Nghiên cứu và ứng dụng phương pháp hỗ trợ ra quyết định đa mục tiêu vào bài toán lựa chọn tập đoàn cây có khả năng chống chịu lửa

ĐẠI HỌC ĐÀ NẴNG
TRƢỜNG ĐẠI HỌC BÁCH KHOA
----------

VƢƠNG THỊ HẠNH

NGHIÊN CỨU VÀ ỨNG DỤNG PHƢƠNG PHÁP HỖ TRỢ RA
QUYẾT ĐỊNH ĐA MỤC TIÊU VÀO BÀI TOÁN LỰA CHỌN
TẬP ĐOÀN CÂY CÓ KHẢ NĂNG CHỐNG CHỊU LỬA

Chuyên ngành: Khoa học máy tính
Mã số: 60. 48. 01.01

TÓM TẮT LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Đà Nẵng - Năm 2018


Công trình đƣợc hoàn thành tại
TRƢỜNG ĐẠI HỌC BÁCH KHOA

Ngƣời hƣớng dẫn khoa học: TS. Nguyễn Văn Hiệu

Phản biện 1: PGS.TS Võ Trung Hùng
Phản biện 2: TS. Lê Xuân Vinh

Luận văn đƣợc bảo vệ trƣớc Hội đồng chấm Luận văn tốt nghiệp
thạc sĩ ngành Khoa học máy tính họp tại Trƣờng Đại học Bách khoa
vào ngày 16 tháng6 năm 2018

Có thể tìm hiểu luận văn tại:

- Trung tâm Học liệu, Đại học Đà Nẵng tại Trƣờng Đại học Bách
khoa
- Thƣ viện Khoa Công nghệ thông tin, Trƣờng Đại học Bách
khoa - ĐHĐN


1
MỞ ĐẦU
1. Lý do chọn đề tài
Cháy rừng là thảm họa thiên tai thƣờng xảy ra ở nhiều nƣớc
trên thế giới, gây nên những tổn thất to lớn về tài nguyên, môi trƣờng
sinh thái và cả tính mạng con ngƣời.
Trong những năm qua, công tác phòng chống cháy rừng luôn
đƣợc quan tâm, chỉ đạo tổ chức triển khai thực hiện nhiều biện pháp
phòng cháy chữa cháy rừng, đầu tƣ xây dựng các công trình và
phƣơng tiện phòng cháy chữa cháy. Đ c biệt, chú trọng đến đầu tƣ hệ
thống băng xanh cản lửaho c xây dựng các lâm phần khó cháy với
những loài cây có khả năng chống chịu lửa tốt, đây cũng là hình thức
mang tính nhân văn với mục đích hạn chế việc cháy rừng xảy ra, đáp
ứng đƣợc tác dụng nhiều m t về phòng cháy nhƣ ph hợp với điều
kiện lập địa, có khả năng tái sinh mạnh, sức chống chịu lửa và có giá
trị kinh tế cao.
Hiện nay, công tác lựa chọn tập đoàn cây có khả năng chống
chịu lửa đƣợc thực hiện bằng các phƣơng pháp thủ công dựa vào kinh
nghiệm, kiến thức bản địa dẫn đến kết quả còn nhiều thiếu sót, hạn
chế. Chính vì vậy, việc đƣa ra quyết định lựa chọn tập đoàn cây có
khả năng chống chịu lửa tốt dựa trên công tác khảo sát thực địa, tham
vấn chuyên gia và trên cơ sở phân tích các chỉ tiêu liên quan là rất
quan trọng và mang tính quyết định. Do đó, việc xây dựng hệ hỗ trợ
ra quyết định ứng dụng vào bài toán lựa chọn tập đoàn cây có khả

năng chống chịu lửa là thật sự cần thiết.
Hệ thống hỗ trợ ra quyết định DSS (Decision Support System)
đƣợc nghiên cứu, phát triển từ lâu và đã ứng dụng thành công vào
nhiều bài toán ra quyết định trong thực tế. Đ c biệt, đối với các vấn


2
đề về bảo vệ rừng đã bắt đầu xuất hiện giữa những năm 1970, DSS
đƣợc xây dựng nhằm đánh giá những biện pháp khác nhau bao gồm
cả việc đánh giá các chi phí của các biện pháp đó để đƣa ra những đề
xuất, khuyến nghị cho các cơ quan ra quyết định. Trong những năm
trở lại đây, c ng với sự phát triển của các phần mềm, sự nâng cao
hiểu biết cơ bản của ngƣời ra quyết định về ứng dụng công nghệ
thông tin đã giúp cho việc xây dựng và khai thác phần mềm hỗ trợ ra
quyết định trong quản lý phòng chống cháy rừng trở nên phổ biến
hơn.
Chính vì những lý do trên, tôi đăng ký thực hiện đề tài:
“Nghiên cứu và ứng dụng phƣơng pháp hỗ trợ ra quyết định đa mục
tiêu vào bài toán lựa chọn tập đoàn cây có khả năng chống chịu lửa”.
2. Mục tiêu và nhiệm vụ nghiên cứu
Mục tiêu: Tối ƣu hoá phƣơng pháp ra quyết định đa mục tiêu
trên cơ sở phƣơng pháp phân tích thứ bậc; Xây dựng hệ thống DSS
cho việc hỗ trợ giải bài toán chọn loài cây có khả năng chống chịu
lửa tốt.
Nhiệm vụ cụ thể:
- Tổng quan đƣợc các kỹ thuật ra quyết định đa mục tiêu. Chỉ
ra đƣợc các hạn chế của một vài phƣơng pháp để từ đó đề xuất
phƣơng pháp cải tiến.
- Mô hình đƣợc bài toán lựa chọn tập đoàn cây chống chịu lửa.
Liệt kê đƣợc các tiêu chí và danh sách loài cây thực hiện nghiên cứu.

- Xây dựng đƣợc DataSet về thông số danh sách các loài cây
nghiên cứu.Đề xuất đƣợc mô hình giải quyết bài toán trên cơ sở lý
thuyết ra quyết định. Xây dựng thành công một ứng dụng với mô
hình đề xuất.


3
3. Đối tƣợng và phạm vi nghiên cứu
Đối tƣợng nghiên cứu: Hệ hỗ trợ ra quyết định, các vấn đề liên
quan đến lựa chọn tập đoàn cây có khả năng chống chịu lửa.
Phạm vi nghiên cứu:Tập trung nghiên cứu ứng dụng các
phƣơng pháp hỗ trợ ra quyết địnhvà áp dụng thử nghiệm vào việclựa
chọn tập đoàn cây có khả năng chống chịu lửa phục vụ công tác
phòng cháy chữa cháy.
4. Phƣơng pháp nghiên cứu
- Tìm hiểu phƣơng pháp lựa chọn tập đoàn cây có khả năng
chống chịu lửa.
- Tìm hiểu hệ hỗ trợ ra quyết định trong lựa chọn tập đoàn cây
có khả năng chống chịu lửa.
- Tìm hiểu các ứng dụng và công nghệ liên quan đến hệ hỗ trợ
ra quyết định lựa chọn tập đoàn cây có khả năng chống chịu lửa.
- Áp dụng các thuật toán có liên quan để trợ giúp việc lập trình,
xây dựng ứng dụng lựa chọn tập đoàn cây có khả năng chống chịu
lửa.
- Kiểm tra, thử nghiệmvà đƣa ra nhận xét kết quả đạt đƣợc.
5. Dự kiến kết quả
Kết quả lý thuyết:
- Nắm đƣợc các phƣơng pháp hỗ trợ ra quyết định đa mục tiêu.
- Hiểu đƣợc quy trình xây dựng một hệ hỗ trợ ra quyết định đa
mục tiêu trong lựa chọn tập đoàn cây có khả năng chống chịu lửa.

Kết quả thực tiễn:
- Xây dựng thành công phần mềm chƣơng trình hỗ trợ ra quyết
định lựa chọn tập đoàn cây có khả năng chống chịu lửa với một số
chức năng cơ bản, có giao diện thân thiện và dễ sử dụng.


4
6. Ý nghĩa khoa học và thực tiễn của đề tài
Ý nghĩa khoa học:
- Tìm hiểu nghiên cứu về hệ hỗ trợ ra quyết định.
- Áp dụng phƣơng pháp hỗ trợ ra quyết định vào việc lựa chọn
tập đoàn cây có khả năng chống chịu lửa phục vụ công tác phòng
cháy chữa cháy rừng.
Ý nghĩa thực tiễn:
- Đề tài sẽ ứng dụng các công cụ, ngôn ngữ lập trình để xây
dựng hệ thống trợ giúp quyết định trong lựa chọn tập đoàn cây có khả
năng chống chịu lửa.
- Chƣơng trình sẽ hỗ trợ đắc lực trong công tác lựa chọn danh
sách cây có khả năng chống chịu lửa, giúp xây dựng hệ thống băng
xanh cản lửa phục vụ có hiệu quả công tác phòng cháy chữa cháy
rừng.
7. Cấu trúc của luận văn: Luận văn đƣợc tổ chức gồm 3
chƣơng chính sau:
Chƣơng1:TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG
VÀ PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU
Chƣơng 2: PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC
TIÊU TRONG BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ
KHẢ NĂNG CHỐNG CHỊU LỬA
Chƣơng 3: XÂY DỰNG CHƢƠNG TRÌNH HỖ TRỢ CHỌN
TẬP CÂY CHỐNG CHỊU LỬA

KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN
TÀI LIỆU THAM KHẢO


5
CHƢƠNG 1: TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY
RỪNG VÀ PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC TIÊU
1.1. TỔNG QUAN VỀ PHÒNG CHỐNG CHÁY RỪNG
1.1.1. Giới thiệu
Theo tài liệu quản lý lửa rừng của Tổ chức nông lƣơng thế giới
(FAO - Food and Agriculture Organization of the United Nations),
cháy rừng là sự xuất hiện và lan truyền của những đám cháy trong
rừng mà không nằm trong sự kiểm soát của con ngƣời, gây nên
những tổn thất về nhiều m t tài nguyên, của cải và môi trƣờng.
1.1.2. Phƣơng pháp phòng chống cháy rừng
(1) Biện pháp hành chính, (2) Tuyên truyền giáo dục nâng cao
cảnh giác về phòng cháy, chữa cháy rừng,(3) Biện pháp lâm sinh
trong phòng chống cháy rừng,(4) Hệ thống hồ đập, đê bao, kênh
mương giữ ẩm và phục vụ chữa cháy rừng, (5) Quy hoạch vùng sản
xuất nương rẫy đề phòng cháy lan vào rừng,(6) Giảm khối lượng vật
liệu cháy,(7) Hệ thống chòi canh phát hiện cháy rừng
1.1.3. Phƣơng pháp băng xanh cản lửa
Nguyên lý chung của băng xanh là sử dụng các loài cây có khả
năng chống chịu lửa nhờ vỏ dày, thân và lá chứa nhiều nƣớc, xanh
quanh năm, không bị cháy khi lửa tràn đến để trồng thành băng phân
chia rừng thành những diện tích nhỏ, ngăn cản đƣợc sự lan tràn của
các đám cháy rừng.
Vấn đề xây dựng mô hình đƣờng băng xanh cản lửa hầu nhƣ
chƣa đƣợc đi sâu nghiên cứu, các mô hình đƣợc xây dựng ở một số
địa phƣơng nƣớc ta chủ yếu dựa vào kinh nghiệm. Trong thực tế,

thiếu một danh sách các loài cây ƣu tiên phòng cháy cho các dạng lập
địa và kiểu rừng khác nhau. Ở nhiều địa phƣơng còn thiết kế băng


6
trắng ho c chỉ phổ biến ƣu tiên trồng thuần loài các cây lá rộng
thƣờng xanh nhƣ Keo, Chò đen và Lát hoa trên băng cản lửa.
1.2. TỔNG QUAN VỀ PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA
MỤC TIÊU
1.2.1. Giới thiệu
Khi một vấn đề đƣợc đ t ra trong đó có nhiều tiêu chí, mục
tiêu kèm theo. Nếu các mục tiêu xung đột với nhau và các biến quyết
định có những ràng buộc với nhau thì việc đi tìm giải pháp tối ƣu của
vấn đề trở thành bài toán “Tối ƣu hóa đa mục tiêu”.
Bài toán tối ƣu hóa đa mục tiêu đƣợc giải quyết với ý tƣởng
tƣơng tự bài toán tối ƣu một mục tiêu.
Mục đích chung của các phƣơng pháp MCDA là giúp cho
ngƣời ra quyết định chuẩn bị, tạo lập quyết định và nghiên cứu các
bài toán ra quyết định xét tới nhiều hơn một quan điểm. Mục đích
của MCDA là không bắt buộc phải chọn bất kỳ một quyết định nào
mà từ một cấu trúc hợp lý của bài toán ra quyết định MCDA đƣa ra
các phân tích, khuyến nghị.
1.2.2. Một số khái niệm thông thƣờng
1.2.3. Cấu trúc bài toán MCDA
Cấu trúc cơ bản của một bài toán MCDA đƣợc thể hiện trong
hình sau:

Hình 1.1. Cấu trúc của bài toán MCDA

7
Trong đó: A = {a1,…, ai ,…, am} là tập các phƣơng án lựa
chọn, và F = {g1,…, gj ,…, gn} là tập hữu hạn n tiêu chí. Đánh giá của
lựa chọn ai dựa trên tiêu chí j là gj(ai).
1.2.4. Phân loại bài toán MCDA
Roy đã đƣa ra bốn loại bài toán ra quyết định trong MCDA:(1)
Bài toán lựa chọn,(2) Bài toán phân loại, (3) Bài toán xếp hạng, (4)
Bài toán mô tả
1.2.5. Các phƣơng pháp của MCDA
Các phƣơng pháp MCDA đƣợc phân thành năm loại sau: (i)
phƣơng pháp thứ tự, (ii) phƣơng pháp trọng số, (iii) phƣơng pháp tiện
ích, (iv) phƣơng pháp hơn cấp, (v) các phƣơng pháp khác.
1.3. BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CHỐNG
CHỊU LỬA
1.3.1. Phƣơng pháp băng xanh cản lửa
1.3.2. Bài toán cụ thể
Phát biểu bài toán: “Xác định giải pháp lựa chọn tập đoàn cây
có khả năng chống chịu lửa nhằm xây dựng băng xanh cản lửa phục
vụ công tác phòng chống cháy rừng ”
Tổng kết chƣơng I
Chƣơng 1 đã trình bày tổng quan về phòng chống cháy rừng,
trong đó chú trọng công tác xây dựng băng xanh cản lửa là một trong
những biện pháp lâm sinh trọng tâm trong phòng cháy rừng; tổng
quan về phƣơng pháp ra quyết định đa mục tiêu. Trên cơ sở xác định
bài toán cụ thể xác định giải pháp lựa chọn tập đoàn cây có khả năng
chống chịu lửa nhằm xây dựng băng xanh cản lửa phục vụ công tác
phòng chống cháy rừng. Chƣơng tiếp theo, sẽ nghiên cứu áp dụng
phƣơng pháp ra quyết định đa mục tiêu để giải quyết bài toán lựa
chọn tập đoàn cây có khả năng chống chịu lửa.

8
CHƢƠNG 2: PHƢƠNG PHÁP RA QUYẾT ĐỊNH ĐA MỤC
TIÊU TRONG BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY CÓ
KHẢ NĂNG CHỐNG CHỊU LỬA
2.1. GIỚI THIỆU BÀI TOÁN LỰA CHỌN TẬP ĐOÀN CÂY
Hệ thống hỗ trợ ra quyết định trong lựa chọn tập đoàn cây có
khả năng chống chịu lửa là một hệ tích hợp, tƣơng tác với máy tính;
gồm các công cụ phân tích, có khả năng quản lý thông tin, đƣợc thiết
kế để hỗ trợ những ngƣời ra quyết định trong việc giải quyết các vấn
đề liên quan lựa chọn tập đoàn cây có khả năng chống chịu lửa mang
tính tổng hợp.
2.1.1. Xác định tiêu chí
Phƣơng pháp MCDA bao gồm một bộ các phƣơng pháp xác
định, đánh giá và tập hợp các lựa chọn ƣu tiên giữa các lựa chọn thay
thế, đƣợc sử dụng rộng rãi trong việc nghiên cứu tạo lập quyết định.
Bƣớc đầu tiên trong phân tích đa tiêu chí là xác định các tiêu chí khác
nhau đƣợc tính đến. Các tiêu chí này phục vụ cho việc thu thập các
dữ liệu đầu vào.
2.1.2. Xây dựng ma trận phân tích
Quá trình phân tích sẽ bắt đầu bằng việc xác định ma trận phân
tích. Ma trận phân tích (n x m: n lựa chọn và m tiêu chí) đƣợc xây
dựng từ các giải pháp và tiêu chí đánh giá trong giai đoạn định nghĩa.
Các phần tử của ma trận là điểm số đánh giá (tác động) của các lựa
chọn dựa trên tiêu chí.
2.1.3. Chuẩn hóa ma trận phân tích
Chuẩn hóa ma trận phân tích thực hiện việc đƣa các giá trị
đánh giá theo các đơn vị đo lƣờng khác nhau về một thang đo thống
nhất, sao cho có thể so sánh các tiêu chí một cách bình đẳng với nhau

9
2.1.4. Mô hình hóa hàm giá trị
Hàm giá trị (u) là một đại diện toán học của các tiêu chí đánh
giá. Nó biến đổi các tiêu chí thô thành tỉ lệ thông thƣờng của các đối
tƣợng đƣợc so sánh với nhau.
2.2. PHƢƠNG PHÁP TÍCH BẬC(AHP)
AHP là phƣơng pháp phân tích thứ bậc, là một kỹ thuật tạo
quyết định giúp cung cấp một tổng quan về thứ tự sắp xếp của những
lựa chọn thiết kế và nhờ vào nó ta tìm đƣợc một quyết định cuối c ng
hợp lý nhất. AHP giúp những ngƣời làm quyết định tìm thấy cái gì là
hợp lý nhất cho họ và giúp họ hiểu những vấn đề của mình.
Phƣơng pháp phân tích thứ bậc bao gồm các thủ tục tổng hợp
sự đánh giá, sự tiếp nhận mức độ ƣu tiên của các tiêu chí và tìm kiếm
phƣơng án tối ƣu. Phƣơng pháp phân tích cây thứ bậc thực hiện dựa
trên các tiên đề sau: so sánh từng c p, thang điểm để tiến hành ánh xạ
sự đánh giá vào định tính, mối quan hệ đối xứng nghịch, phân nhóm
mức và tính trọng số trên cây thứ bậc.
AHP có 3 phân đoạn cơ bản: Xác định vấn đề cần giải quyết,
thành lập ma trận so sánh và tổng hợp độ ƣu tiên.
2.2.1. Xác định vấn đề cần giải quyết
AHP phân giải vấn đề ra thành cấu trúc cây phân cấp, gồm 3
mức: mức mục tiêu, mức tiêu chí và mức phƣơng án.
2.2.2. Xây dựng ma trận so sánh
Trên cơ sở xây dựng cây thứ bậc ở bƣớc 1, chúng ta tiến hành
thiết lập ma trận so sánh tầm quan trọng lần lƣợt ở mức tiêu chí và
phƣơng án trong từng tiêu chí.
2.2.3. Tổng hợp độ ƣu tiên
Ở bƣớc này, ta xác định tầm quan trọng của một phƣơng án bất
kỳ đối với các phƣơng án cong lại trong mỗi tiêu chí

10
2.2.4. Ƣu và nhƣợc điểm của AHP
2.2.4.1. Ưu điểm AHP
- Phƣơng pháp AHP cho phép xây dựng một hệ thống chỉ tiêu
đánh giá rất linh hoạt;
- Ngƣời ra quyết định đƣợc quyền linh hoạt trong việc xếp
hạng so sánh mức độ quan trọng giữa các tiêu chí ở mỗi cấp;
- Phƣơng pháp AHP dựa trên cơ sở toán học;cho phép đánh giá
tính tƣơng quan trong các đánh giá của chuyên gia.
2.2.4.2. Nhược điểm AHP
- Phƣơng pháp AHP phân rã vấn đề quyết định thành các vấn
đề con, các c p so sánh sẽ đƣợc tạo thành trong quá trình đánh giá,
tiếp cận theo cách này sẽ không thuận lợi khi số lƣợng c p so sánh
lớn;
- Hệ thống tỉ lệ đo của AHP bị giới hạn rất khó khăn trong việc
phân biệt giữa chúng với nhau đối với ngƣời ra quyết định;
- Ở mức các phƣơng án, việc đánh giá các phƣơng án chỉ dựa
vào từng tiêu chí, việc đánh giá ở mức này chƣa thực hiện đƣợc đối
với một nhóm các tiêu chí.
2.3. PHƢƠNG PHÁP AHP/DS
2.3.1.Hƣớng tiếp cận cải tiến
2.3.2. Lý thuyết Dempster- Shafer(DS)
Lý thuyết Dempster Shafer dựa trên hai ý tƣởng: Thứ nhất để
có đƣợc mức độ tin tƣởng đối với một câu hỏi từ xác suất chủ quan
cho một câu hỏi từ xác suất chủ quan cho một câu hỏi liên quan, thứ
hai quy tắc của Dempster-Shafer trong việc kết hợp nhiều mức độ
của niềm tin.
Cho Ω là tập vũ trụ. Giả sử để có thông tin về một đối tƣợng

11
thuộc tập vũ trụ, sử dụng N phép quan sát (hay N phép đo). Giả thiết
rằng, kết quả của phép quan sát hay phép đo là không chính xác, có
nghĩa là đối tƣợng quan sát đƣợc rơi vào một tập con nào đó của tập
vũ trụ Ω. Đ t P o() là tập tất cả các tập con của Ω. Hàm tần suất m
gọi là xác suất cơ sở (basic probability) đƣợc định nghĩa (Beynon et
al., 2000; Beynon, 2002) nhƣ sau:

m : P o()  [0,1], m()  0,



m( Bi )  1 (2.7)

Bi P o (  )

Chú ý rằng, hàm tần suất có miền xác định khác với hàm xác
suất, hàm tần suất của sự kiện Bi  P o() (tập Bi) đƣợc định nghĩa:
m( Bi )  ci / N ,

với ci là số tập Bi quan sát đƣợc.

(2.8)

Tiếp tục định nghĩa hàm niềm tin (belief function) và hàm
thừa nhận (probability function) của tập (sự kiện) B  P o() . Kí
hiệu hàm niềm tin và hàm thừa nhận của tập B lần lƣợt tƣơng ứng là
Bel( B) Pl( B)

,
.
Bel( B ) 



m( Bi ), Pl( B ) 

Bi : Bi  B

Nếu kí hiệu

Pr( B )



m( Bi ).

(2.9)

Bi : Bi  B 

là hàm xác suất của sự kiện B, thì hàm niềm

tin và hàm thừa nhận của sự kiện B có ý nghĩa nhƣ là hàm ch n dƣới
và hàm ch n trên của hàm xác suất sự kiện B, tức là:

Bel(B)  Pr(B)  Pl( B)

(2.10)

2.3.3. Quy luật kết hợp Dempster
Cho hai nguồn sự kiện. Nguồn thứ nhất đƣợc khai triển N 1
phép quan sát Ai(1)   , i  1,...., n1 , và

ci(1) - số lần tập Ai(1)
i  1,..., n1 quan sát đƣợc. Nguồn thứ hai đƣợc triển khai N 2 phép

quan sát

A(2)
  , j  1,..., n2 ,
j

j  1,..., n2 quan sát đƣợc.

và

c(2)
j

- số lần tập

,
A(2)
j


12
Quy luật kết hợp Dempster đƣợc thực hiện nếu thỏa mãn giả

thiết rằng các nguồn sự kiện là độc lập tuyến tính. Chúng ta kí hiệu
xác suất cơ sở của các sự kiện tƣơng ứng với nguồn một và nguồn hai
là:
(2)
m1 ( Ai(1) )  сi(1) / N1, m2 ( A(2)
j )  с j / N2 .

(2.11)

Khi đó hàm kết hợp xác suất cơ sở của sự kiện A là m12 đƣợc
tính theo công thức sau:

m12 ( A) 
với K 

1
1 K


(1) (2)
Ai
Aj A


(1)
(2)
Ai
A j 

m1 ( Ai(1) )  m2 ( A(2)

j ),

(2.12)

và m12 ()  0 . (2.13)
m1 ( Ai(1) )  m2 ( A(2)
j )

2.3.4. Mô hình AHP/ DS
Để có quyết định đƣa ra một cách đúng đắn, tác giả đã tiếp cận
cải tiến phƣơng pháp ra quyết định đa mục tiêu trên cơ sở phƣơng
pháp phân tích thứ bậc. Đ c biệt, phƣơng pháp cải tiến của tác giả là
sử dụng ra quyết định tập thể với mong muốn sử dụng tri thức của
các chuyên gia. Để có đƣợc kết quả ra quyết định phƣơng pháp đề
xuất tiến hành các bƣớc tiền xử lý nhƣ sau:
1. Nhóm chuyên gia ánh xạ bài toán vào dạng cấu trúc cây thứ
bậc (tƣơng tự nhƣ phƣơng pháp phân tích thứ bậc).
2. Thu thập thông tin thông qua thủ tục khảo sát của các
chuyên gia.
3. Xử lý và phân tích thông tin thu thập đƣợc.
Bài toán chọn loài cây chống chịu lửa đƣợc các chuyên gia ánh
xạ vào dạng cấu trúc cây thứ bậc bao gồm hai tầng: tầng một phân bố
các tiêu chí, tầng hai phân bố các phƣơng án.


13
2.3.4.1. Thủ tục khảo sát các chuyên gia
Sau khi bài toán đƣợc ánh xạ vào cấu trúc dạng cây thứ bậc thì
cần thông tin bổ sung về các tiêu chí và các phƣơng án. Các phần tử
trên c ng một tầng đƣợc so sánh với nhau tƣơng ứng với một phần tử

ở tầng trên cấu trúc cây. Vì vậy, ứng với bài toán chọn loài cây chống
chịu lửa thủ tục khảo sát ý kiến của chuyên gia đƣợc thực hiện hai
tầng: tầng thứ nhất khảo sát ý kiến của các chuyên gia về các tiêu chí,
tầng thứ hai khảo sát các chuyên gia về các phƣơng án ứng với mỗi
tiêu chí.
Trong quá trình thực hiện so sánh từng c p các tiêu chí và so
sánh từng c p các phƣơng án chuyên gia thƣờng khó khăn đƣa ra kết
quả so sánh bằng số từ thang điểm đánh giá ho c khó khăn đƣa ra sự
khác biệt hai phần tử ho c đƣa ra đƣợc sự khác biệt nhƣng không
đáng kể, dẫn đến khó có thể đánh giá. Để khắc phục vấn đề nêu ra,
chỉ định đ t mỗi phần tử một số, trong sự cải tiến đề xuất xem xét
không chỉ các phần tử riêng lẽ, mà còn xem xét nhóm các phần tử.
Mục đích

С1

A1

A2

A3

С2

A1A2

С1С2

A1A3

A2A3

A1A2A3

Hình 2.7. Cấu trúc cây mở rộng của bài toán lựa chọn loài
cây chống chịu lửa


14
2.3.4.2. Xác định hàm niềm tin và sự thực
Dữ liệu có đƣợc là việc khảo sát mỗi thành viên của nhóm
chuyên gia, sự khảo sát giữa hai thành viên của nhóm chuyên gia có
thể tr ng nhau, cũng có thể đối nghịch hay cạnh tranh nhau. Dữ liệu
thu đƣợc không chỉ là các phần tử riêng lẽ, mà còn nhóm các phần tử.
Điều này có thể hiểu là thông tin có đƣợc ở bƣớc này là không chính
xác. Để xử lý các thông tin này chúng ta sử dụng thuyết ngẫu nhiên
(lý thuyết Dempster-Shafer)
Nhiệm vụ là tổng hợp kết quả đánh giá để nhận đƣợc trọng số
của các nhóm phƣơng án (hay nói cách khác là sự thành lập tiêu chí
chung)
2.3.4. .

ựn

i to n t i ưu

Giả sử tiêu chí Сi có xác suất chọn là pi , thì đối với tất cả
các tiêu rchí thực hiện ràng buộc sau:

p

i 1

i

1.

(2.16)

M t khác, chúng ta biết đƣợc xác suất cơ sở của các nhóm tiêu
chí Di là m( Di ) , ở với mọi Di  Po (C) , chúng ta tính đƣợc hàm
niềm tin và hàm sự thực.

Bel ( Dk ) 
Pl ( Dk ) 
i : Di



Dk 

 m( D ) ,

i: Di  Dk

i

(2.17)

m( Di ) , k  1,2,...,2r  1 . (2.18)

Nhiệm vụ tiếp theo là tổng hợp các kết quả đang có để đƣa ra
trọng số các phƣơng án. Phƣơng pháp tổng hợp và xử lý thông tin
không đầy đủ phụ thuộc trực tiếp vào tiêu chí ra quyết định. Trong
quá trình xây dựng tiêu chí toàn cục trong bài toán ra quyết định
chúng ta tiến hành tổng hợp kết quả đánh giá ứng với mỗi tiêu chí


15
cho trƣớc. Một số lƣợng lớn phƣơng pháp ra quyết định đƣợc xây
dựng tiêu chí toàn cục bằng việc sử dụng chập tuyến tính đối thông
qua một hàm

F , hàm này không mất tính tổng quát thƣờng cần đạt

giá trị lớn nhất. Tƣơng ứng với những phƣơng pháp đó, bài toán của
chúng ta cần xây dựng tiêu chí toàn cục trên tập hữu hạn các phƣơng
án Α  { A1 , A2 ,, An } . và theo đó một phƣơng pháp sử dụng kết
hợp các tiêu chí đã trở nên phổ biến và ứng dụng nhiều, đó là hàm
tuyến tính chập.
r

F (p, u k )   pi  uik . (2.29)
i 1

2.4. PHƢƠNG PHÁP CẢI TIẾN MAXIMIN
2.4.1. Lý do cải tiến
Noghin đã chỉ ra khi sử dụng chập tuyến tính sẽ dẫn đến rủi ro
ho c không ph hợp. Vì vậy, tiếp theo chúng ta đề xuất sử dụng
chiến lƣợc maximin thay cho chập tuyến tính
2.4.2. Hàm mục tiêu

2.4.3. Phƣơng pháp giải bài toán tối ƣu
Xét bài toán thứ nhất:





Bel( Bk )  inf
min p j  Bel j ( Bk ) ,
pP j 1,...,r
r

Với điều kiện:

i1 pi  1 và Bel(Dk )  i:CD pi  Pl(Dk ).
i

k

Định lý 1: Cho tập PG đƣợc hình thành từ ràng buộc p  P
và ràng buộc biến

G : G  pi  Beli ( Bk ) ,


16

G  p j  Bel j ( Bk ), j  1,..., r và j  i
Nếu

tập

có

PG

M

điểm

biên

( p1(i ) ,..., pr(i ) , G(i ) ), i  1,..., M thì giá trị Bel( Bk ) trong bài
toán (2.14) đƣợc tìm theo dạng sau:





Bel(Bk )  imin
min p(ji)  Bel j (Bk ) ,
1,...,M j 1,...,r

(2.46)

Xét bài toán thứ hai:





Pl(Bk )  sup jmin
p  Bel j (Bk ) ,
1,...,r j
pP

r

Với điều kiện:

pi  1 và

i 1

Bel ( Dk ) 

(2.47)



i:Ci Dk

pi  Pl ( Dk ).

Định lý 2: Pl( Bk ) là giá trị tối ƣu của bài toán (2.16)
tr ng với giá trị Pl( Bk ) trong bài toán sau::

Pl( Bk )  sup G
pP

(2.48)

với điều kiện


G  p j  Pl j ( Bk ), j  1,..., r ,
r
 j1 p j  1, p j  0, j  1,..., r ,

 Bel ( Dk )   p j  Pl ( Dk ), k  1,...,2r  1.
j:C j Dk



17
Kết luận chƣơng 2
Chƣơng 2 trình bày đƣợc bài toán bài toán lựa chọn tập đoàn
cây có khả năng chống chịu lửa. Trình bày chi tiết phƣơng pháp AHP
và phƣơng pháp cải tiến phƣơng pháp AHP trên cơ sở lý thuyết
Dempster-Shafer. Phƣơng pháp AHP/DS đã khắc phục việc truy vấn
thông tin từ các chuyên gia, tuy nhiên trong chƣơng này cũng chỉ ra
AHP/DS còn hạn chế khi sử dụng chập tuyến tính. Điểm đ c biệt của
chƣơng này là xây dựng đƣợc phƣơng pháp ra quyết định cải tiến trên
cơ sở phƣơng pháp AHP/DS, phƣơng pháp cải tiến khắc phục đƣợc
nhƣợc điểm của AHP/DS bằng việc thay thế hàm mục tiêu bằng cách
sử dụng chiến lƣợc Maximin. Các phƣơng pháp này là cơ sở để phát
triển xây dựng hệ thống và triển khai ứng dụng.
Tiếp theo chƣơng 3, luận văn xây dựng chƣơng trình, bƣớc đầu
thử nghiệm áp dụng bài toán đã nêu ở chƣơng 1. Từ kết quả thu đƣợc
luận văn so sánh, đánh giá các kết quả.

18
CHƢƠNG 3: XÂY DỰNG CHƢƠNG TRÌNH HỖ TRỢ
CHỌN TẬP CÂY CHỐNG CHỊU LỬA
3.1. THỰC TRẠNG VÀ NHU CẦU
3.1.1. Thực trạng về lựa chọn tập cây có khả năng chống
chịu lửa
3.1.2. Nhu cầu về lựa chọn tập cây có khả năng chống chịu
lửa
3.2. PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG
3.2.1. Mô hình bài toán
Mô hình bài toán lựa chọn tập đoàn cây có khả năng chống
chịu lửa có ba mức:
Mức 1 là mức mục tiêu: Lựa chọn tập đoàn cây có khả năng
chống chịu lửa.
Mức 2 là mức tiêu chí: Gồm các tiêu chí để lựa chọn tập đoàn
cây có khả năng chống chịu lửa.
Mức 3 là mức phƣơng án: Phƣơng án 1, phƣơng án 2,
phƣớng án 3, phƣơng án 4, …, Phƣơng án 43.
. . . .

ựn c c phư n

n

Qua khảo sát thực địa, điều tra trên 15 tuyến và 30OTC cơ bản
đi qua các trạng thái rừng đại diện, xác định đƣợc 43 loài có khả năng
chống chịu lửa Từ kết quả điều tra khảo sát thực địa kết hợp tri thức
bản địa và tham vấn chuyên gia, 24 loài cây đƣợc lựa chọn phân tích

các chỉ tiêu định lƣợng trong Phòng thí nghiệm và đánh giá các chỉ
tiêu định tính theo các phƣơng pháp tiếp theo.


19
Bảng 3.2: Danh lục các loài có khả năng chống chịu lửa
TT
1
2

được lựa chọn
Loài cây
TT
Chò đen
13
Chắp tay
14

Loài cây
Còng sữa
Dẻ gai lá nhọn

3

Thẩu tấu lá dày

15

Muồng đen

4
5
6
7
8
9
10
11
12

Lộc vừng lá to
Dầu rái
Dẻ đấu nứt
Thành nghạnh
Vối thuốc
Xuân thôn
Dẻ cọng mạnh
Trai lý
Chẹo tía

16
17
18
19
20
21
22
23
24

Lõi thọ
Vạng trứng
Lộc vừng
Sến núi
Dâu da xoan
Mít nài
Sòi tía
Chà ran nam bộ
C đèn bạc

. . . .

ựn c c ti u ch

Bảng 3.3 Bảng tiêu chí đánh giálựa chọn tập đoàn cây có khả năng
TT
1
2
3
4
5
6

chống chịu lửa
Tiêu chí
TT
Hàm lƣợng nƣớc trong lá
7
(%) – TC1
Hàm lƣợng nƣớc trong vỏ

8
(%) – TC2
Hàm lƣợng tro thô trong
9
lá (% - TC5
Hàm lƣợng tro thô trong
10
vỏ (%) – TC6
Thời gian cháy của lá
11
(phút) – TC7
Thời gian cháy của vỏ
12
(phút) – TC8

Tiêu chí
Độ dày của lá (mm) –
TC3
Độ dày của vỏ (mm) –
TC4
Khả năng thích ứng với
điều kiện lập địa – TC9
Khả năng tái sinh –
TC10
Kết cấu tán – TC11
Giá trị kinh tế - TC12


20
3.2.2. Chƣơng trình và ứng dụng

3.2.2.1. Mô tảcủachư n trình
Chƣơng trình đƣợcthiết kế bằng ngôn ngữ lập trìnhC#từ
góiMicrosoft VisualStudio2012.NETvà mục đích của chƣơng trình là
đểhỗ trợ ra quyết định đatiêu chíra quyết địnhvớithông tin đánh giá bị
hạn chế.
3.2.2.2. Một s lớp ch nh
3.2.2.3.Giao iện khảo s t chu n ia về c c nhóm ti u ch
Thông tin đánh giá về các phƣơng án cũng nhƣ thông tin đánh
giá các tiêu chí đƣợc ngƣời sử dụng nhập bằng tay vào máy có thể
trực tiếp trên giao diện chƣơng trình ho c có thể nhập vào tập tin.
Khi nhập thông tin về tiêu chí ngƣời sử dụng phải nhập đảm
bảo một số thông tin cần thiết:
1. Số lƣợng các tiêu chí tham gia;
2. Tên các tập con của tập các tiêu chí;
3. Tập hợp thông tin dạng: “nhóm các tiêu chí đƣợc chuyên gia
chọn đƣợc gán giá trị là giá trị là «1», còn các trƣờng hợp khác có giá
trị là «0»”.
3.2.2.4. Giao iện khảo s t chu n ia về nhóm iải ph p
ứn với ti u ch
Sau khi tiến hành khảo sát thông tin của các chuyên gia về các
nhóm tiêu chí. Chúng ta lại tiếp tục khảo sát nhóm chuyên gia về sự
đánh giá nhóm phƣơng án yêu thích nhất
Tiếp theo chƣơng trình là đƣa ra phƣơng pháp tính có thể
chọn: Chập tuyến tính; Chiến lƣợc maximin và cuối c ng hiển thị kết
quả tính trên màn hình ho c cho phép ghi vào tập tin.


21
3.3. KẾT QUẢ THỬ NGHIỆM
Luận văn sử dụng phƣơng pháp đề xuất ở chƣơng 2, thu đƣợc

kết quả đánh giá các phƣơng án ứng từng tiêu chí . Sử dụng phƣơng
pháp đề xuất và chỉ số rủi ro 0.6 cho kết quả xếp hạng cuối c ng thể
hiện ở bảng 3.6.
Bảng 3.6 X ếp hạng các loài cây theo phương pháp
đối lập có trọng số
Tên loài cây

Điểm

Xếp

Tên loài cây

Điểm

hạng

Xếp
hạng

Chò đen

0.8401

1

Còng sữa

0.7214

13

Chắp tay

0.7927

2

Dẻ gai lá nhọn

0.7157

14

Chẹo tía

0.7822

3

Lõi thọ

0.7015

15

Vối thuốc

0.7753

4

Vạng trứng

0.6813

16

Dầu dái

0.7714

5

Lộc vừng

0.6775

17

Dẻ đấu nứt

0.7661

6

Sến núi

0.6670

18

Thành nghạnh

0.7652

7

Sơn ta

0.6641

19

Xuân thôn

0.7450

8

Dâu da xoan

0.6603

20

Thẩu tấu

0.7368

9

Muồng đen

0.6602

21

Dẻ cọng mạnh

0.7316

10

Mít nài

0.6592

22

Trai lý

0.7301

11

Sòi tía

0.6535

23

0.6303

24

Chà ran nam
Lộc vừng lá to

0.7224

12

bộ

Kết luận chƣơng 3
Chƣơng 3 đã nêu cụ thể thực trạng và nhu cầu về lựa chọn cây
có khả năng chống chịu lửa hiện nay.Xây dựng thành công chƣơng
trình thử nghiệm với 02 phƣơng pháp gồm: phƣơng pháp cải tiến
phƣơng pháp AHP trên cơ sở lý thuyết Dempster-Shafer và phƣơng


22
pháp cải tiến AHP/DS bằng cách sử dụng chiến lƣợc Maximin. Đồng
thời, trong chƣơng cũng đã xếp hạng thành công với bài toán thực tế
chọn loài cây chống chịu lửa.


23
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN

1. Kết luận
Luận văn đã nêu ra bài toán cụ thể với các hƣớng giải quyết
khoa học, hiệu quả mà cụ thể là đƣa ra mô hình hỗ trợ ra quyết định
đa tiêu chí MCDA cho một phần công việc của ngƣời quản lý trong
lựa chọn tập đoàn cây có khả năng chống chịu lửa để xây dựng băng
xanh cản lửa phục vụ công tác phòng chống cháy rừng.
Luận văn đã tìm hiểu phƣơng pháp cây thứ bậc AHP, nhằm
hoàn thiện phƣơng pháp phân tích cây thứ bậc AHP, luận văn đã
nghiên cứu phƣơng pháp AHP với sự trợ giúp thuyết DempsterShafer, cụ thể nghiên cứuphƣơng pháp AHP/DS và trên cơ sở đó đề
xuất phƣơng pháp cải tiến mới ra quyết định đa mục tiêu trên cơ sở
phƣơng pháp phân tích cây thứ bậc là sử dụng chiến lƣợc maximin,
một m c là làm tổng quát AHP/DS và m t khác khắc phục hạn chế
tồn tại trong phƣơng pháp AHP/DS.
Luận văn đã tiến hành ứng dụng phƣơng pháp hỗ trợ ra quyết
định đa mục tiêu: AHP, AHP/DS và phƣơng pháp cải tiến vào bài
toán “Xác định giải pháp lựa chọn tập đoàn cây có khả năng chống
chịu lửa nhằm xây dựng băng xanh cản lửa phục vụ công tác phòng
chống cháy rừng”.Luận văn cũng đã tiến hành xếp hạng thành công
với bài toán thực tế chọn loài cây chống chịu lửa.
Ứng dụng các phƣơng pháp AHP, AHP/DS và phƣơng pháp
cải tiến vào lựa chọn tập đoàn cây có khả năng chống chịu lửa, luận
văn đã xây dựng một chƣơng trình ứng dụng sử dụng ngôn ngữ lập
trình C#. Chƣơng trình có giao diện thân thiện với ngƣời d ng, dễ sử
dụng, cho phép ra quyết định lựa chọn tập đoàn cây có khả năng
chống chịu lửa theo thứ tự ƣu tiên và đã đem lại những kết quả cụ
thể.