THÔNG TIN TRỌNG SỐ CỦA MCDM TRONG MÔI TRƯỜNG
3.1 Giới thiệu
Những nghiên cứu hiện tại về MCDM sử dụng tập neutrosophic đang cố gắng xử lý các vấn đề còn tồn tại của bài toán ra quyết định đa tiêu chí.
Hai vấn đề phổ biến trong bài toán ra quyết định đa tiêu chí đó là:
Thứ nhất, vấn đề không biết thông tin trọng số trong MCDM. Trọng số của người ra quyết định, bộ tiêu chí và thời gian có tác động trực tiếp đến kết quả của mô hình ra quyết định. Tuy nhiên, trong một số tình huống thực tế trọng số là không biết do một số lý do khác nhau như áp lực về thời gian, kiến thức, thông tin thuộc tính không đầy đủ hay thiếu thông tin từ
61
những người ra quyết định. Để giải quyết vấn đề như vậy, một số nghiên cứu đã cố gắng phát triển những phương pháp để xử lý các vấn đề MCDM bằng nhiều loại thông tin khác nhau, như tập mờ [86], tập mờ giá trị khoảng [46], tập mờ trực cảm [58], tập neutrosophic [104], tập neutrosophic giá trị khoảng [111] hay tập neutrosophic đơn [121], v.v. và các phương pháp khác nhau (ví dụ, phương pháp cực đại sai lệch, entropy, phương pháp tối ưu) trong đó thông tin về tiêu chí, người ra quyết định và thời gian là hoàn toàn không biết.
Ye và cộng sự [131] đã trình bày một mô hình TOPSIS để tính toán trọng số của người ra quyết định trong môi trường quyết định với các thông tin độc lập được miêu tả bởi các đoạn giá trị. 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. Broumi và cộng sự [28] đã đề xuất phương pháp TOPSIS mở rộng để giải quyết vấn đề ra quyết định đa tiêu chí dựa trên hai khái niệm mới của tập neutrosophic phức. Wang và Mendel [113]
đã trình bày một mô hình tối ưu để giải quyết vấn đề ra quết định trên tập mờ loại 2 khoảng. Tất cả những thông tin của người ra quyết định là được đặc tả bởi tập mờ loại 2 khoảng và thông tin trọng số thuộc tính là hoàn toàn không biết. Maghrabie và cộng sự [80] đã đề xuất một mô hình mới sử dụng phương pháp cực đại sai lệch và lý thuyết hệ xám để ước lượng trọng số cho bộ tiêu chí. Peng [94] đã đề xuất một mô hình mới để tính toán trọng số thuộc tính không biết và xử lý một vấn đề ra quyết định trong IoT dựa trên tập neutrosophic giá trị khoảng. Tian và cộng sự [108] kết hợp tập neutrosophic giá trị đơn với trọng số tiêu chí hoàn toàn không biết và phương pháp đa tiêu chí để giải quyết vấn đề không biết thông tin trọng số cũng đã được trình bày. Ngoài ra, để xử lý vấn đề ra quyết định đa thuộc tính với thông tin neutrosophic giá trị khoảng, Hong và cộng sự [54] đã quan tâm đến một vài độ đo khoảng cách dựa trên phương pháp TODIM.
Thứ hai, vấn đề tương quan giữa các tiêu chí trong MCDM. Hạn chế của những phép toán trung bình dựa trên độ đo cho một bộ tiêu chí là không xử lý tác động của những thuộc tính độc lập trong bộ tiêu chí trong MCDM.
Thực tế này dẫn đến các phép toán trung bình gần đúng sử dụng phép đo mờ để xử lý sự phụ thuộc giữa những tiêu chí [47]. Phép toán trung bình
dựa trên tích phân Choquet đã được ứng dụng trong [48, 49] và nó đã cải thiện điểm yếu của phương pháp tổng trọng số đơn giản. Cho ví dụ, nếu chúng ta cân nhăc một tập bốn lựa chọn{x1,x2,x3,x4}, mỗi lựa chọnxi được ước lượng qua ba tiêu chí: x1 = (18,10,10), x2 = (10,18,10), x3 = (10,10,18), x4 = (14,11,12). Lựa chọn x4 là không được lựa chọn với phép toán trung bình trọng số, tuy nhiên lựa chọn này là lựa chọn cân bằng nhất và nó có thể là lựa chọn tốt nhất. Thiếu sót này đã được khắc phục bằng cách định nghĩa một phép toán trung bình mở rộng sử dụng tích phân Choquet qua độ đo mờ [45]. 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. Một số trường hợp đặc biệt và tính chất của phép toán cũng được thảo luận. Dựa trên phép toán đề xuất, nhóm tác giả đã đưa ra một chiến lược ra quyết định.
Li và cộng sự [69] phát triển phương pháp ra quyết định đa tiêu chí mờ do dự neutrosophic giá trị đơn. 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. Kakati và cộng sự [60] định nghĩa phép toán tích phân Choquet mờ do dự neutrosophic khoảng (INHFCI). Phép toán INHFCI là tổng quát hóa của cả hai phép toán trung bình có trọng số được sắp thứ tự mờ do dự neutrosophic khoảng và phép toán trung bình có trọng số mờ do dự neutrosophic khoảng. Một điều chỉnh của hàm điểm số để so sánh các sự kiện mờ do dự neutrosophic khoảng cũng đã được đề xuất. Cuối cùng nhóm tác giả cũng đã giới thiệu phương pháp ra quyết định dựa trên những lý thuyết đã được đề xuất.
Trong các nghiên cứu hiện tại, có thể thấy rằng cả hai vấn đề phổ biến trong MCDM (không biết thông tin trọng số và thể hiện sự tương quan giữa những tiêu chí trong MCDM) sử dụng tập neutrosophic đang được nhiều nhà nghiên cứu quan tâm. Tuy nhiên, thiếu những nghiên cứu quan tâm đồng thời đến các vấn đề sau trong MCDM: dữ liệu được thể hiện bởi tập neutrosophic giá trị khoảng theo thời gian và vấn đề không biết thông tin trọng số, vấn đề thể hiện tương quan giữa những tiêu chí trong MCDM.
Tiếp nối nghiên cứu trong Chương 2 và trong các phần tiếp theo của
Chương 3sẽ tập trung giải quyết hai vấn đề phổ biến trong MCDM sử dụng tập neutrosophic giá trị khoảng động.
— Vấn đề không biết thông tin trọng số trong mô hình ra quyết định đa tiêu chí
— Thể hiện tương quan giữa những tiêu chí trong mô hình ra quyết định đa tiêu chí