Ứng dụng phương pháp Trapezoidal Hesitant Fuzzy TOPSIS thử nghiệm xếp hạng đánh giá giảng viên

Bài viết "Ứng dụng phương pháp Trapezoidal Hesitant Fuzzy TOPSIS thử nghiệm xếp hạng đánh giá giảng viên" trình bày một ứng dụng của phương pháp tập mờ hesitant TOPSIS – THF TOPSIS (Trapezoidal Hesitant Fuzzy TOPSIS) cho bài toán ra quyết định đa tiêu chí dựa trên ý kiến của nhóm chuyên gia (MAGDM). Phương pháp THF TOPSIS giải quyết được trường hợp khi các đánh giá độ thuộc cho một đối tượng mờ có nhiều giá trị khác nhau, khi mà các mở rộng phương pháp TOPSIS mờ trước đây chưa giải quyết được. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Ứng dụng phương pháp Trapezoidal Hesitant Fuzzy TOPSIS thử nghiệm xếp hạng đánh giá giảng viên Ứng dụng phương pháp Trapezoidal Hesitant Fuzzy TOPSIS thử nghiệm xếp hạng đánh giá giảng viên Lê Thị Hồng Nhung Nguyễn Đức Thuần Khoa Công nghệ Thông tin Khoa Công nghệ thông tin Trường Đại học Nha Trang Trường Đại học Nha Trang Số 02 Nguyễn Đình Chiểu, Khánh Hoà, Việt Nam Số 02 Nguyễn Đình Chiểu, Khánh Hoà, Việt Nam nhung.lth.61cntt@ntu.edu.vn thuan.info@ntu.edu.vn Tóm tắt - Bài báo này trình bày một ứng dụng của phươngpháp tập mờ hesitant TOPSIS – THF TOPSIS (Trapezoidal II. GIỚI THIỆU VỀ SỐ MỜ HÌNH THANG HESITANTHesitant Fuzzy TOPSIS) cho bài toán ra quyết định đa tiêu chí dựa A. Các định nghĩa liên quantrên ý kiến của nhóm chuyên gia (MAGDM). Phương pháp THFTOPSIS giải quyết được trường hợp khi các đánh giá độ thuộc Định nghĩa 2.1. [6] Cho X là một tập cố định, một tập mờcho một đối tượng mờ có nhiều giá trị khác nhau, khi mà các mở hesitant (HFS) trên X là một hàm h: X → [0,1], h(x) ⊆ [0,1].rộng phương pháp TOPSIS mờ trước đây chưa giải quyết được. Xia và Xu (2011) biểu diễn tập mờ hesitant (HFS) theo ký hiệuBài toán thử nghiệm là sắp xếp thứ tự đánh giá của giảng viên dựa toán học như sau:vào bộ dữ liệu đánh giá giảng dạy giảng viên - Bộ môn Hệ thống ? = {< x, ℎ? (x) > | x ∈ X}Thông tin, trường Đại học Nha Trang. Trong qua trình thử Trong đó: hA(x) xác định độ thuộc của phần tử x ∈ X đối vớinghiệm nhằm nâng cao hiệu năng phương pháp, chúng tôi sử dụnggiá trị kỳ vọng độ thuộc xây dựng từ bộ dữ liệu đánh giá của sinh tập A⊆X. Xia và Xu gọi hA(x) là phần tử mờ hesitant (HFE),viên. Đây là một kết quả có thể xem xét để xếp loại giảng viên được là một thành phần cơ sở của tập mờ hesitant (HFS).linh hoạt và chính xác. Định nghĩa 2.2. [6] Cho M = {μ1,…, μN} là tập hợp N hàm thành viên, ta định nghĩa tập mờ hesitant với các giá trị hàm Từ khoá - Tập mờ, Tập mờ hesitant, Quyết định đa tiêu chí, thành viên theo M, là hM, theo công thức:Phương pháp tập mờ hesitant TOPSIS. h? (x) = ∪μ∈M {μ(?)} Ý nghĩa: khi có nhiều chuyên gia (người ra quyết định) có các I. GIỚI THIỆU định nghĩa độ mờ có thể khác nhau cho đối tượng. Giả sử M là Hiện nay đã có nhiều nghiên cứu và ứng dụng phương pháp tập các N định nghĩa độ mờ của N chuyên gia, hM đại diện choFuzzy TOPSIS ở nhiều lĩnh vực khác nhau để giải quyết bài ý kiến của tập hợp các chuyên gia.toán hỗ trợ ra quyết định đa tiêu chí. Có thể thấy, các nghiên Định nghĩa 2.3. [11] Cho một HFE h, một hàm trung bìnhcứu về phương pháp TOPSIS, Fuzzy TOPSIS đã được chú trọng độ thuộc (score function) s(h) được định nghĩa như sau:phát triển từ khá sớm, không những TOPSIS được mở rộng 1 ?(ℎ) = . ∑ ?trong môi trường mờ mà phương pháp này còn được phát triển ?ℎ ?∈ℎtrên tập thô, tập neutrosophic, soft sets, .., tuỳ vào điều kiện Trong đó, ?ℎ là số lượng giá trị hàm thành viên trong h,nghiên cứu và bài toán ứng dụng [1][2]. Ở trong nước, nghiên ?ℎ = |h|.cứu và ứng dụng Fuzzy TOPSIS cũng được nhiều nhà nghiên Với hai HFE h1 và h2, một quan hệ thứ bậc được định nghĩa nhưcứu quan tâm. sau:Một trong những khó khăn sử dụng phương pháp mờ TOPSIS • s(h1) > s(h2) thì h1 có thứ bậc cao hơn h2, ký hiệulà xác định độ thuộc mờ của các đối tượng khi những gặp phải h1 > h2đánh giá khác nhau của các chuyên gia (hay người ra quyết • s(h1) = s(h2) thì h1 = h2định) đều hợp lí được đưa ra. Tập mờ hesitant được đề xuất bởi ...