THÔNG TIN TÓM TẮT VỀ NHỮNG ĐÓNG GÓP MỚI
CỦA LUẬN ÁN TIẾN SĨ
Tên luận án: Nghiên cứu phát triển các mô hình ra quyết định nhóm đa tiêu chí trong môi trường thông tin ngôn ngữ dựa trên Đại số gia tử.
Ngành: Công nghệ thông tin; Mã số: 9480201.
Nghiên cứu sinh: Nhữ Văn Kiên.
Họ và tên cán bộ hướng dẫn:
1. TS. Hoàng Văn Thông - Trường Đại học Giao thông Vận tải.
2. PGS.TSKH. Nguyễn Cát Hồ - Đại học Duy Tân.
Cơ sở đào tạo: Trường Đại học Giao thông vận tải.
TÓM TẮT ĐÓNG GÓP MỚI CỦA LUẬN ÁN
1. Phát triển mô hình HA-TOPSIS cho bài toán xếp hạng phương án trong MCGDM ngôn ngữ. Mô hình xây dựng thang đo ngôn ngữ từ Đại số gia tử (HA), dùng hàm ánh xạ định lượng ngữ nghĩa của HA định lượng các từ theo trật tự ngữ nghĩa, rồi xác định PIS/NIS, khoảng cách ngữ nghĩa và hệ số gần trên miền ngữ nghĩa. Khác với TOPSIS và FTOPSIS thường dựa trên giá trị số rõ, hàm thuộc, số mờ và giải mờ, HA-TOPSIS thực hiện lượng hóa theo cấu trúc ngữ nghĩa của HA, duy trì liên hệ giữa đánh giá ngôn ngữ và kết quả xếp hạng. Kiểm chứng qua bài toán lựa chọn nhà cung cấp phần mềm, phân tích độ nhạy và đối sánh với FTOPSIS, mô hình 4-tuple ngữ nghĩa.
2. Phát triển mô hình EFAHP-4-tuple-HA, tích hợp FAHP cải tiến với biểu diễn 4-tuple ngữ nghĩa dựa trên HA, để xác định trọng số của tiêu chí có kiểm soát tính nhất quán và xếp hạng phương án trên cùng nền tảng ngữ nghĩa HA. Điểm mới gồm công thức xác định chỉ số nhất quán của ma trận so sánh cặp ngôn ngữ trong môi trường HA; EFAHP-HA để xác định trọng số của tiêu chí; và mô hình 4-tuple dựa trên HA để biểu diễn, kết nhập đánh giá, xếp hạng phương án. Mô hình đã xử lý được hạn chế gán trực tiếp trọng số của tiêu chí như trong một số mô hình ra quyết định của HA và giảm sự tách rời ngữ nghĩa giữa hai giai đoạn xác định trọng số của tiêu chí và xếp hạng phương án. Mô hình được kiểm chứng trên 16 SMEs bán lẻ tại Việt Nam, kèm phân tích độ nhạy và đối sánh với HA-TOPSIS, FAHP-FTOPSIS.
3. Phát triển khung phương pháp xây dựng mô hình MCGDM động trong môi trường thông tin ngôn ngữ dựa trên HA. Xây dựng phép kết nhập ngôn ngữ nhị phân trên thang đo 4-tuple đảm bảo các tính chất đại số cần thiết và mở rộng thành phép kết nhập nhiều ngôi theo thứ tự; đồng thời đề xuất phép kết nhập với dữ liệu khuyết thiếu và cơ chế suy giảm ngữ nghĩa để tích hợp dữ liệu lịch sử với đánh giá hiện tại. Từ đó, mô hình L-FAHP-L-FTOPSIS động dựa trên HA được xây dựng để xác định trọng số của tiêu chí và xếp hạng phương án qua nhiều thời điểm, trong điều kiện tập phương án, bộ tiêu chí, tập chuyên gia hoặc dữ liệu thay đổi theo thời gian. Mô hình được kiểm chứng qua đánh giá mức độ sẵn sàng chuyển đổi số của SMEs bán lẻ tại Việt Nam ở nhiều thời điểm, kết hợp phân tích độ nhạy và đối sánh với phương pháp liên quan.
INFORMATION OF THE NEW CONTRIBUTIONS OF THE THESIS
Name of dissertation: Research on the Development of Multi-Criteria Group Decision-Making Models in a Linguistic Information Environment Based on Hedge Algebras.
Major: Information Technology; Code No: 9480201.
Name of PhD. Student: Nhu Van Kien.
Name of Supervisors:
1. Dr. Hoang Van Thong - University of Transport and Communications.
2. Prof. Dr. Nguyen Cat Ho - Duy Tan University.
Training Institution: University of Transport and Communications.
SUMMARY OF THE NEW CONTRIBUTIONS OF THE THESIS.
1. The thesis develops the HA-TOPSIS model for ranking alternatives in linguistic MCGDM. The model constructs a linguistic term scale from Hedge Algebras (HA), uses the semantically quantifying mapping (SQM) of HA to quantify linguistic terms according to their semantic ordering, and then determines the positive ideal solution (PIS), the negative ideal solution (NIS), semantic distances, and closeness coefficients within the semantic domain. Whereas conventional TOPSIS relies on crisp numerical values and FTOPSIS commonly uses membership functions, fuzzy numbers, and defuzzification, HA-TOPSIS performs quantification according to the semantic structure of HA, thereby preserving the relationship between linguistic assessments and ranking results. The model is verified through its application to a software supplier selection problem, together with sensitivity analysis and comparative evaluation against FTOPSIS and the linguistic 4-tuple model.
2. The thesis develops the EFAHP-4-tuple-HA model, which integrates an enhanced FAHP method with an HA-based linguistic 4-tuple representation to determine the weights of the criteria while controlling consistency and to rank alternatives on the same semantic basis. Its new components comprise a formula to determine the consistency index of a linguistic pairwise comparison matrix in the HA environment; the EFAHP-HA method to determine criteria weights; and an HA-based 4-tuple model to represent and aggregate assessments and rank alternatives. The model addresses the limitation of directly assigning criteria weights in some HA-based decision-making models and reduces the semantic separation between the stages of criteria-weight determination and alternative ranking. The model is verified using data from 16 retail SMEs in Vietnam, together with sensitivity analysis and comparative evaluation against HA-TOPSIS and FAHP-FTOPSIS.
3. The thesis develops a methodological framework for constructing dynamic MCGDM models in a HA-based linguistic information environment. The framework constructs a binary linguistic aggregation operation on a 4-tuple scale; the operation satisfies the required algebraic properties and is extended to an ordered n-ary aggregation operation. It also proposes an aggregation operation for missing data and a semantic decay mechanism to integrate historical data with current assessments. On this basis, a dynamic L-FAHP-L-FTOPSIS model based on HA is developed to determine criteria weights and rank alternatives across multiple time points under conditions in which the set of alternatives, the set of criteria, the panel of experts, or the data may change over time. The model is verified through multi-period assessments of the readiness for digital transformation of retail SMEs in Vietnam, together with sensitivity analysis and comparative evaluation against a related method.
