Chào mừng đến với BIS Đăng nhập | Đăng ký | Trợ giúp
trong Tìm kiếm

Phương pháp phân tích thứ bậc AHP

Bài cuối 09-01-2021 03:27 PM của chucnv. 0 trả lời.
Trang 1 trong số 1 (1 nội dung)
Sắp xếp bài viết: Trước Tiếp theo
  • 09-01-2021 03:27 PM

    • chucnv
    • 10 thành viên năng nổ nhất
    • Tham gia 12-05-2008
    • Điểm 10,360

    Phương pháp phân tích thứ bậc AHP

    Phương pháp phân tích thứ bậc AHP

    chuc1803@gmail.com, bis.net.vn

    1.    1.Sơ lược về AHP

    Phương pháp phân tích thứ bậc AHP (Analytic Hierarchy Process - AHP) là một trong những phương pháp ra quyết định đa điều kiện (Multiple Criteria decision Making) được đề xuất bởi Thomas L. Saaty (1980), một nhà toán học người gốc Irắc. AHP là một phương pháp định lượng, dùng để đánh giá các phương án và chọn một phương án thỏa mãn các tiêu chí cho trước. Thay vì yêu cầu một khối lượng dữ liệu lớn, AHP sử dụng ý kiến chuyên gia và không cần quá nhiều dữ liệu để phân tích. Phương pháp AHP với 3 bước chính, đó là phân tích, đánh giá và tổng hợp. AHP trả lời các câu hỏi “Nên chọn phương án nào?” hay “Phương án nào tốt nhất?”.

    Các bước thực hiện phân tích AHP

    Bước #1. Xây dựng cấu trúc thứ bậc của bài toán: Xác định mục tiêu (Goal), các tiêu chí đánh giá (Criteria) và các phương án lựa chọn (Alternative)

    Bước #2. Tính toán trọng số của từng tiêu chí (criteria)

    o   Xây dựng ma trận so sánh cặp cho mỗi tiêu chí

    o   Tính trọng số cho từng tiêu chí

    o   Kiểm tra tỷ số nhất quán CR (Consistency Ratio: CR<10%)

    Bước #3. Tính mức độ ưu tiên cho từng phương án và chọn phương án tốt nhất 

     

    2. Minh họa về AHP

    Trong ví dụ này minh họa phân tích AHP để đánh giá trọng số các tiêu chí lựa chọn mua điện thoại.


    Xây dựng cấu trúc thứ bậc của bài toán:

    Xác định mục tiêu (Goal): Mua điện thoại phù hợp nhất

    Các tiêu chí đánh giá (Criteria): Có 4 tiêu chí là Giá (Price), Bộ nhớ (Storage), Camera, và Cảm nhận (Look)

     Các phương án lựa chọn (Alternative): Có 3 phương án lựa chọn Mobile1, Mobile2, Mobile3


    Xây dựng ma trận so sánh cặp cho mỗi tiêu chí (Pair- wise Comparison Matrix)

    Dựa vào ý kiến của chuyên gia so sánh, đánh giá mức độ quan trọng giữa các tiêu chí theo từng cặp theo thang điểm đánh giá của T.Saaty:

    Tiến hành thực hiện việc so sánh các tiêu chí theo từng cặp, mức độ quan trọng của các cặp tiêu chí. Các mức độ ưu tiên (các giá trị aij, với i chạy theo hàng, j chạy theo cột) theo cặp của các tiêu chí có các giá trị nguyên dương từ 1 đến 9 hoặc nghịch đảo của các số này, ta được ma trận vuông (nxn). 

    Giả sử có kết quả ma trận so sánh cặp như sau: Chú ý ma trận này đường chéo có giá trị là 1 vì tiêu chí so sánh với chính nó (có mức độ quan trọng như nhau). Giá trị ở hàng 1 cột 2 là 5 có nghĩa là tiêu chí về giá có mức độ quan trọng gấp 5 lần tiêu chí về bộ nhớ, và như vậy thì giá trị ở hàng 2 cột 1 là 1/5 (bộ nhớ ít quan trọng hơn giá 5 lần).


    Từ ma trận trên thêm hàng Sum để tính tổng theo cột như bên dưới:

    Chuẩn hóa ma trận so sánh cặp bằng cách lấy giá trị của mỗi ô chia cho tổng theo cột

    Normalised Pair-wise matrix (cell/sum by column)


    Tính trọng số cho các tiêu chí (trung bình theo hàng)

    Các giá trị trọng số của các tiêu chí chưa phải là giá trị kết luận cuối cùng, nó cần phải kiểm tra tính nhất quán trong cách đánh giá của các chuyên gia trong suốt quá trình áp dụng phương pháp. T.Saaty chỉ ra rằng tỉ số nhất quán (CR) nhỏ hơn hay bằng 10% là ở mức có thể chấp nhận. Nói cách khác, có 10% cơ hội mà các chuyên gia trả lời các câu hỏi hoàn toàn ngẫu nhiên. Nếu CR lớn hơn 10% chứng tỏ có sự không nhất quán trong đánh giá và cần phải đánh giá và tính toán lại. 

    Sử dụng trọng số của các tiêu chí và ma trận so sánh cặp để tính tỷ số nhất quán CR (Consistency Rate) như sau:

    Tính vector nhất quán (Consistency vector): Lấy tổng trọng số của các tiêu chí chia cho trọng số của từng tiêu chí

    Tính giá trị riêng lớn nhất của ma trận so sánh (Lamdamax). Nếu  Lamdamax càng gần bằng số tiêu chí so sánh thì tính phù hợp càng cao). Lamdamax được tính là  trung bình cộng của vector nhất quán

    Lamdamax=(4.1764+4.0222+4.1550+4.0494)/4=4.1007

    Tính chỉ số nhất quán CI (Consistency Index)


    Trong đó n là số tiêu chí so sánh cùng cấp

    CI=(4.1007-4)/(4-1)= 0.03357

    Tính tỷ số nhất quán CR (Consistency Ratio)

    Trong đó:  CI: Chỉ số nhất quán

    RI (Random Index): Chỉ số ngẫu nhiên, được tra cứu theo số tiêu chí so sánh trong bảng sau:  Bảng chỉ số ngẫu nhiên ứng với số tiêu chí lựa chọn được xem xét

    Trong ví dụ này số tiêu chí là 4 nên RI =0.90

    CR=0.03357/0.90 =0.037296 (<10%). Tỷ số nhất quán CR nhỏ hơn 10% thì phù hợp

    Từ đó ta có thể sử dụng trọng số các tiêu chí để đánh giá phương án lựa chọn.


    Bước 3: Tính độ ưu tiên của các phương án theo từng tiêu chí.

    Ở bước này sẽ tính toán cho từng tiêu chí, cách tính toán giống như trong Bước 2, nhưng số liệu đưa vào đánh giá là kết quả so sánh mức độ ưu tiên của các phương án xem xét theo từng tiêu chí (theo ý kiến các chuyên gia). Như thế, đánh giá phải thực hiện 4 ma trận cho 4 tiêu chí khác nhau. Kết quả là ta có 4 ma trận 1 cột 3 hàng (3 phương án). Cũng cần tiến hành kiểm tra tỷ số nhất quán để đảm bảo kết quả thu được có độ tin cậy phù hợp. Sau đó tính điểm cho các phương án và lựa chọn. Đây là bước cuối cùng trong quá trình đánh giá và đưa ra phương án. Từ kết quả của bước 3, tổng hợp được ma trận trọng số các phương án theo các tiêu chí. Nhân ma trận này với ma trận trọng số các tiêu chí là kết quả của Bước 2, được kết quả là một ma trận 3 hàng (3 phương án) 1 cột (giá trị trọng số). Ma trận kết quả sẽ cho biết phương án tốt nhất nên chọn, là phương án có giá trị trọng số cao nhất.
    Tính trọng số các phương án theo tiêu chí Giá. Kiểm tra CR <10%
    Tương tự tính trọng số các phương án 3 tiêu chí còn lại. Kết quả như sau
    Tính điểm các phương án. Chọn phương án có trọng số cao nhất là Mobile 1
    • Điểm chủ đề: 20
Trang 1 trong số 1 (1 nội dung)
Powered by Community Server (Commercial Edition), by Telligent Systems