzy preference relations Fuzzy Sets and Systems, 97, 33–48 [5] Chiclana, F., Herrera, F., & Herrera-Viedma, E (2000) The ordered weighted geometric operator: Properties and applications In: Proc of 7th IPMU’2000, Int Conf on Inf Proc and Manag of Univ in KnowledgeBases Systems, IPMU’2000, vol II, DECSAI University of Granada, 2000, pp 985–991 [6] Dubois, D, H Prade (1983) “Ranking Fuzzy Numbers in the Setting of Possibility”, Information Sciences 30, 183–224 [7] Facchinetti, G, R G Ricci, and S Muzzioli (1998) “Note on Ranking Fuzzy Triangular Numbers,” International Journal of Intelligent Systems 13, 613–622 [8] Kacprzyk, J., Fedrizzi, M., & Nurmi, H (1993) Group decision making with fuzzy majorities rep - represented by linguistic quantifiers In D Dubois, H Prade, & R R Yager (Eds.), Readings in fuzzy sets for intelligent systems Los Altos, CA: Morgan Kaufmann 62 [9] Herrera, F, & Herrere – Viedma E (1997) Aggregation operators for linguistic weighted informa – tion IEEE Transactions on Systems, Man, and Cybemetics Part A: Systems and Humans, 27(5), 646- 656 [10] Liou, T S and J J M Wang (1992) “Ranking Fuzzy Numbers with Integral Value”, Fuzzy Sets and Systems 50, 247–255 [11] Sengupta, A., T K Pal (2000) “On Comparing Interval Numbers,” European Journal of Operational Research 127, 28–43 [12] Xu, Z S., Q L Da (2002) “The Uncertain OWA Operator”, International Journal of Intelligent Systems 17, 569–575 [13] Nguyen Cat Ho, W Wechler, Extended Hedge Algebras and their Application to Fuzzy logic, Fuzzy Sets and System, No 52, (1992), 259-281 [...]... với các quan hệ mờ thì các phần tử của ma trận quan hệ là thuộc miền [0, 1], một lần nữa ta lại thấy các quan hệ mờ là tổng quát hơn các quan hệ cổ điển 2.2.2 Hợp thành của các quan hệ mờ Với các quan hệ cổ điển, trên ba tập tham chiếu X, Y, Z, nếu có một quan hệ giữa X và Y, và một quan hệ giữa Y và Z sẽ cho phép xác định một quan hệ giữa X và Z, quan hệ thứ ba gọi là hợp thành của hai quan hệ ban... tập hợp, quan hệ mờ cũng được xem như tập con mờ của tích Decac của các tập hợp Vì vậy, các bạn sinh viên cần nắm rất vững những kiến thức về tập hợp, quan hệ trên các tập hợp cổ điển và khái niệm tập con mờ và tích Decac của các tập con ‘rõ’ và mờ trước khi nghiên cứu các quan hệ mờ 2.2.1 Định nghĩa quan hệ mờ Chúng ta bắt đầu xem xét trường hợp đơn giản nhất của các quan hệ mờ, đó 29 là quan hệ mờ. .. đầu Với các quan hệ mờ cũng vậy, ta có thể xây dụng một quan hệ mờ là hợp thành của hai quan hệ mờ cho trước, khái niệm quan hệ hợp thành mờ là sự mở rộng của khái niệm quan hệ hợp thành cổ điển Chẳng hạn, ta có quan hệ mờ R: chiều rộng của sản phẩm là nhỏ hơn nhiều so với chiều dài Quan hệ này xác định một lớp không chính xác các chiều rộng và chiều dài của các sản phẩm, mà chiều rộng nhỏ hơn nhiều... Một trong những khái niệm mở rộng quan trọng và có nhiều ứng dụng là khái niệm quan hệ mờ Khái niệm quan hệ mờ là mở rộng khái niệm quan hệ cổ điển được định nghĩa trên các tập hợp rõ ràng Các quan hệ mờ nêu bật những mối liên hệ không chính xác hay có cấp độ giữa các phần tử của cùng một tập, hay của nhiều tập hợp Cũng giống như khái niệm quan hệ trên các tập hợp cổ điển được xem như tập con của tích. .. thời gian hơn và/hoặc ít công sức hơn i Năng suất phân tích được cải thiện Kết luận chương I Chương I tập trung trình bày một số kiến thức cơ bản về hệ trợ giúp quyết định, các thành phần, năng lực và lợi ích của hệ trợ giúp quyết định Việc xây dựng một hệ trợ giúp quyết định không đòi hỏi nhiều về hạ tầng kỹ thuật, mà chủ yếu dựa vào hệ thống thông tin đã có Việc thực hiện chức năng ra quyết định sẽ... người là quyết định (10) Hiệu dụng chứ không phải hiệu quả (9) Hệ trợ giúp quyết định (DSS) Dễ dùng, có tính tương tác (8) Hình 1.3 Năng lực của hệ trợ giúp quyết định Hỗ trợ tìm kiếm, thiết kế, chọn lựa (5) Hỗ trợ các dạng phong cách và quá trình (6) Có tính thích nghi và linh hoạt (7) 16 (1) DSS cơ bản hỗ trợ các nhà ra quyết định trong các tình huống nửa cấu trúc và phi cấu trúc bằng cách kết hợp phán... 1.2 Hệ trợ giúp quyết định là gì? Trong những năm đầu ở thập kỷ 70, lần đầu tiên khái niệm hệ trợ giúp quyết định (Decision Support System - DSS) được Scott Morton đưa ra dưới thuật ngữ các hệ thống hỗ trợ quản lý Đó là “các hệ thống dựa trên sự tương tác với máy tính, giúp cho các nhà ra quyết định dùng các dữ liệu và mô hình để giải quyết các vấn đề phi cấu trúc” Little giải thích rõ hơn, định nghĩa... giữa hai phần tử của một tập hợp tham chiếu U nào đó, đây cũng là trường hợp có nhiều ứng dụng nhất của các quan hệ mờ, đó là các quan hệ mờ hai ngôi Trong chuyên đề này, ta cũng chủ yếu xét các quan hệ mờ hai ngôi trên cùng một vũ trụ tham chiếu Việc mở rộng định nghĩa hình thức cho các quan hệ mờ nhiều ngôi, trên nhiều vũ trụ tham chiếu là không khó khăn Đối với các quan hệ cổ điển thì với hai phần... một quan hệ hai ngôi trên tập hợp U Với các quan hệ mờ, thì mỗi cặp phần tử (a, b) có thể có mối liên hệ không chính xác hoặc có nhiều cấp độ liên hệ giữa 0 và 1, chứ không chỉ có hai mức độ 0 hoặc 1 Như vậy, nếu ta dùng một hàm f R (a, b) lấy mọi giá trị trong miền [0, 1] thì sẽ xác định được nhiều cấp độ quan hệ giữa a và b, với mọi a, b U , tức là xác định được quan hệ mờ hai ngôi trên U, quan hệ. .. trên U, quan hệ này sẽ là một tập con mờ của tích Decac U U Ta có định nghĩa hình thức cho một quan hệ mờ R trên tập U như sau: Định nghĩa 2.8 Một quan hệ mờ hai ngôi R (hay đơn giản là quan hệ mờ R) trên tập tham chiếu U, ký hiệu là R(U), là một tập con mờ của tích Decac U U , với hàm thuộc f R : U U  [0,1] Nếu hai phần tử a, b U có liên hệ với nhau theo quan hệ R với cấp độ ta viết f R (a, b)