Quyết định đa tiêu chí (multi-criteria decision making, MCDM) là một phân ngành quan trọng của khoa học quyết định và vận trù học, chuyên nghiên cứu các khuôn khổ toán học và thuật toán nhằm hỗ trợ người ra quyết định đánh giá, xếp hạng hoặc lựa chọn phương án tối ưu khi tồn tại đồng thời nhiều tiêu chí đánh giá mâu thuẫn nhau. Đặc trưng cốt lõi của MCDM là xử lý sự đánh đổi (trade-off) giữa các mục tiêu không đồng nhất về đơn vị đo lường và tầm quan trọng. Bài viết trình bày chi tiết về các thành phần cốt lõi của mô hình MCDM, phân loại MADM và MODM, các phương pháp kinh điển (AHP, TOPSIS, VIKOR, PROMETHEE), kỹ thuật chuẩn hóa ma trận quyết định và ứng dụng thực tiễn trong kỹ thuật và quản lý.
Bản chất và cấu trúc cơ bản của mô hình MCDM
Trong thực tế kỹ thuật và quản trị, việc tìm kiếm một phương án vượt trội trên mọi khía cạnh là điều hiếm khi xảy ra. Chẳng hạn, một phương án thiết kế có chi phí thấp thường đi kèm rủi ro kỹ thuật cao hoặc hiệu suất giới hạn. Thay vì quy đổi gượng ép mọi yếu tố về một đơn vị tiền tệ duy nhất, MCDM duy trì cấu trúc đánh giá đa chiều.
Một bài toán MCDM tổng quát được mô hình hóa qua bốn thành phần cơ bản:
- Tập hợp phương án (Alternatives): Danh sách các lựa chọn khả dĩ cần được đánh giá hoặc xếp hạng.
- Tập hợp tiêu chí (Criteria): Các chỉ số đo lường hiệu quả hoặc chi phí, bao gồm cả tiêu chí định lượng (thời gian, suất tiêu hao) và tiêu chí định tính (tính thẩm mỹ, mức độ thân thiện môi trường).
- Ma trận quyết định (Decision Matrix): Bảng biểu diễn giá trị hiệu năng của từng phương án tương ứng với từng tiêu chí đánh giá.
- Trọng số tiêu chí (Weights): Vector biểu thị mức độ ưu tiên tương đối của các tiêu chí trong tổng thể mục tiêu quyết định.
| Phương án | Chi phí (triệu đồng) | Hiệu quả (điểm) | Rủi ro (1-5) |
|---|---|---|---|
| A | 150 | 8.5 | 3 |
| B | 170 | 9.0 | 4 |
| C | 140 | 7.8 | 2 |
Phân loại các phương pháp quyết định đa tiêu chí
Dựa trên đặc điểm của không gian giải pháp, MCDM được chia thành hai nhánh nghiên cứu chính:
- Ra quyết định đa thuộc tính (Multi-Attribute Decision Making, MADM): Áp dụng cho bài toán có số lượng phương án hữu hạn, rời rạc và đã được xác định trước. Mục tiêu của MADM là lựa chọn phương án tốt nhất, phân nhóm hoặc xếp hạng toàn bộ danh sách phương án. Các phương pháp phổ biến gồm AHP, TOPSIS, VIKOR, ELECTRE và PROMETHEE.
- Ra quyết định đa mục tiêu (Multi-Objective Decision Making, MODM): Áp dụng khi tập hợp phương án là vô hạn hoặc liên tục, được định nghĩa bởi các ràng buộc toán học. MODM tập trung tìm kiếm tập nghiệm tối ưu Pareto (Pareto-optimal set) mà tại đó không thể cải thiện một tiêu chí nếu không làm suy giảm ít nhất một tiêu chí khác.
Các phương pháp MADM kinh điển
Mỗi phương pháp MADM xây dựng trên nền tảng triết lý và công thức tính toán riêng biệt:
| Phương pháp | Nguyên lý tính toán chính | Ưu điểm nổi bật | Hạn chế chính |
|---|---|---|---|
| AHP (Analytic Hierarchy Process) | Phân rã cấu trúc phân cấp và so sánh cặp đôi giữa các tiêu chí. | Kiểm tra được tính nhất quán trong nhận định của chuyên gia. | Khối lượng so sánh tăng mạnh khi có nhiều tiêu chí hoặc phương án. |
| TOPSIS | Đo khoảng cách Euclid tới giải pháp lý tưởng dương và lý tưởng âm. | Ý tưởng trực quan, thuật toán tính toán đơn giản và nhanh. | Nhạy cảm với phương pháp chuẩn hóa vector và tương quan giữa các tiêu chí. |
| VIKOR | Tối ưu hóa độ đo khoảng cách thỏa hiệp Lp theo tiêu chuẩn đa số cực đại và tiếc nuối cá nhân. | Tìm giải pháp thỏa hiệp ổn định trong điều kiện xung đột tiêu chí gay gắt. | Cần thiết lập tham số trọng số chiến lược thỏa hiệp. |
| PROMETHEE | Xây dựng quan hệ trội (outranking) dựa trên hàm sở thích từng cặp phương án. | Xử lý tốt dữ liệu phi tham số và hỗ trợ biểu diễn trực quan đồ thị GAIA. | Đòi hỏi xác định các ngưỡng ưu tiên và ngưỡng không phân biệt cho từng tiêu chí. |
Kỹ thuật chuẩn hóa ma trận quyết định
Do các tiêu chí trong ma trận quyết định thường có đơn vị đo lường và thang giá trị khác nhau, bước chuẩn hóa là bắt buộc để chuyển đổi dữ liệu về dạng không thứ nguyên trên cùng khoảng giá trị so sánh.
Trong phương pháp TOPSIS, kỹ thuật chuẩn hóa vector được sử dụng phổ biến theo công thức:
Trong đó, là giá trị ban đầu của phương án đối với tiêu chí , và là giá trị sau chuẩn hóa vector với là số lượng phương án. Ma trận chuẩn hóa đảm bảo bình phương tổng các phần tử theo mỗi cột đều bằng 1.
Đối với các tiêu chí cần tối thiểu hóa (tiêu chí chi phí), giá trị sau chuẩn hóa được chuyển đổi ngược hoặc đảo chiều theo dạng để thống nhất chiều tác động tích cực trong hàm mục tiêu tổng thể.
Xác định trọng số tiêu chí
Trọng số phản ánh tầm quan trọng tương đối giữa các tiêu chí và ảnh hưởng quyết định đến thứ hạng cuối cùng. Hai hướng tiếp cận chính gồm:
- Xác định trọng số chủ quan: Khai thác ý kiến chuyên gia thông qua ma trận so sánh cặp trong AHP hoặc phương pháp phân bổ trực tiếp Delphi.
- Xác định trọng số khách quan: Dựa trên đặc tính phân tán thống kê của dữ liệu thực nghiệm. Tiêu biểu là phương pháp Entropy Shannon, xác định trọng số theo mức độ thông tin hữu ích:
Trong đó, là giá trị entropy thông tin của tiêu chí và là số phương án. Tiêu chí nào có mức độ phân tán giá trị giữa các phương án càng lớn (entropy càng nhỏ) thì cung cấp lượng thông tin phân biệt càng cao và được gán trọng số cao hơn.
Ứng dụng thực tiễn trong kỹ thuật và quản lý
Kỹ thuật MCDM được triển khai rộng rãi trong nhiều bài toán thực tế phức tạp:
- Lựa chọn nhà cung cấp và chuỗi cung ứng: Đánh giá các nhà cung cấp dựa trên tổ hợp tiêu chí giá thành, thời gian giao hàng, chất lượng sản phẩm và trách nhiệm môi trường.
- Quy hoạch vị trí dự án công nghiệp: Lựa chọn vị trí đặt nhà máy sản xuất hoặc trung tâm phân phối logistics dựa trên khoảng cách giao thông, giá thuê đất, nguồn lao động và tác động sinh thái.
- Quản lý danh mục đầu tư năng lượng: Lựa chọn công nghệ năng lượng tái tạo (điện gió, điện mặt trời, sinh khối) cân bằng giữa chi phí vốn, công suất phát và lượng phát thải khí nhà kính.
- Y tế và quản trị bệnh viện: Phân bổ nguồn lực y tế khẩn cấp, mua sắm trang thiết bị chẩn đoán hình ảnh và đánh giá hiệu quả can thiệp lâm sàng đa chiều.