Sự khác biệt căn bản giữa AHP mờ và AHP truyền thống là gì?

Điểm khác biệt cốt lõi nằm ở dạng biểu diễn dữ liệu so sánh cặp. AHP truyền thống ép buộc chuyên gia sử dụng các con số thực sắc nét rời rạc từ 1 đến 9, trong khi AHP mờ sử dụng các số mờ tam giác để mô hình hóa trực tiếp sự mơ hồ, độ bất định và tính do dự trong nhận thức con người, giúp kết quả đánh giá phản ánh chân thực hơn thực tế kỹ thuật.

Tại sao phương pháp phân tích mức độ của Chang (1996) lại có thể dẫn đến trọng số bằng 0?

Trong phương pháp của Chang, trọng số của mỗi tiêu chí được tính dựa trên mức độ khả năng nhỏ nhất khi so sánh với các tiêu chí khác. Khi hai số mờ tổng hợp mức độ không có phần giao nhau, mức độ khả năng này sẽ triệt tiêu về 0, dẫn tới việc tiêu chí bị gán trọng số 0 tuyệt đối và bị loại khỏi quá trình ra quyết định một cách phi lý.

Khi nào nên ưu tiên sử dụng phương pháp trung bình hình học mờ của Buckley (1985) thay cho phương pháp của Chang?

Phương pháp trung bình hình học của Buckley nên được ưu tiên trong các bài toán kỹ thuật phức tạp đòi hỏi độ tin cậy cao và tính ổn định của mọi tiêu chí. Thuật toán của Buckley luôn đảm bảo tạo ra các trọng số dương xác định cho mọi tiêu chí hợp lệ, tránh được hoàn toàn hiện tượng triệt tiêu trọng số thành 0 như trong phương pháp của Chang.

Ngưỡng tỷ số nhất quán (CR) trong AHP mờ được quy định như thế nào để đảm bảo tính hợp lý?

Tỷ số nhất quán (CR) thường được xác định thông qua việc giải mờ ma trận so sánh cặp về dạng sắc nét và kiểm tra theo tiêu chuẩn của Saaty. Ngưỡng chấp nhận chuẩn mực là CR nhỏ hơn 0.1 (tức 10%); nếu vượt qua ngưỡng này, ma trận so sánh cặp bị xem là thiếu tính nhất quán logic và hội đồng chuyên gia cần rà soát, điều chỉnh lại các đánh giá ban đầu.

AHP mờ (FAHP) là gì? Nguyên lý toán học và quy trình

AHP mờ (Fuzzy Analytic Hierarchy Process, FAHP) là phương pháp ra quyết định đa tiêu chí kết hợp lý thuyết tập mờ với phương pháp phân tích thứ bậc kinh điển, cho phép lượng hóa và xử lý tính mơ hồ, bất định trong các đánh giá so sánh cặp của chuyên gia. Phương pháp này thay thế các giá trị đơn trị xác định bằng các khoảng số mờ, giúp phản ánh chân thực các phán đoán định tính của con người khi đối diện với các bài toán kỹ thuật và quản lý phức tạp.

Bối cảnh ra đời và cơ sở lý thuyết

Phương pháp phân tích thứ bậc truyền thống do Thomas L. Saaty đề xuất năm 1980 đã trở thành một trong những công cụ ra quyết định đa tiêu chí được áp dụng rộng rãi nhất trên thế giới. Ưu điểm nổi bật của phương pháp kinh điển này là khả năng phân rã một hệ thống mục tiêu phức tạp thành cấu trúc thứ bậc bao gồm mục tiêu chung ở đỉnh, các tiêu chí đánh giá ở các tầng trung gian và các phương án lựa chọn ở tầng đáy. Tuy nhiên, phương pháp truyền thống yêu cầu người ra quyết định phải gán các giá trị số thực sắc nét rời rạc từ 1 đến 9 cho từng cặp so sánh. Trong thực tiễn kỹ thuật, phán đoán của con người thường mang tính chủ quan, không chắc chắn và bị giới hạn bởi khả năng nhận thức trước thông tin không hoàn hảo. Việc ép buộc chuyên gia đưa ra một con số chính xác đơn trị thường dẫn đến sai lệch thông tin và làm giảm tính tin cậy của kết quả.

Nhằm khắc phục khiếm khuyết trên, các nhà khoa học đã tích hợp lý thuyết tập mờ do Lotfi A. Zadeh khởi xướng năm 1965 vào cấu trúc phân tích thứ bậc. Lý thuyết tập mờ cung cấp khung toán học chặt chẽ để biểu diễn các biến ngôn ngữ không rõ ràng thông qua các hàm phụ thuộc có giá trị biến thiên liên tục trong khoảng từ 0 đến 1. Lịch sử phát triển của AHP mờ ghi nhận khởi đầu từ nghiên cứu khởi đầu năm 1983 của van Laarhoven và Pedrycz (được tổng quan trong giáo trình của Emrouznejad và Ho, 2017) với số mờ tam giác và phương pháp bình phương tối thiểu logarit. Đến năm 1985, Buckley đã tạo bước đột phá phương pháp luận khi giới thiệu phương pháp trung bình hình học mờ trên ma trận so sánh cặp. Sau đó, Chang vào năm 1996 đã đề xuất phương pháp phân tích mức độ với các bước tính toán đại số đơn giản hơn. Toàn bộ nền tảng toán học và quy trình thực nghiệm của AHP mờ đã được Emrouznejad và Ho hệ thống hóa toàn diện trong giáo trình chuyên khảo xuất bản năm 2017.

Số mờ tam giác và thang so sánh cặp

Trong các biến thể của AHP mờ, số mờ tam giác là dạng biểu diễn số học phổ biến nhất nhờ tính chất tính toán thuận tiện và khả năng diễn giải trực quan. Một số mờ tam giác được ký hiệu là bộ ba số thực $\tilde{M} = (l, m, u)$ , trong đó $l$ biểu diễn giá trị cận dưới, $m$ là giá trị có khả năng xảy ra cao nhất hay giá trị trung tâm, và $u$ là giá trị cận trên, thỏa mãn điều kiện $l \le m \le u$ .

Hàm phụ thuộc của số mờ tam giác được mô tả theo công thức toán học sau:

\mu_{\tilde{M}}(x) = \begin{cases} 0, & x < l \\ \frac{x - l}{m - l}, & l \le x \le m \\ \frac{u - x}{u - m}, & m \le x \le u \\ 0, & x > u \end{cases}

với $x$ là biến số thực biểu diễn giá trị đánh giá, $l$ là cận dưới có mức độ phụ thuộc bằng 0, $m$ là giá trị trung tâm có mức độ phụ thuộc đạt cực đại bằng 1, và $u$ là cận trên có mức độ phụ thuộc triệt tiêu về 0.

Xét hai số mờ tam giác bất kỳ $\tilde{M}_1 = (l_1, m_1, u_1)$ và $\tilde{M}_2 = (l_2, m_2, u_2)$ với các tham số dương, các quy tắc toán tử số học mờ cơ bản được thiết lập như sau:

Phép cộng hai số mờ: $\tilde{M}_1 \oplus \tilde{M}_2 = (l_1 + l_2, m_1 + m_2, u_1 + u_2)$ , với kết quả là một số mờ tam giác mới có các thành phần bằng tổng các thành phần tương ứng.
Phép nhân xấp xỉ hai số mờ: $\tilde{M}_1 \otimes \tilde{M}_2 \approx (l_1 l_2, m_1 m_2, u_1 u_2)$ , trong đó các cận và giá trị trung tâm được nhân trực tiếp với nhau.
Phép nghịch đảo số mờ: $\tilde{M}_1^{-1} \approx (1/u_1, 1/m_1, 1/l_1)$ , với thứ tự cận trên và cận dưới được đảo nghịch vị trí để duy trì trật tự số học.

Để lượng hóa các phán đoán định tính của chuyên gia thành dữ liệu mờ, thang đo 1 đến 9 truyền thống của Saaty được chuyển đổi thành thang số mờ tam giác tương ứng, cho phép thể hiện mức độ do dự và khoảng bất định trong tư duy đánh giá.

Thang điểm Saaty	Định nghĩa biến ngôn ngữ	Số mờ tam giác	Số mờ nghịch đảo
1	Quan trọng ngang nhau (Equal)	Bộ ba số (1, 1, 1)	Bộ ba số (1, 1, 1)
2	Mức độ trung gian chuyển tiếp	Bộ ba số (1, 2, 3)	Bộ ba số (1/3, 1/2, 1)
3	Quan trọng vừa phải (Moderate)	Bộ ba số (2, 3, 4)	Bộ ba số (1/4, 1/3, 1/2)
4	Mức độ trung gian chuyển tiếp	Bộ ba số (3, 4, 5)	Bộ ba số (1/5, 1/4, 1/3)
5	Quan trọng mạnh (Strong)	Bộ ba số (4, 5, 6)	Bộ ba số (1/6, 1/5, 1/4)
6	Mức độ trung gian chuyển tiếp	Bộ ba số (5, 6, 7)	Bộ ba số (1/7, 1/6, 1/5)
7	Rất quan trọng (Very strong)	Bộ ba số (6, 7, 8)	Bộ ba số (1/8, 1/7, 1/6)
8	Mức độ trung gian chuyển tiếp	Bộ ba số (7, 8, 9)	Bộ ba số (1/9, 1/8, 1/7)
9	Cực kỳ quan trọng (Extreme)	Bộ ba số (8, 9, 9)	Bộ ba số (1/9, 1/9, 1/8)

Các thuật toán xác định trọng số trong FAHP

Trong quá trình giải bài toán AHP mờ, việc trích xuất vector trọng số sắc nét từ ma trận so sánh cặp mờ là khâu then chốt. Hai thuật toán được ứng dụng phổ biến và ghi nhận nhiều thảo luận học thuật nhất là phương pháp phân tích mức độ của Chang năm 1996 và phương pháp trung bình hình học mờ của Buckley năm 1985.

Phương pháp phân tích mức độ của Chang (1996)

Phương pháp phân tích mức độ do Chang giới thiệu năm 1996 sử dụng các số mờ tam giác để tính toán giá trị tổng hợp mức độ cho từng đối tượng đối với tập mục tiêu xác định. Giả sử tập đối tượng gồm $n$ phần tử và tập mục tiêu gồm $m$ thành phần, mỗi đối tượng được thực hiện phân tích mức độ theo từng mục tiêu tương ứng.

Giá trị mức độ tổng hợp mờ của đối tượng thứ $i$ được xác định theo công thức sau:

S_i = \sum_{j=1}^m M_{gi}^j \otimes \left[ \sum_{i=1}^n \sum_{j=1}^m M_{gi}^j \right]^{-1}

với $S_i$ là giá trị mức độ tổng hợp mờ của hàng thứ $i$ , $M_{gi}^j$ là số mờ tam giác thể hiện mức độ so sánh của đối tượng thứ $i$ đối với mục tiêu thứ $j$ , $m$ là số lượng cột trong ma trận so sánh cặp, và $n$ là số lượng đối tượng cần xác định trọng số.

Để so sánh hai giá trị mức độ tổng hợp mờ $M_1 = (l_1, m_1, u_1)$ và $M_2 = (l_2, m_2, u_2)$ , độ khả năng để $M_2 \ge M_1$ được định nghĩa theo nguyên lý mở rộng Zadeh:

V(M_2 \ge M_1) = \sup_{y \ge x} \min(\mu_{M_1}(x), \mu_{M_2}(y))

Biểu thức giải tích của độ khả năng được tính toán cụ thể như sau:

V(M_2 \ge M_1) = \begin{cases} 1, & m_2 \ge m_1 \\ 0, & l_1 \ge u_2 \\ \frac{l_1 - u_2}{(m_2 - u_2) - (m_1 - l_1)}, & \text{khác} \end{cases}

với $V(M_2 \ge M_1)$ là mức độ khả năng số mờ $M_2$ lớn hơn hoặc bằng số mờ $M_1$ . Độ khả năng để một số mờ tam giác lớn hơn tất cả $n - 1$ số mờ còn lại được xác định bằng giá trị nhỏ nhất của các độ khả năng thành phần:

d'(A_i) = \min V(S_i \ge S_k), \quad k = 1, 2, \dots, n; \; k \ne i

với $d'(A_i)$ là giá trị trọng số chưa chuẩn hóa của phần tử thứ $i$ . Sau đó, vector trọng số sắc nét chuẩn hóa $W$ được xác định qua phép chia tổng:

W = (d(A_1), d(A_2), \dots, d(A_n))^T

với $d(A_i) = \frac{d'(A_i)}{\sum_{k=1}^n d'(A_k)}$ là trọng số sắc nét của đối tượng thứ $i$ .

Phương pháp trung bình hình học mờ của Buckley (1985)

Phương pháp trung bình hình học mờ được Buckley công bố năm 1985 là một phương pháp trực tiếp, tự nhiên và mở rộng trực tiếp từ giải thuật vector riêng của Saaty. Ma trận so sánh cặp mờ có dạng vuông cấp $n$ chứa các phần tử số mờ tam giác $\tilde{a}_{ij} = (l_{ij}, m_{ij}, u_{ij})$ , thỏa mãn tính chất nghịch đảo $\tilde{a}_{ji} = \tilde{a}_{ij}^{-1} \approx (1/u_{ij}, 1/m_{ij}, 1/l_{ij})$ và đường chéo chính chứa các số mờ đơn vị $(1, 1, 1)$ .

Thuật toán của Buckley bao gồm các công thức toán học sau:

Đầu tiên, giá trị trung bình hình học mờ của từng hàng được tính bằng tích mờ căn bậc $n$ :

\tilde{r}_i = \left( \prod_{j=1}^n \tilde{a}_{ij} \right)^{1/n} = \left( \left(\prod_{j=1}^n l_{ij}\right)^{1/n}, \left(\prod_{j=1}^n m_{ij}\right)^{1/n}, \left(\prod_{j=1}^n u_{ij}\right)^{1/n} \right)

với $\tilde{r}_i$ là giá trị trung bình hình học mờ của hàng thứ $i$ , $l_{ij}$ là cận dưới, $m_{ij}$ là giá trị trung tâm, $u_{ij}$ là cận trên của phần tử so sánh cặp ở vị trí hàng $i$ cột $j$ , và $n$ là bậc của ma trận.

Tiếp theo, trọng số mờ của tiêu chí thứ $i$ được tính bằng cách nhân trung bình hình học mờ với nghịch đảo của tổng các trung bình hình học mờ:

\tilde{w}_i = \tilde{r}_i \otimes \left( \sum_{k=1}^n \tilde{r}_k \right)^{-1} = (l_{wi}, m_{wi}, u_{wi})

với $\tilde{w}_i$ là trọng số mờ gồm bộ ba giá trị $l_{wi}$ là cận dưới, $m_{wi}$ là giá trị trung tâm và $u_{wi}$ là cận trên của trọng số.

Để đưa về trọng số sắc nét phục vụ xếp hạng, bước giải mờ được thực hiện thông qua phương pháp trọng tâm diện tích:

w_i = \frac{l_{wi} + m_{wi} + u_{wi}}{3}

với $w_i$ là giá trị trọng số sắc nét của tiêu chí thứ $i$ . Cuối cùng, các trọng số được chuẩn hóa sao cho tổng của chúng bằng 1:

w_i^* = \frac{w_i}{\sum_{k=1}^n w_k}

với $w_i^*$ là trọng số chuẩn hóa cuối cùng của tiêu chí $i$ .

Quy trình thực hiện từng bước

Việc triển khai một bài toán ra quyết định kỹ thuật bằng AHP mờ đòi hỏi sự tuân thủ nghiêm ngặt một quy trình 5 bước chuẩn mực được đúc kết trong tài liệu chuyên khảo của Emrouznejad và Ho xuất bản năm 2017:

Bước 1: Thiết lập cấu trúc thứ bậc bài toán. Phân tích mục tiêu tổng thể của bài toán kỹ thuật, nhận diện toàn diện các tiêu chí chính, các tiêu chí phụ kỹ thuật và danh mục các phương án khả thi. Xây dựng sơ đồ phân cấp từ trên xuống dưới đảm bảo tính toàn vẹn và độc lập tương đối giữa các nhánh đánh giá.
Bước 2: Thu thập phán đoán và xây dựng ma trận so sánh cặp mờ. Tổ chức khảo sát các chuyên gia trong ngành sử dụng bảng hỏi dựa trên thang đo ngôn ngữ từ 1 đến 9. Chuyển đổi các phán đoán định tính của chuyên gia thành các số mờ tam giác tương ứng và thiết lập các ma trận so sánh cặp mờ cho từng tầng của cấu trúc phân cấp.
Bước 3: Đánh giá và kiểm tra tính nhất quán logic. Để đảm bảo tính hợp lý của các phán đoán mờ, ma trận được chuyển đổi về dạng sắc nét bằng phương pháp giải mờ giá trị trung tâm để tính giá trị riêng lớn nhất. Chỉ số nhất quán và tỷ số nhất quán được tính theo công thức:
$CI = \frac{\lambda_{\max} - n}{n - 1}, \quad CR = \frac{CI}{RI}$
với $CI$ là chỉ số nhất quán, $CR$ là tỷ số nhất quán, $\lambda_{\max}$ là giá trị riêng lớn nhất của ma trận so sánh cặp sắc nét, $n$ là bậc của ma trận, và $RI$ là chỉ số ngẫu nhiên thực nghiệm. Ngưỡng chấp nhận tiêu chuẩn đòi hỏi tỷ số nhất quán phải nhỏ hơn 0.1, tương đương mức 10%. Nếu tỷ số này vượt ngưỡng 10%, các chuyên gia phải tiến hành rà soát và điều chỉnh lại ma trận so sánh cặp.
Bước 4: Tính toán vector trọng số cục bộ. Áp dụng thuật toán trung bình hình học mờ của Buckley năm 1985 hoặc thuật toán phân tích mức độ của Chang năm 1996 để tính toán các vector trọng số mờ, sau đó tiến hành giải mờ và chuẩn hóa để thu được trọng số cục bộ cho từng tiêu chí và từng phương án.
Bước 5: Tổng hợp thứ tự ưu tiên toàn cục và phân tích độ nhạy. Tiến hành nhân kết hợp trọng số cục bộ của các phương án với trọng số của các tiêu chí tương ứng theo nguyên lý tổng hợp tuyến tính để xác định điểm ưu tiên tổng thể của từng phương án. Thực hiện phân tích độ nhạy bằng cách thay đổi tỷ trọng của các tiêu chí nhằm kiểm tra độ bền vững của quyết định trước những biến động thực tế.

Lĩnh vực ứng dụng và so sánh với AHP truyền thống

AHP mờ thể hiện ưu thế vượt trội so với AHP truyền thống trong các môi trường ra quyết định có độ bất định cao, thông tin không đầy đủ và đòi hỏi sự tham gia của hội đồng chuyên gia đa ngành. Bảng đối chiếu dưới đây làm rõ sự khác biệt bản chất giữa hai phương pháp:

Khía cạnh so sánh	AHP truyền thống (Saaty, 1980)	AHP mờ (Buckley, 1985; Chang, 1996)
Bản chất dữ liệu đầu vào	Số thực sắc nét đơn trị rời rạc	Khoảng số mờ tam giác liên tục
Xử lý tính mơ hồ của chuyên gia	Không có khả năng mô hình hóa sự do dự	Mô tả chính xác độ bất định nhận thức
Hàm phụ thuộc toán học	Giá trị logic nhị phân nhận giá trị 0 hoặc 1	Hàm phụ thuộc liên tục trong khoảng 0 đến 1
Độ phức tạp trong tính toán	Đơn giản, tốc độ xử lý nhanh	Phức tạp hơn do giải thuật số học mờ
Khả năng dung hòa ý kiến nhóm	Dễ bị lệch bởi các giá trị ngoại lai	Dung hòa mượt mà sự phân tán của chuyên gia
Độ tin cậy trong kỹ thuật	Dễ dẫn đến kết luận chủ quan cưỡng ép	Phản ánh chân thực các ràng buộc kỹ thuật

Trong thực tiễn khối ngành kỹ thuật và công nghệ, AHP mờ đã trở thành công cụ cốt lõi trong nhiều bài toán quan trọng:

Kỹ thuật công nghiệp và quản trị chuỗi cung ứng: Đánh giá và lựa chọn nhà cung cấp xanh, tối ưu hóa địa điểm kho vận logistics, và lựa chọn dây chuyền công nghệ sản xuất thông minh.
Kỹ thuật năng lượng và môi trường: Đánh giá địa điểm lắp đặt trang trại điện gió và dự án điện mặt trời, phân tích tác động môi trường của các công trình hạ tầng kỹ thuật đô thị.
Kỹ thuật hệ thống và an toàn thông tin: Đánh giá độ tin cậy của các hệ thống cơ điện tử phức tạp, phân tích lỗ hổng an ninh mạng và xác định ưu tiên bảo trì phòng ngừa thiết bị công nghiệp nặng.

Hạn chế và tranh luận phương pháp luận

Mặc dù sở hữu nhiều ưu điểm lý thuyết, AHP mờ cũng đối diện với những tranh luận phương pháp luận sâu sắc trong cộng đồng khoa học, đặc biệt là hiện tượng trọng số bằng 0 trong phương pháp phân tích mức độ của Chang năm 1996.

Hiện tượng này dẫn tới hệ quả nguy hiểm trong kỹ thuật: một tiêu chí hợp lệ bị loại bỏ hoàn toàn khỏi mô hình ra quyết định chỉ vì nó bị đánh giá thấp hơn ở một tiêu chí phụ nào đó, bất chấp tầm quan trọng tổng thể của nó. Các nghiên cứu phản biện giai đoạn 1999 đến 2006 được tổng quan trong giáo trình của Emrouznejad và Ho (2017) đã chỉ rõ khiếm khuyết toán học này và cảnh báo về nguy cơ làm sai lệch kết quả xếp hạng trong các bài toán kỹ thuật phức tạp.

Để khắc phục hạn chế này, các nhà nghiên cứu khuyến nghị sử dụng phương pháp trung bình hình học mờ của Buckley công bố năm 1985 thay vì phương pháp của Chang khi xử lý các bài toán kỹ thuật quan trọng. Phương pháp của Buckley luôn đảm bảo trọng số của mọi tiêu chí hợp lệ đều mang giá trị dương xác định, tránh được hoàn toàn hiện tượng triệt tiêu trọng số phi lý. Đồng thời, việc kết hợp phân tích độ nhạy và đối chiếu với các phương pháp giải mờ khác nhau là bước đi cần thiết để kiểm chứng tính vững chắc của các quyết định kỹ thuật.