slike bài giảng hệ trợ giúp quyết định - trần đình khang chương 2 các mô hình ra quyết định vớis ựkhông chắc chắn

HỆ TRỢ GIÚP QUYẾT ĐỊNH
Lớp HTTT + Pháp
Nămhọc 2009 - 2010
Bài 4, 5, 6 – Các mô hình ra quyết định
vớisự không chắcchắn
3.3. Các mô hình ra quyết định vớisự không chắcchắn:
NỘI DUNG :
-Ra quyết định đathuộctinh
-Toántử tích hợp
-Quanhệ so sánh
TD Khang – ĐHBK Hà Nội
Mô hình bài toán đathuộc tính, đamục
tiêu, đa tiêu chuẩn
TD Khang – ĐHBK Hà Nội
A/ Ra quyết định đathuộc tính
Lựachọn trong số các phương án được đặctrưng bởi
nhiềuthuộctính
Dạng bảng biểudiễn giá trị củacácphương án tại các
thuộctínhtương ứng
| Các thuộctính
Các phương án | Các giá trị
TD Khang – ĐHBK Hà Nội
Thuộctính
z Chuẩn hoá các giá trị củamộtthuộctính
- Đơn điệu:
tuyến tính: r
ij
= x
ij
/ x
j

*, vớix
j
* là giá trị lớnnhất
(lợi ích) (nhỏ nhất-thuộc tính giá) trong miền
giá trị thuộctínhX
j
vectơ: r
ij
= x
ij
/ (Σ
i
x
ij
2
)
1/2
- Không đơn điệu: r
ij
= exp(-z
2
/2), z= (x
ij
–x
j
0
) / σ
j
- Định tính
z Trọng số củacácthuộc tính: w

j
∈[0,1], Σ w
j
=1
Các phương pháp
z Phương pháp TRỘI
A1 → A2 (A1 trộihơnA2), nếucácgiátrịđềutốt
hơnhoặctương đương ở tấtcả các thuộctính
Chọn các ph/án không bị phương án khác trộihơn
z HỘI: Mỗithuộctínhđềucógíatrị Ngưỡng, chọn
phương án mà mọigíatrị thuộctínhđềutốthơn
Ngưỡng tương ứng
z TUYỂN: Chọnphương án có ít nhấtmột giá trị tốt
hơnNgưỡng tương ứng
Các phương pháp
z Loạibỏ dần:
Xét thuộc tính X
1
, chọnA
1
= {A
i
| x
i1
thoả X
1
}
Tiếptục xét các thuộctínhtiếp theo để loạibỏ
z MAXIMAX: l
i

max
= max
j
{x
ij
}
ChọnA
k
, nếul
k
max
= max
i
{l
i
max
}
z MAXIMIN: l
i
min
= min
j
{x
ij
}
ChọnA
k
, nếul
k
min

= max
i
{l
i
min
}
TOPSIS (Technique for Order Prefe-
rence by Similarity to Ideal Solution
z Quan sát thêm các phương án lý tưởng với
các giá trị tốtnhất(xấunhất) ở các thuộctính,
sau đó tính khoảng cách và độ tương tự của
các phương án so vớicácphương án lý tưởng
z Dựavàođó để sắpxếpthứ tự hoặclựachọn
TOPSIS (Technique for Order Prefe-
rence by Similarity to Ideal Solution
z Bước1: chuẩn hoá, đưa các giá trị về r
ij
∈[0,1]
z Bước 2: tính giá trị theo trọng số v
ij
= r
ij
* w
j
z Bước 3: tính các giảipháplýtưởng
A* = (v
1
*,v
2
*,…,v

m
*), vớiv
j
* là giá trị tốtnhấtcủaX
j
A
-
= (v
1
-
,v
2
-
,…,v
m
-
), vớiv
j
-
là giá trị tốtnhấtcủaX
j
z Bước 4: tính khoảng cách
S
i
* = (Σ
j
(v
ij
-v
j

*)
2
)
1/2
, S
i
-
= (Σ
j
(v
ij
-v
j
-
)
2
)
1/2
z Bước 5: tính độ tương tự: C
i
* = S
i
-
/ (S
i
*+S
i
-
)
ELECTRE (Elimination et choix

traduisant la realité)
z Bước1: chuẩn hoá, đưa các giá trị về r
ij
∈[0,1]
z Bước 2: tính giá trị theo trọng số v
ij
= r
ij
× w
j
z Bước 3: tính tập phù hợp và không phù hợp
C(p,q) = { j | v
pj
≥ v
qj
}, D(p,q) = { j | v
pj
<v
qj
}
z Bước 4: tính chỉ số phù hợp và không phù hợp
C
pq
= Σ w
j*
, vớij*∈C(p,q),
D
pq
= (Σ
j*

|v
pj*
-v
qj*
|) / (Σ
j
|v
pj
-v
qj
|), vớij*∈D(p,q),
j=1, …, m
z Bước5;
ELECTRE (Elimination et choix
traduisant la realité)
z Bước5:
Tính C, D bằng trung bình các chỉ số C
pq
, D
pq
Có A
p
trộihơnA
q
, nếuC
pq
≥ C và D
pq
< D
Đồ thị Trội

Lõi K của Đồ thị Trội bao gồmcácđỉnh không
bịđỉnh nào khác trộihơn, mỗi đỉnh không
thuộclõiK đềubị một đỉnh thuộc K trộihơn
z Chọncácphương án trong K
Xây dựng bảng quyết định
-Xácđịnh các thuộctínhđiềukiện ảnh hưởng đến
quyết định, các khả năng có thể xảyravớitừng điều
kiện Î Cộtcủabảng
-Xácđịnh các phương án có thể Î Hàng củabảng
- Điền vào các giá trị tương ứng các phương án và
thuộctính
TD Khang – ĐHBK Hà Nội
Ví dụ: Bài toán đầutư
Có 3 mặthàngđầutư sảnxuất: Bia rượu, quầnáovàthuốclá.
Thông tin về lợi nhuậnphụ thuộc vào tình trạng nềnkinhtế
đượcchonhư sau:
Đầutư Kinh tế phát triểnKinhtế trì trệ Lạm phát
Quần áo 12% 6% 3%
Bia rượu 15% 3% -2%
Thuốc lá 6,5% 6,5% 6,5%
(Nếunềnkinhtế phát triển, đầutư quầnáosẽ sinh lợi 12% )
Mụctiêu: Phải đầutư thế nào để lợi nhuậnlớnnhất sau 1 năm
TD Khang – ĐHBK Hà Nội
Phân tích
TD Khang – ĐHBK Hà Nội
Lờigiải
Tiếpcậnlạc quan : Lựachọncáitốtnhất trong các cái
tốtnhấtcóthể (MaxiMax) - ! Bia rượu
Tiếpcận bi quan : Lựachọn cái tốtnhất trong các cái
tồinhấtcóthể (MaxiMin) - ! Thuốclá

Xử lý mạohiểm: Giảđịnh khả năng kinh tế phát triển
được ước tính là 50%, trì trệ là 30% và lạmphátlà
20%. Có thể tính đượcgiátrị kỳ vọng củalợi nhuận
khi đầutư -! Quầnáo
TD Khang – ĐHBK Hà Nội
Nhậnxét
Sự không chắcchắn, thiếu thông tin: các cách tiếpcận
lạc quan, bi quan, mạohiểm
Đamục tiêu: tích hợpcácmục tiêu
Bảng quyết địnhkhicóítphương án chọn
TD Khang – ĐHBK Hà Nội
CÂY QUYẾT ĐỊNH
Cây quyết định là mộtcấutrúccây, ánhxạ quan sát về
mộtthuộctínhthànhkếtluậnvề giá trị mong đợi
củathuộctínhđó
Cây gồm các nút quyết định, các nhánh và các lá
Mỗi nút quyết định mô tả mộtphépthử X nào đó, mỗi
nhánh củanúttương ứng vớimộtkhả năng chọn
củaX
Mỗilágắnvớimộtnhãnlớp
TD Khang – ĐHBK Hà Nội
Ví dụ
David quảnlýmộtcâulạcbộ Golf, gặpvấn đề về số
lượng khách, có ngày có khách đếnchơi, các nhân
viên làm không hếtviệc, có ngày không có khách,
cácnhânviênlạicónhiềuthờigianrỗi. Do đó
David muốndựđoán trước khi nào các khách hàng
sẽđếnchơi golf để bố trí nhân viên.
Thờitiết đóngvaitròquantrọng
TD Khang – ĐHBK Hà Nội

Cây quyết định
Chơi 3, không 2Chơi 2, không 3 Chơi 4, không 0
Chơi 2, không 0 Chơi 0, không 3 Chơi 3, không 0Chơi 0, không 2
Chơi 9, không 5
TRỜI (Nắng,Mây,Mưa)
ĐỘ ẨM (<=70,>70)
GIÓ(Đúng,Sai)
TD Khang – ĐHBK Hà Nội
Kếtluận: Nếutrờinhiềumâythìchắcchắncókhách
đếnchơi, nếutrờinắng và độ ẩm >70%, hoặctrời
mưa, có gió thì không có khách đếnchơi
Các công thức
Gini Impurity (sự hỗntạp): I
G
(i) = 1 - Σ
m
j=1
f(i,j)
2
,
với f(i,j) là tầnsuấtgiátrị j tại nút i, I
G
(i) đạtmin
( =0 ), nếutấtcả các trường hợpcủa nút đềuchỉ
nhậnmộtgiátrị
Information Gain (độ đo mang tin):
I
E
(i) = - Σ
m

j=1
f(i,j) log
2
f(i,j), entropy
Misclassification Measure (độ đophânlớpsai):
I
M
(i) = 1 - max
j
f(i,j)
TD Khang – ĐHBK Hà Nội
Ưu điểmcủa cây quyết định
- Đơngiảnvàtrực quan: mọingườicóthể hiểucây
quyết định thông qua các giảithíchngắngọn
- Không đòi hỏi nhiềuthờigianchuẩnbị dữ liệu, không
cầnchuẩnhóa
-Cóthể xử lý các kiểudữ liệu khác nhau: số, danh sách,
logic,
-Sử dụng mô hình "hộptrắng"
-Dễ dàng thử lại, đánh giá
-Mạnh, hiệuquả, ngay cả vớitậpdữ liệulớn, thờigian
xử lý ngắn Î thích hợp cho phân tích ra quyết định
TD Khang – ĐHBK Hà Nội
Nhậnxét
Chuyển thành luật
Phân lớp, khai phá dữ liệu
Tỉacây(tỉa cây trước-cùngvớidựng cây, tỉa cây sau,
sai số tỉacây) , khử nhiễu
Bảng quyết định - Cây quyết định - Mạng quyết định
(có thêm nút HOẶC)

TD Khang – ĐHBK Hà Nội
B/ Toán tử tích hợp
z Trongquátrìnhraquyết định, ngườitathường
phảikếtnhậpnhiều thông tin lại để lấyramộtkết
quả tổng quát, ví dụ khi phải xét cùng một lúc nhiều
tiêu chuẩn, khi có nhiềuý k
iến đánh giá của chuyên
gia,
z Mộtcáchhìnhthức, nếux
1
, , x
n
là nhóm các dữ
liệu, thì Agg(x
1
, ,x
n
)=a là hàm tích hợp, cho giá trị
đầuratheoyêucầu
z Toán tử tích hợpnằmgiữa phép toán hộivàphép
tuyển
TD Khang – ĐHBK Hà Nội
Phép hội và phép tuyển
Toán tử t-norm (phép hội) t: [0,1] x [0,1] → [0,1]
t(x,y) = t(y,x) t(x,y) ≤ t(z,u), ∀x≤y, z≤u
t(x, t(y,z)) = t( t(x,y), z) t(x,1) = x
Toán tử s-conorm (phép tuyển) s: [0,1] x [0,1] → [0,1]
s(x,y) = s(y,x) s(x,y) ≤ s(z,u), ∀x≤y, z≤u
s(x, s(y,z)) = s( s(x,y), z) s(x,0) = x
Toán tử phủđịnh n: [0,1] → [0,1] thỏamãn

n(0) = 1, n(1) = 0 n(x) ≤ n(y), ∀x≥y
TD Khang – ĐHBK Hà Nội
Tính chất
Toán tử tích hợpthường thỏamãnmộtsố tích chấtsau:
(1) Giớihạntự nhiên: Khi chỉ có 1 phầntử vào thì kếtquả
chính là giá trịđó: Agg(a)=a
(2) Tựđồng nhất: Nếu a=Agg(x
1
, ,x
n
) thì
Agg(x
1
, ,x
n
,a)=Agg(x
1
, ,x
n
)=a
(3) Đơn điệu: Nếua
i
≤b
i
∀i=1 n thì Agg(a
1
, ,a
n
) ≤
Agg(b

1
, ,b
n
)
(4) Kếthợp: Agg(x,y,z)=Agg(x,Agg(y,z))=Agg(Agg(x,y),z)
(5) Giao hoán: Agg(x
1
, ,x
n
)= Agg(X
1
, ,X
n
)
với(X
1
, ,X
n
) là mộthoánvị bấtkỳ của(x
1
, ,x
n
)
TD Khang – ĐHBK Hà Nội