TẬP NEUTROSOPHIC GIÁ TRỊ KHOẢNG ĐỘNG VÀ MÔ HÌNH
2.5 Phân tích thực nghiệm
Trong phần này phương pháp TOPSIS-DIVNS được so sánh với một số phương pháp ra quyết định đại diện cho 2 nhóm phương pháp ra quyết định sử dụng tập neutrosophic giá trị khoảng: (a) Mô hình giá trị độ đo: phương pháp sử dụng giá trị hàm điểm số, hàm chính xác và hàm chắc chắn trên tập neutrosophic giá trị khoảng được đề xuất bởi Ye [126], độ đo tương tự đề xuất bởi Peng [94], (b) Mô hình mục tiêu, nguyện vọng phân cấp liên quan: Mô hình TOPSIS dựa trên tập neutrosophic khoảng được đề xuất bởi Chi và Liu [32]. Hơn nữa, phương pháp ra quyết định TOPSIS-DIVNS cũng được so sánh với phương pháp sử dụng hệ số tương quan trên đa tập neutrosophic giá trị đơn động (DSVNM) [127] có yếu tố thời gian để minh họa những lợi thế và khả năng ứng dụng của phương pháp.
Sử dụng dữ liệu đánh giá năng lực sinh viên tại mục 1.4 với điều chỉnh giảm chiều dữ liệu về tập neutrosophic giá trị khoảng, phương pháp Ye [126]
đã đề xuất cho các giá trị hàm điểm số, hàm chính xác và hàm chắc chắn của những sinh viên được thể hiện trong bảng 2.6. Giá trị độ đo tương tự của sinh viên cho bởi phương pháp của Peng [94] được thể hiện trong bảng 2.7 và theo phương pháp TOPSIS của Chi và Liu [32] hệ số tương quan của sinh viên được thể hiện trong bảng 2.8. Sử dụng dữ liệu đánh giá năng lực
sinh viên tại mục 1.4 với điều chỉnh môi trường về đa tập neutrosophic giá trị đơn động, phương pháp ra quyết đinh của Ye [127] được thể hiện trong bảng 2.9
Bảng 2.6 cho thấy rằng với phương pháp của Ye [126] xếp hạng của 5 sinh viên là A5 ≺
A2 ≺ A3 ≺
A4 ≺
A1 và A5 là sinh viên tốt nhất. Bảng 2.7 cho thấy rằng với phương pháp của Peng [94], kết quả xếp hạng của sinh viên có được là A5 ≺ A2 ≺ A3 ≺ A4 ≺ A1 và A5 là sinh viên tốt nhất. Bảng 2.8 cho thấy rằng với phương pháp của Chi và Liu [32], kết quả xếp hạng của sinh viên có được là A5 ≺ A2 ≺ A4 ≺ A1 ≺ A3 và sinh viên A5 là sinh viên tốt nhất. Bảng 2.9 cho thấy rằng với phương pháp của Ye [127], trên đa tập neutrosophic giá trị khoảng động, kết quả xếp hạng của 5 sinh viên có được là A2 ≺ A5 ≺ A3 ≺ A4 ≺ A1 và A2 là sinh viên tốt nhất.
Tổng quát kết quả của các phương pháp được cho trong bảng 2.10.
Bảng 2.6: Giá trị hàm điểm số, hàm chính xác và hàm chắc chắn của sinh viên
Sinh viên Hàm điểm số Hàm chính xác Hàm chắc chắn Xếp hạng
A1 1.338116 -0.21015 1.190044 5
A2 2.652253 1.151269 2.453375 2
A3 2.457715 0.92406 2.285793 3
A4 1.904825 0.410105 1.684443 4
A5 2.776331 1.305156 2.547190 1
Bảng 2.7: Độ đo tương tự của sinh viên cho bởi phương pháp của Peng [94]
Sinh viên Độ đo tương tự Xếp hạng
A1 0.311467 5
A2 0.665247 2
A3 0.585647 3
A4 0.366782 4
A5 0.716513 1
Bảng 2.8: Hệ số tương quan của sinh viên được ước lượng bởi phương pháp TOPSIS trên tập neutrosophic khoảng
Sinh viên Hệ số tương quan - TOPSIS-INS Xếp hạng
A1 0.388867 4
A2 0.389838 2
A3 0.388837 5
A4 0.389326 3
A5 0.390134 1
Bảng 2.9: Hệ số tương quan của những sinh viên trong phương pháp ra quyết định của Ye [127]
Sinh viên Hệ số tương quan Xếp hạng
A1 0.54852651 5
A2 0.69510761 1
A3 0.66262693 3
A4 0.67875569 4
A5 0.69251706 2
Bảng 2.10: So sánh các phương pháp ra quyết định với mô hình đã đề xuất
Phương pháp Xếp hạng Sinh viên
tốt nhất Phương pháp đề xuất
(TOPSIS-DIVNS)
A5 ≺ A2 ≺ A3 ≺ A4 ≺ A1 A5 Ye [126]
(Giá trị độ đo trên INS)
A5 ≺ A2 ≺ A3 ≺ A4 ≺ A1 A5 Chi và Liu [32]
(TOPSIS trên INS)
A5 ≺ A2 ≺ A4 ≺ A1 ≺ A3 A5
Ye [127]
(Hệ số tương quan trên DSVNM)
A2 ≺ A5 ≺ A3 ≺ A4 ≺ A1 A2 Peng [94]
(Độ đo tương tự trên INS)
A5 ≺ A2 ≺ A3 ≺ A4 ≺ A1 A5
Nhận xét
Từ bảng 2.10 có thể thấy rằng phương pháp đã được đề xuất và các phương pháp của Ye [126] và Peng [94] cho kết quả là tương tự nhau và sinh viên tốt nhất là sinh viên A5. Phương pháp của Chi và Liu [32] cho vị trí của những sinh viên A1,A3,A4 là A4 ≺ A1 ≺ A3 và phương pháp đề xuất là A3 ≺ A4 ≺ A1. Tuy nhiên, sinh viên tốt nhất của những phương pháp ra quyết định này là A5. Điều này có nghĩa rằng phương pháp đã đề xuất ở dạng đơn giản là có thể xử lý và cho kết quả như các phương pháp tốt nhất trong môi trường neutrsopghic giá trị khoảng.
Phương pháp của Ye [127] cho kết quả của sinh viên A2,A5 là A2 ≺ A5
và A2 là sinh viên tốt nhất. Kết quả này là khác với phương pháp đã được đề xuất A5 ≺ A2 và A5 là giá trị tốt nhất. 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. Hơn nữa, phương pháp ra quyết định đề xuất là mở rộng hơn các phương pháp của Ye [126, 127], Peng [94], Chi và Liu [32] vì có thể hiểu được giá trị neutrosophic giá trị
khoảng thể theo thời gian. Điều này chứng tỏ phương pháp ra quyết định đã đề xuất là hiệu quả trong môi trường neutrosophic giá trị khoảng động và khả năng ứng dụng trong thực tiễn của phương pháp ra quyết định đã được đề xuất.