TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI

VIỆN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

Báo cáo BTL Môn

HỆ TRỢ GIÚP QUYẾT ĐỊNH

Đề Tài:

SMART SWAPS

Hệ trợ giúp quyết định cho quyết định đa tiêu chuẩn

sử dụng phương pháp trao đổi ngang hàng

Giảng viên hướng dẫn : TS.Trần Đình Khang

Nhóm : 04
Sinh Viên Thực Hiện : Trần Danh Tùng 20073350
Đỗ Lê Việt Thắng 20072670
Nguyễn Đức Văn 20073428
Trần Đức Việt 20073469
Trần Quốc Việt 20073470

Hà Nội, tháng 11 - 2010

Mục lục
1
I.Mở đầu……………………………………………….…………………………........3
II.Smart Swaps…………….………………….............................................................4
2.1 - Hệ phân tích quyết định đa tiêu chuẩn……….……………………………….4
2.2 – Phương pháp trao đổi ngang hàng …………………...………………………4
2.3- Công cụ hỗ trợ quyết định Smart-Swaps ..…………………..………………..6
2.3.1. Problem, Objectives và Alternatives………………………………….....8
2.3.2. Giá trị của bảng kết quả………………………………………..…………9
2.3.3. Tiến trình trao đổi ngang hàng……………………………...…………..10
2.3.3.1. Thực hiện 1 sự trao đổi ngang hàng………………...………........13
2.3.3.2. Xác định các thuộc tính không liên quan
và lựa chọn thay thế trội……………………...…………………14
2.3.3.3. Xác định các khả năng trội tương đối……………………………..14
2.3.3.4. Gợi ý cho trao đổi kế tiếp…………………………………………16
2.3.3.5 Bảng xếp hạng……………………………………………………..18
2.3.3.6. Tính toán vấn đề…………………………………………………...18
2.3.4. Hỗ trợ đơn giản………...………………………………………………….18
2.3.5. Mô hình quản lý…..……………………………………………………….19
III. Các kết quả thực nghiệm………………………………………………………..20
3.1.Các bài toán……………………………………………………………......20
3.3.1.Bài toán chọn môn học…………………...………………………20
3.1.2.Bài toán chọn văn phòng …………………………...……………26
3.2.Nhận xét ……………………………………………...…………………...28
3.3.Hiệu quả của phần mềm trong thực tế …………………………………….28
IV.Kết luận……………………………………………………………………...……30
Phân công công việc, tài liệu tham khảo……………………………………...………31

2
 I-Mở đầu
Hệ trợ giúp quyết định là hệ thống giúp đưa ra các quyết định mang tính hiệu
quả cao thông qua quá trình phân tích dữ liệu.Thông thường việc đưa ra quyết định
chính xác phải phụ thuộc vào chất lượng dữ liệu cũng như khả năng của người dùng
trong việc duyệt cũng như đánh giá các dữ liệu đó.Hệ trợ giúp quyết định về cơ bản là
một ứng dụng thay thế người dùng duyệt qua và đánh giá các dữ liệu trong trường hợp
số lượng dữ liệu nhập vào lớn đồng thời chọn ra trường hợp tốt từ nhiều lựa chọn.

Trong báo cáo này nhóm chúng em sẽ trình bày về một ví dụ của hệ trợ giúp
quyết định: Hệ phân tích quyết định đa tiêu chuẩn (Multicriteria decision analysis-
MCDA) sử dụng phương pháp Smart-Swaps.

Trong quá trình hoàn thành báo cáo, Nhóm 04 xin chân thành cảm ơn thầy Trần Đình
Khang đã có những đóng góp ý bổ ích, giúp nhóm hoàn thành đề tài của mình.

Nhóm 04

3
II- SMART SWAPS - Hệ trợ giúp quyết định cho quyết định đa
tiêu chuẩn sử dụng phương pháp trao đổi ngang hàng

2.1-Hệ phân tích quyết định đa tiêu chuẩn

Hệ phân tính quyết định đa tiêu chuẩn(Multicriteria decision analysis-MCDA)

được xây dựng nhằm phân tích các vấn đề đa tiêu chuẩn và đa khả năng. MCDA giúp
người ra quyết định(decision maker-DM) có thể đưa ra các quyết định nhất quán bằng
cách thay họ xử lý các vấn đề chủ quan cũng như khách quan.

Để xây dựng MCDA,Hammond, trong cuốn sách SmartChoices đã chỉ ra rằng

cần thực hiện các giai đoạn theo nguyên tắc PrOACT(viết tắt của Problem, Objectives,
Alternatives, Consequences và Trade-offs).Đây là nguyên tắc phân tích bài toán thành
các giai đoạn :

1. Đưa ra vấn đề
2. Xác định mục đích
3. Xác định các trường hợp
4. Tạo bảng giá trị đánh giá
5. Cân bằng giá trị

Đồng thời trong cuốn sách cũng giới thiệu về phương pháp trao đổi ngang hàng (even
swaps)

2.2-Trao đổi ngang hàng(even swaps)

a-Các định nghĩa:

o Khả năng(Alternatives):Các khả năng có thể của bài toán.

VD:với bài toán thuê nhà thì các địa điểm có thể thuê là các khả năng
o Độ ưu tiên(Preferred):Khả năng có độ ưu tiên cao thì càng có nhiều khả
năng được lựa chọn.Là giá trị đánh giá từ giá trị tất cả các thuộc tính của
khả năng đó
VD:Nhà có diện tích lớn mà giá rẻ thì được ưu tiên hơn ngôi nhà khác
đắt hơn.

4
 o Thuộc tính(attribute):Một khả năng có nhiều thuộc tính để đánh giá nó.
VD:Mội căn nhà cần thuê có các thuộc tính như:Thời gian đến công
sở,giá tiền thuê,diện tích,…
o Thuộc tính không liên quan(irrelevant):Là thuộc tính có giá trị bằng
nhau tại mọi khả năng nên có thể bỏ đi khi đánh giá.
VD:Tất cả các nhà cần thuê đều ở cùng 1 thành phố thì thuộc tính thành
phố có thể bỏ đi khi đánh giá.
o Cân bằng(Trade-offs):cân bằng giá trị bằng cách thay đổi các thông số
thuộc tính của 1 lựa chọn sao cho độ ưu tiên của khả năng không đổi
o Khả năng trội(dominate):Khả năng A được coi là trội hơn khả năng B
nếu tất cả thuộc tính của khả năng A đều lớn hơn hoặc tối thiểu là bằng
thuộc tính của B.Khi đó B gọi là khả năng bị loại bỏ
o Trội không hoàn toàn(practically dominates):Một vài thuộc tính của B
có thể lớn hơn hoặc bằng A(nhưng không chênh lệch quá xa) nhưng các
thuộc tính còn lại của A lại áp đảo hoàn toàn thuộc tính của B.

b-Trao đổi ngang hàng

Là tiến trình loại bỏ khả năng dựa trên việc cân bằng (trade-offs) các giá trị.
Trong trao đổi ngang hàng, người ra quyết định sẽ thay đổi giá trị trên một thuộc tính
của khả năng được chọn, đồng thời cũng thực hiện một thay đổi tương ứng trên thuộc
tính khác để bù vào sự thay đổi lúc trước(tăng thuộc tính nào thì sẽ giảm thuộc tính
khác đi sao cho độ ưu tiên của khả năng không bị thay đổi). Sự thay đổi này sẽ tạo ra
một khả năng mới -có các giá trị thuộc tính thay đổi nhưng có độ ưu tiên không đổi -
Từ khả năng cũ mà ta sẽ gọi là khả năng ảo. Khả năng ảo này không phải là khả năng
gốc nhưng có thể sử dụng để thay thế cho nó.
VD: Việc thuê 1 căn nhà với mức giá khoảng 3tr/tháng với diện tích 30m2 có thể thay
bằng cách tìm 1 căn nhà 50m2 nhưng giá tiền thuê tăng lên 5tr/tháng.Về cơ bản hai lựa
chọn này có cùng độ ưu tiên.

Mục tiêu của trao đổi ngang hàng là trao đổi đến khi xuất hiện thuộc tính không
liên quan (irrelevant) hoặc khiến cho khả năng đang xét trở thành đối tượng có thể loại
bỏ. Khả năng X được coi là có thể loại bỏ khả năng Y nếu X trội hơn Y(dominates).

5
Các thuộc tính không liên quan và các khả năng có thể loại bỏ sẽ bị loại đi và tiến trình
cứ tiếp tục đến khi tìm ra khả năng tốt nhất. Ngoài ra còn có trường hợp khả năng bị
coi là có thể loại bỏ(không rõ ràng) nếu có khả năng khác trội không hoàn toàn
nó(practically dominates) .Khi ấy ta có thể loại bỏ khả năng này ngay để tránh tình
trạng thực hiện các bước trao đổi không cần thiết sau này(vì khả năng dạng này luôn là
khả năng kém ưu tiên nên các bước trao đổi sau chắc chắn sẽ loại bỏ nó) .

Trao đổi ngang hàng là tiến trình khá đơn giản cho mọi đối tượng người dùng.
Người ra quyết định không nhất thiết phải có cơ sở về phân tích thuật toán hay phân
tích quyết định : người đó không cần phải chỉ định rõ ràng mức độ ưu tiên của các
thuộc tính hay đưa ra các giá trị mặc định của các giá trị.Nói một cách khác,trong tiến
trình trao đổi ngang hàng thì các giá trị không nhất thiết phải rõ ràng như trong cây giá
trị đa thuộc tính (multiattribute value tree-MAVT).

Mặc dù khá đơn giản nhưng phương pháp trao đổi ngang hàng lại ít khi thấy
xuất hiện trong thực tế.Theo như báo cáo thì các ứng dụng sử dụng phương pháp này
chỉ thấy ở:lựa chọn chiến lược cho doanh nghiệp nông thôn,trong các công việc của
trung tâm sức khỏe.Ngoài ra phương pháp này còn được minh họa trong phân tích các
lựa chọn quân sự hoặc các đánh giá có độ mạo hiểm cao.Việc thiếu các ứng dụng thực
tế có thể giải thích là do hiện chưa có phần mềm nào hỗ trợ cho phương pháp này.

2.3- Công cụ hỗ trợ quyết định Smart-Swap:

Là phần mềm hệ trợ giúp quyết định cho quyết định đa tiêu chuẩn sử dụng
nguyên tắc trao đổi ngang hàng để hỗ trợ người dùng trong việc đưa ra quyết định.

a-Phần mềm Smart-Swaps

Ví dụ trong báo cáo sẽ sử dụng phần mềm Smart-Swap xây dựng trên nền web
và có thể được sử dụng khi truy nhập vào trang web sau:

http://www.smart-swaps.hut.fi

Lý do sử dụng:

-Với phương pháp trao đổi ngang hàng, phần mềm này sẽ cung cấp cho người
dùng một công cụ vô cùng hữu dụng khi các giá trị của các thuộc tính sẽ được hiển thị

6
và thay đổi cho người dùng theo dõi ngay khi tiến trình đang thực hiện.Ngoài ra với
việc tích hợp phương pháp mới của Mustajoki và Hämäläinen sẽ giúp người ra quyết
định nhận ra các loại bỏ không rõ ràng hoặc chọn ra các đối tượng cho tiến trình trao
đổi tiếp theo.

b- Kiến trúc PrOACT của Smart-Swaps

Bảng 1 cho chúng ta cái nhìn tổng quát về cách Smart-Swap đưa ra hỗ trợ cho
người dùng theo các giai đoạn PrOACT khác nhau. Để hỗ trợ tính tuần tự của tiến
trình PrOACT,giao diện sử dụng cho việc quản lý tiến trình được cải thiện với các tab
panel theo thứ tự của tiến trình.Ba giai đoạn đầu tiên (gồm có Problem,Objective và
Alternative) nằm trong cùng 1 panel của quá trình phân tích vấn đề và chúng có sự tác
động qua lại lẫn nhau. Còn giai đoạn Consequences và Trade-off sẽ nằm riêng ở hai
panel khác.Mục đích của cách chia là giúp đưa cho người ra quyết định chỉ dẫn rõ ràng
về tiến trình nhưng đồng thời cho phép người đó có thể quay lại giai đoạn trước đó bất
kỳ lúc nào nếu cần.

7
Bảng1:Smart-Swap đưa ra trợ giúp trong các giai đoạn PrOACT khác nhau.

2.3.1-Problem, Objectives và Alternatives

Giai đoạn đầu tiên của tiến trình nhằm xây dựng ra bộ khung cơ bản của vấn đề đồng
thời quan sát từ nhiều khía cạnh khác nhau để hiểu rõ vấn đề. Hai giai đoạn tiếp theo là
nhận dạng các mục tiêu và các khả năng. Mục tiêu là kết quả người ra quyết định
muốn thu được còn khả năng là các cách thức khác nhau có thể sử dụng để thu được
kết quả đó.

Trong Smart-Swap, DM sẽ viết các mô tả về vấn đề cũng như danh sách mục tiêu và
khả năng ở đầu vào của chương trình (hình 1).

8
 Hình 1: Giao diện cho giai đoạn đầu của tiến trình

Tuy nhiên khó khăn nhất là làm sao có thể đồng thời cho phép DM toàn quyền đưa ra
nhận định mà vẫn tạo ra một bản mô tả ngắn gọn và hữu ích. Ví dụ ta có thể đưa ra
thông tin tránh chồng chéo. Nếu chú ý có thể nhận ra rằng thứ tự của các giai đoạn này
không bắt buộc phải lần lượt và thường thì các ý tưởng sáng tạo được tìm ra nhờ sự
hoán vị qua lại giữa các giai đoạn này. Ví dụ trong quá trình phân tích các khả năng
đôi khi lại nảy sinh ra một cách nhìn nhận vấn đề hoàn toàn mới. Khi đó DM sẽ phải
quay về giai đoạn đầu tiên và đánh giá lại vấn đề dựa trên cách nhìn mới này.

2.3.2-Giá trị của bảng kết quả

Trong bảng kết quả,DM sẽ đánh giá mỗi khả năng thông qua các thuộc tính (Hình 2)

9
 Hình2: Giao diện của bảng kết quả

Giá trị của các thuộc tính có thể liên tục hoặc ngắt quãng. Với giá trị liên tục DM có
thể sử dụng các giá trị số để đánh giá mức độ ảnh hưởng của thuộc tính với khả năng
đó. Với giá trị đứt quãng thì các bộ đánh giá cho trước sẽ được chọn (Vd: Rất tốt - Tốt
- Bình thường - Tồi - Rất tồi) hoặc DM có thể tự tạo bộ riêng. Nhờ được hỗ trợ tạo bộ
đánh giá cho riêng mình, DM có thể xây dựng bộ đánh giá mức độ ưu tiên cho các gói
kết quả.

Trong thực tế người sử dụng sẽ trực tiếp nhập các giá trị vào bảng. Cần chú ý là các
thuộc tính luôn ứng với các mục tiêu ở trong giai đoạn xây dựng mục tiêu.

2.3.3-Tiến trình trao đổi ngang hàng

Giai đoạn cuối cùng của PrOACT là đưa ra đánh giá ưu tiên của DM. Cả trong cuốn
sách “Smart Choices” và trong phần mềm Smart-Swaps, phương pháp trao đổi ngang
hàng được sử dụng cho nhiệm vụ này, nhưng về nguyên tắc, bất kỳ thuật toán MCDA
nào khác đều có thể được sử dụng tốt. Trong Smart-Swaps, giao diện hỗ trợ trao đổi
ngang hàng trong quá trình loại bỏ bao gồm một bảng điều khiển hiển thị bảng kết quả
hiện tại và các nút có thể hoạt động (hình 3)

10
 Hình 3 : Giao diện người dùng cho quá trình trao đổi ngang hàng

Vùng thông tin ở góc trên bên phải của bảng điều khiển hiển thị các thông tin bổ sung
có thể sẽ hữu ích cho người ra quyết định trong suốt quá trình (hình 4)

Hình 4: Bảng kết quả sau khi thực hiện giao hoán chuyển mạch thời gian không liên
quan và thông tin gì có thể đạt được với 1 gợi ý trao đổi

11
Kết quả của tiến trình, DM sẽ đưa ra lựa chọn với những khả năng ưa thích nhất. Tuy
nhiên, tôn trọng tính minh bạch và tính hợp lý của kết quả thì điều quan trọng nhất là
hiểu được làm thế nào để thu được kết luận như vậy. Tài liệu Smart-Swaps về toàn bộ
tiến trình được lưu giữ trong nhật ký “log”, trong đó lưu lại tất cả các hành động được
thực hiện bởi DM trong suốt tiến trình. Lịch sử nhật ký lưu giữ lại tất cả các thông tin
về các trao đổi được thực hiện bởi DM, về các thuộc tính bị loại bỏ và các khả năng,
cũng như các trạng thái của bảng kết quả sau mỗi lần trao đổi ( Hình 5)

12
 Hình 5: Một ví dụ của quy trình nhật ký máy
DM có thể hủy bỏ và thực hiện lại các hành động đã được thực hiện. Ví dụ như: Có thể
quay trở lại lúc bắt đầu của tiến trình để kiểm tra xem khả năng ảo mới với giá trị
thuộc tính đã được sửa đổi có bằng với giá trị thuộc tính lúc khởi tạo hay không.
Những DM cũng có thể quay lại một số điểm trung gian của tiến trình và khởi động lại
từ thời điểm đó, thực hiện các trao đổi tiếp theo để xem liệu có thu được cùng kết quả
với cùng một giải pháp hay không. Việc này giúp thực hiện những phân tích nhạy bén
trong điều kiện học tập, khi trình tự hoán đổi khác nhau sẽ tạo ra những kết quả cuối
cùng khác nhau.

2.3.3.1- Thực hiện 1 sự trao đổi ngang hàng

Để thực hiện một sự trao đổi ngang hàng, đầu tiên DM chọn ba ô trong bảng kết quả,
các ô mà người đó muốn thực hiện một trao đổi ngang hàng. Chúng bao gồm:
(i) một ô sẽ thay đổi giá trị,
(ii) một ô tham chiếu chỉ ra giá trị sẽ được thay đổi thành,
(iii) một ô để thay đổi bù trừ.

Khi đã lựa chọn, phần mềm sẽ thông báo những gì sẽ được lưu trữ sau phép trao đổi
này cho DM, nghĩa là, khả năng nào có thể trở thành trội hay thuộc tính nào có thể trở
thành không liên quan. Ví dụ, hình 4 thông báo rằng cả Baranov và Lombard có thể
trở thành trội khi thực hiện một trao đổi trong Office Size của Montana từ 950 đến 700
được bù trừ Monthly Cost. Thông tin này có thể sẽ rất hữu ích, vì nếu không sẽ khó có
thể biết khả năng nào có thể trở thành trội. Bằng cách thay đổi việc chọn các ô, DM
có thể dễ dàng thử các khả năng trao đổi khác nhau trước khi xác nhận trao đổi cuối
cùng được thực hiện.
Quá trình trao đổi ngang hàng được thực hiện trong một cửa sổ hộp thoại riêng biệt,
DM được yêu cầu đưa ra kết quả thay đổi trên thuộc tính i của khả năng x để bù trừ
cho thay đổi trên thuộc tính j của khả năng x (Hình 6)

13
 Hình 6: Một hộp thoại cho việc thực hiện 1 trao đổi ngang hàng

Hướng dẫn trong cửa sổ hộp thoại sẽ giúp các DM hiểu rằng họ nên tăng hay giảm kết
quả hiện tại. Tuy nhiên, nếu DM vô tình thực hiện một trao đổi sai chiều (VD: Lẽ ra
phải tăng KQ thì lại giảm KQ), phần mềm sẽ thông báo cho DM về việc này và yêu
cầu DM định nghĩa lại trao đổi.

2.3.3.2. Xác định các thuộc tính không liên quan và lựa chọn thay thế trội

Sau mỗi trao đổi, Smart-Swaps tự động nhận dạng các thuộc tính không liên quan và
các khả năng trội. Đặc biệt trong việc phát hiện các mối quan hệ trội, DM có thể
hưởng lợi từ hỗ trợ này, khi nhiệm vụ đòi hỏi phải so sánh tất cả các cặp khả năng có
thể. Theo ý tưởng cơ bản của phương pháp, thuộc tính không liên quan và các khả
năng trội nên được loại bỏ. Tuy nhiên, phần mềm sẽ hỏi DM để xác nhận những loại
bỏ vì điều này sẽ giúp DM hiểu được toàn bộ tiến trình và lý do bị loại bỏ. Phần mềm
cũng cung cấp một tùy chọn để giữ lại các thuộc tính không liên quan trong bảng kết
quả, nhưng chúng sẽ được đánh dấu là đã loại bỏ. Điều này giúp DM có cái nhìn tổng
quát và hiểu rõ về toàn bộ tiến trình.

2.3.3.3. Xác định các khả năng trội tương đối:

Khả năng trội tương đối khó xác định hơn là trội hoàn toàn. Smart-Swaps sử dụng lập
trình ưu tiên để xác định các ứng cử viên cho trội tương đối. Ý tưởng của phương pháp
này là sử dụng một mô hình MAVT song song thêm vào với tiến trình trao đổi ngang
hàng thành mô hình ưu tiên của DM. Khởi đầu của tiến trình, tỉ lệ trọng số giữa các
thuộc tính chưa được biết, nhưng nó có một số giới hạn chung. Lập trình ưu tiên được
ứng dụng để thiết lập các giới hạn này. Các cặp mô hình trội sau đó được áp dụng để
14
xác định các khả năng trội tương đối, nếu bất kì khả năng nào được coi là trội trong
cặp này có thể được xem xét như là một ứng cử viên cho khả năng trội tương đối.
Trong mô hình này, giá trị tổng thể của một khả năng (được miêu tả bằng một véctơ
kết quả x=( x1 , … , xn )) thu được bởi một tổng:
n
v ( x )=∑ wi v i ( x i)(1)
i=0
Với n là số thuộc tính, x i là kết quả của khả năng này ứng với thuộc tính i, vi ( x i ) là giá
trị của nó chạy trên đoạn [0,1], và w i là trọng số của thuộc tính i đại diện cho mức độ
quan trọng tương đối của thuộc tính này. Các trọng số được tiêu chuẩn hóa với tổng
bằng 1.
Trọng số “Cận của thuộc tính” được định nghĩa bằng cách thiết lập giới hạn trên r ≥1
cho tỉ lệ trọng số, dẫn đến một tập các ràng buộc
wi
≤ r , ∀ i, j=1 , … ,n ; i ≠ j (2)
wj
Những ràng buộc này nằm trong vùng khả thi của trọng số S. Các cận tương tự cũng
được thiết lập cho điểm thuộc tính. Trong bảng kết quả, giá trị tổng thể của khả năng
sẽ được ưu tiên sắp xếp trước rồi mới đến từng giá trị đơn. Trong tiến trình trao đổi
ngang hàng, thông tin ưu tiên mới nhận được từ quá trình trao đổi này, được áp dụng
để xây dựng các ràng buộc chặt chẽ hơn trong mô hình, và do vậy làm các mô hình
ngày càng chính xác.
Quan hệ ưu tiên giữa các khả năng được học với các mô hình trội. Khả năng X trội
hơn khả năng Y trong cặp nếu giá trị tổng thể của X lớn hơn hoặc bằng giá trị tổng thể
của Y với mỗi bộ kết hợp của trọng số và đánh giá, điều này nghĩa là:
n
min ∑ w i [ v i ( xi ) −v́ i ( y i ) ] ≥ 0(3)
w∈ S i=1

Với S là vùng khả thi của trọng số, v i ( x i ) và v́i ( y i ) lần lượt là cận dưới và cận trên của
vi ( x i ) và vi ( y i ), bất đẳng thức này phải đúng, ít nhất là với một vài w=(w1 , … , wn )∈ S .
Nói cách khác, ko có trọng số khả thi và điểm thuộc tính với những khả năng Y có giá
trị tổng thể cao hơn giá trị tổng thể khả năng X. Thật vậy, khả năng Y có thể được xem
xét như là một ứng cử viên cho khả năng trội tương đối, nếu cận của các trọng số khả
thi và điểm được khởi tạo sao cho chúng bao gồm tất cả các giá trị có thể. Ví dụ, giá trị
mặc định của r trong công thức (2) là 5, nhưng cận có thể được thay đổi bởi DM. Cận
càng chặt, phần mềm càng cung cấp nhiều ứng cử viên cho khả năng trội tương đối.
Dù vậy, cần chú ý rằng nếu cận quá chặt, một số gợi ý đưa ra có thể không chính xác.
Trong thực tế, các ứng cử viên cho khả năng trội được đánh dấu bởi các nhãn tương
ứng. Nhấn chuột vào nhãn sẽ mở ra một hộp thoại so sánh, trong đó đưa ra ứng cử viên
cho khả năng trội tương đối cùng với khả năng bị trội hơn. Lí do cho khả năng trội
tương đối được giải thích, và dựa vào thông tin này, DM được yêu cầu xác nhận rằng
khả năng nên được loại bỏ.
Sau mỗi lần hoán đổi, phần mềm kiểm tra xem ràng buộc tỉ lệ trọng số mới từ hoán đổi
này có xung đột với bất kì ràng buộc nào khác trong mô hình không. Nếu có, phần
mềm thông báo cho DM rằng phát biểu đưa ra không phù hợp với phát biểu đã có và
đề nghị kiểm tra lại tính phù hợp với hoán đổi đã được thực hiện bằng cách quay lui
tiến trình. Nếu DM ko tìm thấy mâu thuẫn nào giữa các hoán đổi đã thực hiện, mâu
thuẫn trong mô hình xem như bắt nguồn từ giả định quá mạnh của mô hình. Ví dụ,
hàm giá trị không bằng 1. Vì vậy, phần mềm ko thể tự nhiên sử dụng các ràng buộc
mâu thuẫn trong mô hình, chỉ có các ràng buộc ban đầu được sử dụng. Dù vậy, nếu giả
15
định của mô hình được tìm ra là ko hợp lệ, bất kì đề nghị tiếp theo nào cũng không thể
chắc chắn về tính chính xác.

2.3.3.4. Gợi ý cho trao đổi kế tiếp:

Trong trường hợp điển hình, có rất nhiều khả năng cho trao đổi kế tiếp, sẽ rất khó khăn
để quyết định xem khả năng nào sẽ được chọn. Hammond và al. cung cấp một lời
khuyên cho việc lựa chọn trao đổi kế tiếp, ví dụ, họ đề nghị thực hiện các trao đổi đơn
giản nhất đầu tiên (Ví dụ đối với thuộc tính money). Mặt khác, ý tưởng của tiến trình
trao đổi ngang hàng là thực hiện những trao đổi làm xuất hiện thuộc tính không liên
quan hoặc xuất hiện các khả năng trội. Dù vậy, thực tế thì việc xác định các phép trao
đổi có thể quá khó khăn, đặc biệt là đối với các vấn đề nhiều thuộc tính, nhiều khả
năng.
Trong Smart-Swap, DM có thể tùy chọn để phần mềm gợi ý các ứng cử viên phù hợp
cho trao đổi tiếp theo. Phần mềm kiểm tra vấn đề và tính toán hiệu quả của mỗi trao
đổi có thể thực hiện, bằng cách tính số lượng phép trao đổi tối thiểu cần thiết để sau
khi thực hiện trao đổi này làm xuất hiện thuộc tính không liên quan hoặc xuất hiện khả
năng trội. Dựa trên số trao đổi tối thiểu này, phần mềm tạo ra một danh sách các ứng
cử viên trao đổi phù hợp và liên tục cập nhật danh sách. DM có thể yêu cầu phần mềm
gợi ý về trao đổi kế tiếp từ các danh sách này bằng cách nhấn chuột vào nút tương
ứng.
Mặc định, phần mềm tạo ra danh sách các ứng cử viên trao đổi làm xuất hiện thuộc
tính không liên quan hoặc khả năng trội theo các bước sau:

Bước 1: Phần mềm xác định tất cả các trao đổi có thể làm xuất hiện bất kì thuộc tính
không liên quan nào. Bước này khởi tạo danh sách gợi ý. Nếu không có trao đổi nào
phù hợp, phần mềm sẽ liệt kê các trao đổi có thể biến một vài thuộc tính thành một
hoặc hai trao đổi, v.v… trừ những thuộc tính không liên quan.

Bước 2: Danh sách thu được sẽ được sắp xếp theo thứ tự chỉ mục các trao đổi đạt trội.
Qúa trình sắp xếp là cần thiết nếu như có nhiều trao đổi tiếp theo cũng làm xuất hiện
thuộc tính không liên quan hoặc đạt trội với cùng số lượng phép trao đổi. Chỉ mục
được miêu tả trong thông tin bên dưới.

16
Bảng 7: So sánh để loại bỏ các khả năng trội

Bước 3: Với các trao đổi bao gồm cùng 2 thuộc tính hay 2 khả năng, tất cả trừ cái ban
đầu được loại khỏi danh sách. Lí do là khi một trong số chúng được nhận dạng, những
cái còn lại cũng có thể dễ dàng phát hiện.

Bước 4: Tất cả trừ 6 trao đổi đầu tiên được loại khỏi danh sách, khi có quá nhiều lựa
chọn có thể làm phức tạp hóa công việc của DM hơn là đơn giản hóa nó.
Danh sách các ứng cử viên làm xuất hiện khả năng trội được tạo ra tương tự.

Chỉ mục ứng dụng chỉ ra độ lớn của kết quả, DM được phép bù thuộc tính trong sắp
xếp để đạt trội, trong quan hệ với các kết quả ước lượng thay đổi trong thuộc tính này.
Một cách toán học, chỉ mục là tính toán từ mô hình lập trình ưu tiên như sau: thừa
nhận rằng mức độ ưu tiên của DM được làm mẫu với lập trình ưu tiên, và khả năng Y
trội hơn khả năng X chỉ một thuộc tính i. Sau đó, DM có thể thử làm Y trội hơn X
bằng cách thực hiện một phép trao đổi ngang hàng, trong đó thuộc tính i của X từ giá
trị x i trở thành y i và bù lại bằng cách thay đổi trong thuộc tính j từ x j thành x ' j . Chỉ
mục cho trao đổi này làm khả năng X trội hơn khả năng Y là
d ( x → y ,i , j )=min ¿ ¿
17
Với cực cho tỉ lệ trọng số w i /w j và đánh giá khác nhau thu được từ ràng buộc của mô
hình lập trình ưu tiên. Một phép trao đổi có giá trị chỉ mục cao hơn, nghĩa là kết quả
x ' j sẽ cao hơn y i sau phép trao đổi này, điều đó cũng có nghĩa là quan hệ trội sẽ đạt
được với phép trao đổi này. Chỉ số tương tự có thể được tính trong trường hợp mà khả
năng Y trội hơn khả năng X ở hai hay nhiều thuộc tính.
Khi DM yêu cầu gợi ý, phần mềm sẽ dưa ra gợi ý tiếp theo dựa trên danh sách tương
ứng, bằng cách làm nổi bật các ô trong bảng kết quả liên quan đến phép trao đổi. Phần
mềm thông báo cho DM những gì được thực hiện với phép trao đổi này giúp DM có
thể quan sát một cách lôgic đằng sau lời gợi ý. Bây giờ, DM cần phải lựa chọn có thực
hiện phép trao đổi này không, hoặc yêu cầu phần mềm đưa ra gợi ý tiếp theo dựa trên
danh sách các gợi ý. Thông thường, DM có thể tự lựa chọn trao đổi, ví dụ như trong
một số thuộc tính đơn giản đo cụ thể được. Khi tất cả các gợi ý trong danh sách đã
được đưa ra cho DM, phần mềm sẽ trở lại gợi ý đầu tiên.
Có một số tùy chọn cho các gợi ý trao đổi. DM có thể chọn có hoặc không hiển thị giá
trị chỉ mục ứng dụng trong cho mỗi trao đổi. DM cũng có thể chọn nó trong bước 2
của danh sách gợi ý, ban đầu được sắp xếp theo số khả năng khác nhau có thể đạt trội
với mỗi phép trao đổi, nếu có, hay sắp xếp theo chỉ mục ứng dụng.

3.3.5 Bảng xếp hạng

Một bảng xếp hạng hiển thị xếp hạng của các cặp thuộc tính của các khả năng, nó cho
một cái nhìn tổng quan về hiệu năng tổng thể của khả năng. Trong Smart-Swap, DM
có thể thay đổi giữa hai góc nhìn, giữa bảng kết quả và bảng xếp hạng. Hơn nữa, phần
mềm cung cấp tùy chọn để chỉ ra xếp hạng của các khả năng bằng màu sắc trên từng ô
của bảng kết quả. Khả năng tốt nhất với các thuộc tính được biểu diễn bằng màu trắng,
còn khả năng tồi nhất có các thuộc tính được biểu diễn bằng màu vàng. Màu sắc của
mỗi thuộc tính chuyển dần từ trắng sang vàng phụ thuộc vào thứ tự xếp hạng của khả
năng, thứ hạng càng thấp thì màu vàng càng đậm. Bằng cách này, DM có thể dễ dàng
nhìn thấy các thuộc tính tối ưu của các khả năng từ bảng kết quả.

3.3.6. Tính toán vấn đề

Mô hình lập trình ưu tiên đòi hỏi phải sử dụng lập trình tuyến tính để giải quyết các
vấn đề liên quan đến tối ưu hóa. Do chỉ có các ràng buộc trên các cặp tỉ lệ của các
trọng số thuộc tính, biểu đồ dựa trên thuật toán Salo có thể được sử dụng để giải quyết
nhanh chóng những vấn đề này.
Thuật toán này cũng được cài đặt trong Smart-Swap. Ví dụ, trong trường hợp tám
thuộc tính và 12 khả năng, xác định trội với Smart-Swap sẽ mất gần 2s với bộ xử lý
2,4GHz. Với các vấn đề lớn hơn, thuật toán đồ thị không còn hiệu quả. Vì vậy, phần
mềm sử dụng thuật toán cơ bản trong các trường hợp có nhiều hơn mười thuộc tính.

3.4. Hỗ trợ đơn giản

Tiến trình PrOACT được thiết kế phù hợp với cả những người không chuyên nghiệp.
Trong Smart-Swap, các trang hướng dẫn có thể được cấu hình theo DM trong suốt tiến
trình, vì vậy mà hình giúp đỡ được tự động cập nhật, giúp hiển thị các thông tin thích
hợp. Tính năng này có thể rất giá trị đối với người chưa có kinh nghiệm hoặc mới sử
dụng lần đầu. Ba giai đoạn đầu tiên ở cùng một bảng, giúp hệ thống tự động chỉ ra các
vùng của bảng đang được xem xét.
18
Đây chỉ là sự giúp đỡ riêng cho lý thuyết và thực tế. Vùng lý thuyết giải thích nền lý
thuyết của mỗi ứng dụng và đưa ra các hướng dẫn dựa trên những gì được đưa vào tài
khoản trong ứng dụng. Vùng thực tiễn cung cấp thông tin chi tiết những gì được đưa ra
trong ứng dụng hiện tại

3.5. Mô hình quản lý

Phần mềm cho phép lưu mô hình trên mạng máy tính. Vì vậy, ai cũng có thể sử dụng
mô hình từ các địa điểm khác nhau qua mạng Internet mà không cần chuyển mô hình
tới các máy tính từ xa. Với mỗi mô hình, lịch sử tiến trình sẽ được lưu trữ. Điều này
cho phép DM phân tích các tiến trình và nghiên cứu các đường đi phụ thuộc bằng cách
so sánh kết quả của các tiến trình với một số trao đổi ngang hàng khác.
Máy chủ cung cấp một thư mục chung hoặc DM có thể tạo mật khẩu cá nhân cho thư
mục của họ. Với người mới sử dụng, có sẵn một số mô hình kiểu mẫu bao gồm các
miêu tả trong cuốn sách Smart Choices.

III-Các kết quả thực nghiệm

3.1.Các bài toán

19
Để minh họa cho tiến trình even swaps,nhóm tác giả J.S. Hammond, R.L. Keeney và
H. Raiffa đã xây dựng phần mềm Smart-Swaps bằng java và được sử dụng trên nền
web tại địa chỉ http://www.smart-swaps.hut.fi/

Phần mềm trợ giúp DM ra quyết định bằng cách thực hiện các bước hoán đổi,tìm
thuộc tính độc lập như đã nêu ở các phần trước.Trước khi đến với ví dụ trong bài
báo,nhóm 4 xin trình bày một bài toán thực tế được kiểm thử trên phần mềm này

3.1.1.Bài toán chọn môn học

 Vấn đề đặt ra:

Cuỗi mỗi kỳ,sinh viên cần đăng ký môn học cho kỳ sau.Môn học bao gồm môn học
bắt buộc và môn học tự chọn.Một sinh viên được phép đăng ký một môn học tự chọn
từ các môn có sẵn do phòng đào tạo gợi ý.Vấn đề đặt ra là sinh viên cần chọn môn học
thích hợp nhất với bản thân dựa trên một số tiêu chí đặt ra.

 Các thuộc tính (tiêu chí) cho sinh viên chọn môn học

Khối luợng : khối lượng môn học tính bằng số tín chỉ sinh viên đó phải hoàn thành,

Do không quy định khối lượng môn học tự chọn mỗi kỳ nên thuộc tính này càng nhỏ
càng tốt (minimize)

Độ khó : Mức độ khó của từng môn học ,dựa vào kinh nghiệm hay khả năng của mỗi
sinh viên mà cảm nhận môn học đó khó hay không.Với thuộc tính này cần minimize

Sở thích : Sự thích thú của sinh viên với từng môn học,thuộc tính này nằm trong
khoảng Good-Bad,thuộc tính này cần maximize hay là Good

Ý nghĩa : ý nghĩa của môn học đó với chuyên ngành nhỏ sinh viên định theo đuổi.Do
mỗi sinh viên có thuộc một ngành nhỏ nhưng vẫn được học môn của các ngành
khác.Thuộc tính này cần maximize

 Các phương án (môn học ) cho sinh viên lựa chọn:

Xử lý ảnh, phân tích thiết kế thuật toán,đồ họa máy tính,lập trình mạng

Với phần mềm Smart Swaps,ta viết tất cả các miêu tả trên trong panel Problem,
Objectives và Alternatives

20
  Xây dựng các miền giá trị,đơn vị tính cho các thuộc tính

Do các thuộc tính rất đa dạng nên phần mềm cho phép người dùng có thể tự định nghĩa
bộ đánh giá cho thuộc tính của mình

Ở trong ví dụ này,ta định nghĩa bộ đánh giá mới cho thuộc tính độ khó.Bộ này là các
giá trị từ rất dễ cho tới rất khó :

21
Tên bộ đánh giá và các giá trị trong miền đó có thể được dễ dàng xóa sửa như trong
hình

 Xây dựng bảng kết quả:

Sau khi có các miền giá trị cho từng thuộc tính,người dùng có thể xây dựng bảng kết
quả

Bảng kết quả chia làm hai phần

Phần 1: Chỉ rõ miền giá trị,min/max và đơn vị của từng thuộc tính

Phần 2: giá trị của từng thuộc tính đối với một khả năng

Các giá trị có thể thay đổi liên tục,dễ dàng do người dùng điền vào.Trong quá trình
xây dựng bảng,người dùng có thể chỉnh sửa các bộ đánh giá

 Thực hiện trao đổi :

22
Sau khi đã có bảng kết quả,người dùng chuyển qua panel Tradeoffs để thực hiện tiến
trình even swaps

Như vậy,đã có một khả năng bị làm trội.Đó là khả năng Xử lý ảnh,để loại bỏ khả năng
này cũng như để cho người dùng hiểu rõ Xử lý ảnh được làm trội bởi khả năng nào,ta
chọn nút “Click to start the Even Swap-process”

Hộp thoại thông báo hiện ra thông báo cho người dùng biết Xử lý ảnh được làm trội
bởi đồ họa máy tính và yêu cầu người dùng lựa chọn xóa hay lưu lại Xử lý ảnh.

23
Ngoài ra bảng kết quả còn có màu sắc để thể hiện mức độ tốt/tồi của thuộc tính trong
một phương án.Màu trắng thể hiện mức độ tốt nhất,màu vàng thể hiện mức độ tồi nhất.

 Thực hiện tìm kiếm thuộc tính độc lập và trao đổi ngang hàng:

Sau khi Xử lý ảnh bị làm trội,phần mềm sẽ đưa ra nhiều gợi ý cho người đọc.Thứ tự
các gợi ý dựa vào số bước hoán đổi cần thực hiện để tìm được phương án tốt nhất.

Bảng tradeoff s bao gồm nhiều công cụ để thực hiện hóan đổi

Dominance : Đưa ra gợi ý hoán đổi với mục đích là tạo ra một khả năng bị làm trội

Irrelevance:Đưa ra gợi ý hóan đổi với mục đích tạo ra thuộc tính không liên quan

Tất cả các gợi ý được đưa lên khung text,người dùng có thể xem cách thức hoán đổi
cũng như kết quả của hoán đổi mà gợi ý đó đưa ra.

Ngoài ra còn nhiều nút chức năng để người dùng có thực hiện các bước một cách linh
động

Giả sử người dùng chọn tìm gợi ý để được thuộc không liên quan,chương trình sẽ đưa
ra 3 gợi ý với gợi ý đầu tiên là đưa khối lượng của đồ họa máy tính từ 3 về 2 và bù với
sự thay đổi của 3 thuộc tính còn lại

Kết quả có thể đạt được ở đây là :

-khối lượng trở thành thuộc tính không liên quan

-Đồ họa máy tính có thể bị làm trội bởi PTTK thuật toán

-lập trình mạng có thể làm trội bởi đồ họa máy tính

Để thực hiện ,người dùng dử dụng nút even swap .bảng trao đồi được đưa ra với giá trị
trao đổi là do người dùng tự quyết định
24
Ở đây khối lượng của đồ họa máy tính từ 3 xuông 2 đựoc người dùng bù với độ khó từ
trung bình lên khó

Với hoán đổi này,khối lượng trở thành không liên quan và lập trình mạng bị làm
trội.Như vậy ta chỉ còn 2 khả năng PTTK thuật toán và đồ họa máy tính với 3 thuộc
tính độ khó ,sở thích, ý nghĩa

Phần mềm tiếp tục đưa ra gợi ý.Ở đây ta chọn gợi ý để tìm phương án trội sẽ nhận
được 2 gợi ý với gợi ý đầu tiên là điều chỉnh độ khó của đồ họa máy tính từ khó tới rất
khó bù với sự thay đổi của ý nghĩa

Ở đây ý nghĩa được người dùng thay đổi từu 8 lên 9

Như vậy Đồ họa máy tính bị làm trội bởi PTTK thuật toán,Như vậy PTTK thuật toán
là khả năng tốt nhất

25
Do muc đích là đưa ra gợi ý cho DM nên DM có thể thoải mái trong việc lựa chọn các
hoán đổi bằng các nút undo,redo.Chương trình cũng đưa ra lịch sử các quá trình hoán
đổi cho DM có thể hiểu được ý nghĩa mỗi lần hoán đổi.Từ đó chọn được khả năng tốt
nhất phù hợp với mỗi DM.

3.1.2.bài toán chọn văn phòng (được đưa ra trong bài báo)

Giống với ví dụ chọn môn học ở trên,bài báo đưa ra vấn đề của văn phòng Alan Miller
được nêu trong phần trước.[10,11](hình 3) .Ở đây,DM muốn các thuộc tính Commute
time và Monthly cost ở mức thấp nhất và các các thuộc tính khác ở mức cao nhất

Để bắt đầu tiến trình even swap,chương trình sẽ xem xét bảng kết quả và các gợi ý
Phần mềm xác định Park way trội hơn Montana.Sau đó phần mềm sẽ so sánh những
thuộc tính (hình 7)và chú ý rằng Montana ưu tiên hơn Parkway trên mỗi thuộc tính trừ

26
Monthly cost mà Parkway chỉ hơn 50$ mỗi tuần.Trên cơ sở so sánh này sẽ quyết định
loại bỏ Parkway

Khi không có nhiều thuộc tính trội hơn,phần mềm sẽ tiếp tục thực hiện tiến trình even
swap.Phần mềm sẽ hoán đổi để lấy ra một số thuộc tính không liên quan.Smart-swap
đưa ra 3 gợi ý để đưa Commune time không liên quan bằng việc thay đổi Commune
time của Baranov từ 20 đến 25 và điều tiết sự thay đổi này trong Office size,Office
services và Client access. Giả sử DM sẽ thực hiện gợi ý hoán đổi Commune time của
Baranov từ 20 đến 25 bù với sự thay đổi của Client access từ 70 đến 78.Do
đó,Commutime sẽ trở thành không liên quan và nó bị loại ra(hình 4)

Hình 8.bảng thông tin trợ giúp

27
Bảng kết quả thay đổi này có thể yêu cầu một gợi ý mới cho bước swap tiếp theo.Hiện
tại,không có thuộc tính nào không liên quan với một swap nhưng bất kỳ thuộc tính nào
cũng không liên quan với hai swap.Vì vậy,không có sự gợi ý để thực hiện một thuộc
tính không liên quan được đưa ra.Tuy nhiên,khi yêu cầu gợi ý để tìm kiếm khả năng
trội hơn,phần mềm sẽ đưa 6 hoán đổi có thể.Gợi ý đầu tiên là hoán đổi Mothly cost bù
với sự thay đổi của Office size của Montana từ 950 tới 700 (hình 4).Với sự hoán đổi
này,cả Lombard và Baranov có thể trở nên trội.Tuy nhiên,việc ước lượng này không
dễ dàng thực hiện ,nó yêu cầu Monthly cost của Montana phải dưới 1500.Tuy
nhiên,DM thực hiện hoán đổi này để thay đổi Office size của Montana là bù với sự
thay đổi của Monthly cost từ 1900 đến 1650.Kết quả này làm loại bỏ Lombard là
phương án trội còn Baranov là không trội.

Khi yêu cầu gợi ý một even swap mới để thực hiện một phương án trội,phần mềm sẽ
gợi ý bạn thay đổi trong office services của Montana từ A tới C và bù với Monthly
cost.DM thực hiện hoán đổi này để bù với Monthly cost của Montana từ 1650 tới
1350.Với kết quả này,Baranov được loại bỏ và Montana là phương án tốt nhất.

Để xem kết qủa tối ưu trong dãy các phép hoán đổi,DM sẽ khởi động lại từ trạng thái
mà Pierpoint và Parkway đã bị loại bỏ (hình 3).Ban đầu,DM thực hiện hoán đổi từ
Commune time không liên quan nhưng bây giờ ta yêu cầu phần mềm gợi ý những
hoán đổi để có thể thực hiện được một vài phương án không liên quan khác.Có 3 gợi ý
mà Lombard có thể bị làm trội bởi Montana bằng cách hoán đổi giữa Montly cost với
mỗi Office size,Office services hoặc Client access.DM chọn hoán đổi mà sự thay đổi
Monthly cost của Lombard từ 1700 đến 1900 bù với sự thay đổi của Office size từ 700
đến 900,khi đó Lombard bị làm trội trội b Montana.Sau đó thực hiện hai hoán đổi,đó
là Commune Time của Baranov từ 20 đến 25 bù với Office size từ 500 đến 550 và
Monthly cost của Montana từ 1900 đến 1500 bù với Office size từ 500 đến 950.Với
kết quả này ,Baranov được loại bỏ và Montana là sự lựa chọn tốt nhất .Với các dãy
hoán đổi khác,kết quả này là đáng tin cậy.

3.2.Nhận xét

Với hai bài toán trên cho ta thấy phần mềm Smart-Swaps đưa ra những giúp đỡ thuận
tiện để thực hiện phương pháp even swap.Phần mềm cũng giúp DM có những thông
tin hiệu quả về những swap có thể thực hiện và về thuộc tính hoặc phương án mà dễ
dàng được phân loại.

Tuy hai ví dụ trên về cơ bản có thể thực hiện dễ dàng với giấy hoặc bút nhưng ta cần
phần mềm này cho những vấn đề lớn và phức tạp.Khi đó,phần mềm này thực sự có ích
để xử lý nhanh rất nhiều phương án khác nhau.

3.3.Hiệu quả của phần mềm trong thực tế

Phần mềm được thiết kế cho đa dạng người dùng.Việc cài đặt mặc định các lựa chọn
giúp một người dùng thiếu kinh nghiệm có thể sử dụng dễ dàng mà có thể bỏ qua một
28
số lựa chọn.Tuy nhiên,một người sử dụng chuyên nghiệp có thể thay đổi những lựa
chọn để hiểu rõ hơn những gợi ý được cung cấp bởi chương trình.Ví dụ,mặc định giá
trị chỉ số applicability là không hiện ra nhưng điều này không có lợi,đối với người
dùng chuyên nghiệp việc cho hiện chỉ số này sẽ giúp có được những thông tin chi tiết
để việc ước lượng những gợi ý hoán đổi hiệu quả.

Đã có những kiểm tra thực tế về phần mềm

Thực hiện kiểm tra tính hiệu quả của Smart-Swaps với 20 sinh viên kỹ thuật

• Nhóm 1: dùng phần mềm Smart-Swaps

• Nhóm 2:dùng Microsoft Excel

=>Smart Swaps đã cho hiệu quả ở các vấn đề lớn

29
 IV-Kết luận
Even swap là một phương pháp mới và tính ứng dụng trong thực tiễn đã được
chứng minh.Smart-swap đã được thiết kế để người dùng có thể sử dụng dễ dàng. Phần
mềm cũng có thiệu đặc điểm thú vị là cho phép quay lui nhanh chóng cũng như văn
bản hóa từng bước trong tiến trình. Điều này giúp cho mỗi tiến trình trở nên rõ
ràng.Những đặc điểm này cũng là vấn đề thú vị cần được nghiên cứu trong tương lai.

30
Phân công công việc:
 Trần Quốc Việt : Giới thiệu và tìm hiểu phương pháp
even swaps
 Trần Danh Tùng,Nguyễn Đức Văn : Tìm hiểu hệ trợ giúp quyết định
Smart Swaps
 Đỗ Lê viêt Thắng,Trần Đức Việt : Tìm hiểu phần mềm Smart Swaps
và ứng dụng trong thực tế

Tài liệu tham khảo:

1. Jyri Mustajoki, Raimo P. Hämäläinen : Smart-Swaps — A decision support

system for multicriteria decision analysis with the even swaps method
2. R.P. Hämäläinen, Decisionarium — Global Space for Decision Support,

Systems Analysis Laboratory, Helsinki University of Technology, 2000

http://www.decisionarium.hut.fi
3. R.L. Keeney, H. Raiffa, Decisions with Multiple Objectives. Preferences and
Value Tradeoffs, JohnWiley and Sons, Inc., New York 1976.

31