Professional Documents
Culture Documents
Chương 2 - Ra Quyết Định Trong QL
Chương 2 - Ra Quyết Định Trong QL
Chương 2 - Ra Quyết Định Trong QL
VI. RA QUYẾT ĐỊNH THEO MÔ HÌNH TOÁN TRONG PHƢƠNG PHÁP ĐỊNH
LƢỢNG
6.1 Khái niệm chung về phƣơng pháp định lƣợng trong quản lý
1. Phƣơng pháp định lƣợng
2. Nguồn gốc phƣơng pháp định lƣợng
3. Các bƣớc trong phƣơng pháp định lƣợng
4. Một số mô hình toán trong phƣơng pháp định lƣợng
Trong cuộc sống hằng ngày, mỗi ngƣời trong chúng ta đều phải ra không biết bao nhiêu
quyết định liên quan đến các sinh hoạt cá nhân từ ăn gì? uống gì? mặc gì? làm gì? khi nào? ở
đâu? với ai? đó là các quyết định rất bình thƣờng. Nội dung chƣơng này muốn đề cập đến các
quyết định trong quản lý.
Vai trò đặc trƣng chung của nhà quản lý là trách nhiệm ra quyết định, từ các quyết định
quan trọng nhƣ phát triển một loại sản phẩm mới, giải thể công ty đến các quyết định thông
thƣờng nhƣ tuyển nhân viên, xác định kế hoạch sản xuất hàng tháng, hàng quý. Ra quyết định
thâm nhập vào cả bốn chức năng của nhà quản lý gồm hoạch định, tổ chức, chỉ đạo và kiểm tra,
vì vậy nhà quản lý đôi khi còn đƣợc gọi là ngƣời ra quyết định.
Các quyết định liên quan đến bốn chức năng quản lý thƣờng có thể thấy qua các ví dụ
sau:
Hoạch định:
Mục tiêu dài hạn của công ty là gì?
Nên theo chiến lƣợc nào để đạt đến mục tiêu?
Tổ chức :
Nên chọn cấu trúc tổ chức nào?
Nên tập trung thẩm quyền đến mức nào?
Ai làm việc gì, Ai báo cáo cho ai?
Chỉ đạo:
Nên theo kiểu lãnh đạo nào?
Làm thế nào để động viên nhân viên hiệu quả?
Kiểm tra:
Cần kiểm tra ở những khâu nào, khi nào, bằng cách nào và ai chịu trách nhiệm kiểm
tra?
Ra quyết định là một quá trình lựa chọn có ý thức giữa hai hoặc nhiều phƣơng án để
chọn ra một phƣơng án và phƣơng án này sẽ tạo ra đƣợc một kết quả mong muốn trong các điều
kiện ràng buộc đã biết.
Lƣu ý rằng, nếu chỉ có một giải pháp để giải quyết vấn đề thì không phải là bài toán ra
quyết định. Và cũng cần lƣu ý rằng , phƣơng án “Không làm gì cả” (do nothing) cũng là một
phƣơng án, đôi khi đó lại là phƣơng án đƣợc chọn.
Trƣớc khi nghiên cứu quá trình ra quyết định của các nhà quản lý, cần phải thông hiểu
một giả thuyết quan trọng ẩn chứa trong quá trình. Đó là giả thuyết về "sự hợp lý".
Giả thuyết về sự hợp lý cho rằng các quyết định đƣợc đƣa ra là kết quả của một sự lựa
chọn có lập trƣờng và với mục tiêu là tối ƣu (cực đại hay cực tiểu) một giá trị nào đó trong
những điều kiện ràng buộc cụ thể.
Theo giả thuyết này. Ngƣời ra quyết định hoàn toàn khách quan, có logic, có mục tiêu
rõ ràng và tất cả hành vi trong quá trình ra quyết định đƣợc dựa trên một lập trƣờng duy nhất
nhằm đạt đƣợc mục tiêu cực trị một giá trị nào đó đồng thời thỏa mãn các điều kiện ràng buộc.
Cụ thể hơn, quá trình ra quyết định hợp lý đƣợc dựa trên các giả thuyết sau:
Ngƣời ra quyết định có mục tiêu cụ thể.
Loại vấn đề mà ngƣời ra quyết định gặp phải là một yếu tố quan trọng trong quá trình ra
quyết định. Ra quyết định trong quản lý đƣợc phân loại dựa trên hai cơ sở: Cấu trúc của vấn đề
và tính chất của vấn đề.
Theo cấu trúc của vấn đề ngƣời ta chia vấn đề làm hai loại:
Vấn đề có cấu trúc tốt: Khi mục tiêu đƣợc xác định rõ ràng, thông tin đầy đủ, bài
toán có dạng quen thuộc
Ví dụ: Bài toán quyết định thƣởng/phạt nhân viên
Vấn đề có cấu trúc kém: Dạng bài toán mới mẻ, thông tin không đầy đủ, không rõ
ràng
Ví dụ: Bài toán quyết định chiến lƣợc phát triển của công ty
Thông thƣờng, các vấn đề có cấu trúc tốt có thể đƣợc phân quyền cho các nhà quản lý cấp
dƣới ra quyết định theo những tiêu chuẩn và các hƣớng dẫn đã đƣợc lập sẵn. Còn các nhà quản
lý cấp cao trong tổ chức sẽ dành nhiều thời gian cho các vấn đề có cấu trúc kém. Do vậy tƣơng
ứng với hai loại vấn đề sẽ có hai loại ra quyết định: Ra quyết định theo chƣơng trình và ra quyết
định không theo chƣơng trình.
Theo tính chất của vấn đề, có thể chia quyết định làm ba loại:
1. Ra quyết định trong điều kiện chắc chắn (certainty): Khi ra quyết định, đã biết chắc chắn
trạng thái nào sẽ xảy ra, do đó sẽ dễ dàng và nhanh chóng ra quyết định.
2. Ra quyết định trong điều kiện rủi ro (risk): Khi ra quyết định đã biết đƣợc xác xuất xảy
ra của mỗi trạng thái.
3. Ra quyết định trong điều kiện không chắc chắn (uncertainty): Khi ra quyết định, không
biết đƣợc xác suất xảy ra của mỗi trạng thái hoặc không biết đƣợc các dữ liệu liên quan đến các
vấn đề cần giải quyết.
Quá trình ra quyết định thƣờng đƣợc tiến hành theo sáu bƣớc :
Ví dụ:
Ông A là Giám đốc của công ty X muốn ra quyết định về một vấn đề sản xuất, ông lần lƣợt thực
hiện sáu bƣớc nhƣ sau:
Bƣớc 1: Ông A nêu vấn đề có nên sản xuất một sản phẩm mới để tham gia thị trƣờng hay
không?
Bƣớc 2: Ông A cho rằng có 3 phƣơng án sản xuất là:
+ Phƣơng án 1: lập 1 nhà máy có qui mô lớn để sản xuất sản phẩm.
+ Phƣơng án 2: lập 1 nhà máy có qui mô nhỏ để sản xuất sản phẩm.
+ Phƣơng án 3: không làm gì cả (do nothing).
Bƣớc 3: Ông A cho rằng có 2 tình huống của thị trƣờng sẽ xảy ra là:
+ Thị trƣờng tốt.
+ Thị trƣờng xấu.
Bƣớc 4: Ông A ƣớc lƣợng lợi nhuận của các phƣơng án ứng với các tình huống nhƣ sau:
Bƣớc 5 và 6: Chọn một mô hình toán học trong phƣơng pháp định lƣợng để tác dụng vào bài
toán này. Việc chọn lựa mô hình đƣợc dựa vào sự hiểu biết, vào thông tin ít hay nhiều về khả
năng xuất hiện các trạng thái của hệ thống.
Khi ra quyết định trong điều kiện rủi ro, ta đã biết đƣợc xác suất xảy ra của mỗi trạng
thái.
Ra quyết định trong điều kiện rủi ro, ta thƣờng sử dụng các tiêu chuẩn sau (đối với bài
toán cực đại lợi nhuận):
Cực đại giá trị kỳ vọng đƣợc tính bằng tiền EMV (Expected Moneytary Value), hay
Cực tiểu thiệt hại kỳ vọng EOL (Expected Opportunity Loss).
Để xác định các tiêu chuẩn trên ngƣời ta có thể sử dụng phƣơng pháp lập bảng quyết định
hoặc cây quyết định.
Trong phần này ta lần lƣợt trình bày các mô hình Max EMV và mô hình Min EOL, đồng
thời cũng đề cập đến khái niệm EVWPI và EVPI.
Ví dụ:
Trở lại bài toán của ông giám đốc A của công ty X với giả sử rằng thị trƣờng xấu
cũng nhƣ thị trƣờng tốt đều có xác suất nhƣ nhau và bằng 0,5.
Giải :
Từ bảng 2.1 ta có:
EMV (p/án nhà máy lớn) = 0,5200.000 + 0,5 (-180.000) = 10.000
EMV (p/án nhà máy nhỏ) = 0,5100.000 + 0,5 (-20.000) = 40.000
EMV (không) = 0,5 0 + 0,5 0 = 0
Ra quyết định :
* EMV (i) 0 phƣơng án có lợi
* Max EMV(i) = EMV(i=2) = 40.000 Chọn phƣơng án qui mô nhà máy nhỏ.
EVPI là giá trị kỳ vọng của thông tin hoàn hảo (Expected Value of Perfect
Information).
a. Ta dùng EVPI để chuyển đổi môi trƣờng có rủi ro sang môi trƣờng chắc chắn và
EVPI chính bằng cái giá nào đó mà ta phải trả để mua thông tin.
b. Giả sử có một công ty tƣ vấn đến đề nghị cung cấp cho ông A thông tin về tình
trạng thị trƣờng tốt hay xấu với giá 65000 đ. Vấn đề đặt ra: Ông A có nên nhận lời
đề nghị đó hay không? Giá mua thông tin này đắt hay rẻ? Bao nhiêu là hợp lý?
c. Để trả lời câu hỏi trên ta cần trang bị thêm 2 khái niệm về EVWPI và EVPI
Ví dụ
Ra Quyeát Ñònh Trong Quaûn Lyù 5
Áp dụng bảng 2.2 ta có :
EVWPI = 0,5 (200.000) + 0,5 (0) = 100.000
* EVPI
EVPI: là sự gia tăng giá trị có đƣợc khi mua thông tin và đây cũng chính là giá trị tối
đa có thể trả khi mua thông tin.
Ví dụ:
EVPI = 100.000 – 40.000 = 60.000
3. Mô hình Min EOL(i) (Expeded Opportunity Loss, Thiệt hại cơ hội kỳ vọng)
a. Thiệt hại cơ hội OL (Opportunity Loss)
OLij là thiệt hại cơ hội của phƣơng án i ứng với trạng thái j đƣợc định nghĩa nhƣ sau:
Đây cũng chính là số tiền ta bị thiệt khi ta không chọn đƣợc phƣơng án tối ƣu mà
phải chọn phƣơng án i.
Ví dụ:
Từ bảng 2.2 ta có :
OL11 = 200.000 – 200.000 = 0
OL12 = 0 – (-180.000) = 180.000
OL21 = 200.000 – 100.000 = 100.000
OL22 = 0 – (-20.000) = 20.000
OL31 = 200.000 – 0 = 200.000
OL32 = 0 – 0 = 0
m
EOL (i) = P(S ) OL j ij
j= i
Ví dụ:
EOL (lớn) = 0,5 0 + 0,5 180.000 = 90.000
EOL (nhỏ) = 0,5 100.000 + 0,5 20.000 = 60.000
EOL (không) = 0,5 200.000 + 0,5 0 = 100.000
Ra Quyeát Ñònh Trong Quaûn Lyù 6
c. Ra quyết định theo tiêu chuẩn Min EOL (i)
Min EOL (i) = Min (90.000, 60.000, 100.000) = 60.000
Chọn phƣơng án nhà máy nhỏ
Ghi chú :
* Phƣơng pháp Min EOL (i) và phƣơng pháp EVPI sẽ cho cùng kết quả. Thật ra, ta
luôn có:
* Bản chất bài toán của Ông A là bài toán Max lợi nhuận. Đối với các bài toán Min chi phí
ta sẽ hoán đổi Max thành Min trong khi tính toán.
2. Các bƣớc của việc phân tích bài toán theo cây quyết định
Gồm 5 bƣớc:
Bƣớc 1: Xác định vấn đề cần giải quyết
Bƣớc 2: Vẽ cây quyết định
Bƣớc 3: Gán xác suất cho các trạng thái
Bƣớc 4: Ƣớc tính lợi nhuận thay chi phí cho một sự kết hợp giữa một phƣơng án và một
trạng thái
Bƣớc 5: Giải bài toán bằng phƣơng pháp Max EMV (i). Nghĩa là tìm phƣơng án i có giá
trị kỳ vọng tính bằng tiền lớn nhất. Việc tính EMV tại mỗi nút đƣợc thực hiện từ
phải qua trái theo các đƣờng đến từng nút rồi lấy tổng từ nút ấy.
Ví dụ: Giải bài toán ông Giám đốc A bằng cây quyết định
Bƣớc 1: Vấn đề đặt ra nhƣ đã nêu ở các ví dụ trƣớc đây
Bƣớc 2: Vẽ cây quyết định nhƣ ở hình 2.1
Bƣớc 3: Gán xác suất 0.5 cho các loại thị trƣờng
Bƣớc 4: Dùng giá trị ở bảng số liệu để ghi vào
Bƣớc 5: Tính các giá trị EMV (i) tại các nút
- EMV(1) = 0,5 200.000 + 0,5 (-180.000) = 10.000
- EMV(2) = 0,5 100.000 + 0,5 (-20.0000) = 40.000
- EMV(3) = 0
Trong điều kiện không chắc chắn, ta không biết đƣợc xác suất của sự xuất hiện của mỗi trạng
thái hoặc các dữ kiện liên quan đến bài toán không có sẵn. Trong trƣờng hợp này ta có thể dùng
một trong 5 mô hình sau:
a/ Maximax
b/ Maximin
c/ Đồng đều ngẫu nhiên (Equally – likely)
d/ Tiêu chuẩn hiện thực (criterion of readism) hay tiêu chuẩn Hurwiez
e/ Minimax
Ghi chú :
* Bốn mô hình đầu đƣợc tính từ bảng 2.1
* Mô hình cuối cùng đƣợc tính từ bảng 2.3
Trong mô hình này ta tìm lợi nhuận tối đa có thể có đƣợc bất chấp rủi ro, vì vậy tiêu
chuẩn này còn đƣợc gọi là tiêu chuẩn lạc quan (optimistic decision criterion)
Ví dụ:
Nghĩa là tìm Min trong hàng i, sau đó lấy Max những giá trị Min vừa tìm đƣợc. Cách
làm này phản ánh tinh thần bi quan, còn gọi là quyết định bi quan (pessimistic decision)
Ví dụ:
Từ bảng 2.1 ta có Max (Min Pij) = 0
i
m
P ij
Max
j=1
Nghĩa là tìm phƣơng án làm cực đại giá trị trung bình các lợi nhuận của từng phƣơng
án
Ví dụ:
Từ bảng 2.1 ta có:
200 .000 (180 .000 ) 100 .000 (20.000 ) 0 0
Max , ,
i
2 2 2
= Max (10.000, 40.000, 0)
i
= 40.000
5.4 Mô hình Hurwiez – còn đƣợc gọi là mô hình trung bình có trọng số (weighted average)
Đây là mô hình dung hòa giữa tiêu chuẩn lạc quan và tiêu chuẩn bi quan.
Bằng cách chọn một hệ số (01). Sau đó chọn phƣơng án i ứng với hệ số sao
cho:
Tìm Max theo phƣơng án i nghĩa là tìm giá trị lớn nhất trong các cột j tính theo từng
hàng
OLij : thiệt hại cơ hội của phƣơng án i ứng với trạng thái j
Trong mô hình này ta tìm phƣơng án để làm cực tiểu cơ hội thiệt hại cực đại.
Ví dụ:
Áp dụng bảng 2.3 ta có :
Min [Max OLij ]= Min [180.000, 100.000, 200.000 ]= 100.000
Ra quyết định : Chọn phƣơng án nhà máy có qui mô nhỏ.
Phƣơng pháp định lƣợng là một phƣơng pháp khoa học dựa trên các phép tính toán để
nghiên cứu việc tạo ra các quyết định trong quản lý.
Các thuật ngữ chuyên môn thƣờng đƣợc dùng để chỉ phƣơng pháp định lƣợng:
Phân tích định lƣợng (Quantitative Analysis)
Phƣơng pháp định lƣợng (Quantitative Methods, Quantitative Approaches)
Nghiên cứu tác vụ (Operation Research)
Khoa học quản lý hay còn gọi là vận trù học (Management science)
Phƣơng pháp định lƣợng bắt đầu từ dữ liệu và vai trò chính của phƣơng pháp này là xử lý
dữ liệu để đƣa ra kết quả là thông tin
Tuy phƣơng pháp định lƣợng có vai trò quan trọng nhƣng trong mọi trƣờng hợp ra quyết
định đều phải xét đến cả hai yếu tố định lƣợng và định tính (Ví dụ: luật lệ, truyền thống văn
hóa...)
Trở ngƣợc về quá khứ, phƣơng pháp này có từ khi con ngƣời có sử ký ghi lại. Tuy nhiên
phƣơng pháp này đƣợc xem nhƣ có mặt vào những năm đầu của thế kỷ 20 và đƣợc đánh dấu bởi
một số công trình nghiên cứu ứng dụng của Taylor. Phƣơng pháp này thực sự phát triển trong
những năm xảy ra thế chiến lần thứ hai (1939 - 1945)
Ví dụ:
Trong thế chiến lần II, các nhà khoa học Anh phải giải quyết vấn đề làm thế nào đạt hiệu
quả cao nhất trong việc sử dụng lực lƣợng không quân hạn chế của họ để chống lại không lực
mạnh mẽ của Đức.
Sau thế chiến thứ II, rất nhiều phƣơng pháp định lƣợng dùng trong quân sự đã đƣợc ứng
dụng sang lĩnh vực kinh tế ở Mỹ, Nhật. Một trong những ngƣời tiên phong trong trƣờng phái này
là Robert Macnamara, với phƣơng pháp định lƣợng trong quản lý ông đã thành công trong nhiều
vị trí khác nhau nhƣ Chủ tịch tập đoàn xe hơi Ford, Bộ Trƣởng Quốc Phòng, Chủ tịch World
Bank, Chủ tịch trƣờng Harvard.
Phƣơng pháp định lƣợng trong quản lý bao gồm các ứng dụng của thống kê, toán học, mô
hình tối ƣu, mô phỏng... vào việc giải quyết các bài toán ra quyết định.
Ví dụ:
Bài toán phân phối tài nguyên
Bài toán vận tải
Bài toán kho chứa
Bài toán lập kế hoạch công tác...
Phƣơng pháp định lƣợng thƣờng đƣợc tiến hành theo các bƣớc sau:
1/ Xác định vấn đề cần giải quyết
2/ Lập mô hình
3/ Thu thập dữ liệu
4/ Tìm lời giải
5/ Thử nghiệm lời giải
6/ Phân tích kết quả
7/ Thực hiện lời giải
Lập mô hình
QHTT là một kỹ thuật toán học nhằm xác định giá trị của các biến x1, x2,...xi...,...xn sao cho :
Làm cực đại hay cực tiểu giá trị của hàm mục tiêu (Objective function)
Z = f(x1, x2,..., xn)
Thỏa mãn các ràng buộc (Constraint).
Ri = ri(x1, x2,..., xn)
Trong QHTT: Hàm mục tiêu f và các ràng buộc ri là những biểu thức tuyến tính (bậc nhất) đối
với các biến x1, x2,..., xn. x1, x2,..., xn là các biến quyết định.
Ví dụ:
Ra Quyeát Ñònh Trong Quaûn Lyù 16
a. Bài toán cực đại:
Một nhà quản lý dự án nông nghiệp ứng dụng QHTT để làm cực đại lợi nhuận của dự án dựa
trên các số liệu sau:
Số liệu đầu vào đối với một Loại sản phẩm Khả năng lớn nhất của các
đơn vị sản phẩm Lúa gạo Lúa mì nguồn tài nguyên sẵn có
Diện tích [Ha/tấn] 2 3 50 Ha
Lƣợng nƣớc [103m3/tấn] 6 4 90 103m3
Nhân lực [công/tấn] 20 5 250 công
Lợi nhuận [USD/tấn] 18 21
Giải :
Các bƣớc thành lập bài toán QHTT:
Bƣớc 1: Xác định biến quyết định (Decision Variables).
Gọi x1 là số tấn lúa gạo cần đƣợc sản xuất.
x2 là số tấn lúa mì cần đƣợc sản xuất.
Bƣớc 2: Xác định hàm mục tiêu (Objective Function).
Hàm mục tiêu trong bài toán này là cực đại lợi nhuận Z
Max Z = 18x1 + 21x2
Bƣớc 3: Xác định các ràng buộc (Constraints)
Ràng buộc về diện tích:
2x1 + 3x2 50
Ràng buộc về lƣợng nƣớc
6x1 + 4x2 90. 103
Ràng buộc về nhân lực
20x1 + 5x2 250
Giá trị của các biến phải dƣơng
xi 0 với i = 1, 2
Giải:
Bƣớc 1: Xác định biến quyết định
Gọi x1, x2 lần lƣợt là số lƣợng đơn vị thực phẩm loại 1 và loại 2 cần cho 1 con gà trong 1 tháng.
Bƣớc 2: Xác định hàm mục tiêu
Hàm mục tiêu của bài toán này là cực tiểu giá mua
Min Z = 2x1 + 3x2
Bƣớc 3: Xác định các ràng buộc
Thành phần A: 5x1 + 10x2 90
Ràng buộc
n
c
j 1
ij xj bi j = 1,n m hàng
i =1,m n cột
xj > 0
Với :
C = [c1 c2 ............... cn] ma trận hàng
b
1
a a . . . . . . . . . a
11 12 1n
2
2
a a . . . . . . . . . a
. . 21 22 2n
X B A . . . . . . . . . . . . . . . .
. .
. . . . . . . . . . . . . . . .
. . a a . . . . . . . . .a
m1 m2 mn
x n b m
Ghi chú:
Trong bài toán Min, Cj là ghi chú cho 1 đơn vị sản phẩm thứ j
Ta có thể giải bài toán Min theo các cách :
Giải trực tiếp bài toán Max
Đổi ra bài toán Max (- Z)
Min Z = - Max (- Z)
Đặt Z = - Z
Min Z = - Max Z
Bài toán Min Z đƣợc giải nhờ bài toán Max Z
Khi đó giá trị hàm mục tiêu Z = - Zmax
a. Quá trình giải quyết bài toán QHTT
Thông thƣờng quá trình giải bài toán QHTT bao gồm 5 bƣớc:
Bƣớc 1: Nhận dạng các biến quyết định và hàm mục tiêu
Bƣớc 2: Diễn tả hàm mục tiêu và các ràng buộc theo các biến quyết định
Bƣớc 3: Kiểm tra xem có phải tất cả các quan hệ trong hàm mục tiêu và trong các ràng
buộc có phải là quan hệ tuyến tính không. Nếu không, phải tìm mô hình phi
tuyến khác để giải.
Bƣớc 4: Kiểm tra vùng không gian lời giải để xem xét điều kiện nghiệm của bài toán.
Các khả năng có thể xảy ra là:
Thiết lập :
- Hàm mục tiêu
- Các ràng buộc
Đúng
Nới lỏng
Có vùng khả ràng buộc
thi không ?
Có
Có
Có
Tìm lời giải
Hình 2.4: Lƣu đồ tiến trình giải quyết bài toán QHTT
3. Giải bài toán QHTT bằng Phƣơng pháp đồ thị (Graphical Method)
Phƣơng pháp đồ thị đƣợc dùng khi số biến quyết định là 2 hay 3.
a) Phƣơng pháp dùng đƣờng đẳng lợi (iso - profit line) hay đƣờng đẳng phí (iso - cost line)
Giải bài toán cực đại ở Ví dụ trên:
Miền OABCD chứa tất cả các điểm M(x1,x2) thỏa mãn mọi ràng buộc của bài toán:
- Một điểm M(x1,x2) miền OABCD đƣợc gọi là 1 lời giải chấp nhận đƣợc (feasible
solution)
- Miền OABCD đƣợc gọi là không gian lời giải hay không gian sách lƣợc (feasible region or
solution space)
- Vấn đề giải bài toán QHTT nghĩa là tìm 1 điểm M(x1, x2) trong không gian lời giải sao cho
làm cực đại giá trị hàm mục tiêu Z.
(D3)
50
(D2)
225
(D1)
166 C
7
10
0 10 A15 25 50 (x1)
Ghi chú:
Tọa độ của điểm C là nghiệm của hệ phƣơng trình
2x1 + 3x2 = 50 x1* = 7
6x1 + 4x2 = 90 x2* = 12
Ràng buộc (1) & (2) là ràng buộc tích cực (active constraint) vì với giá trị x 1* = 7; x2* = 12, ta
có:
+ Diện tích = 2 7 + 3 12 = 50 (ha)
+ Lƣợng nƣớc = 6 7 + 4 12 = 90 (103m3)
+ Nhân lực = 20 7 + 5 12 = 200 công 250 công
32
28
Miền không gian lời giải vô hạn nhƣng có cực tiểu.
D2
24
20
Min
16
12
8
0 4 8 12 16 20 24 28 32
Dùng đƣờng đẳng phí để xác định Zmin. Đƣờng đẳng phí càng gần gốc O thì Z càng nhỏ.
Đƣờng đẳng phí qua điểm B cho ta Zmin. Tọa độ điểm B là nghiệm của hệ phƣơng trình:
5x1 + 10x2 = 90 x1* = 8,4
4x1 + 3x2 = 48 x2* = 4,8
Z = Zmin = 2x1 + 3x2 = 2 8,4 + 3 4,8 = 31,2
Các điểm đỉnh là giao điểm của các ràng buộc nằm trong không gian lời giải gọi là các đỉnh
của không gian lời giải.
Một kết quả quan trọng trong lý thuyết qui hoạch tuyến tính là: Nếu bài toán QHTT có lời
giải tối ƣu thì lời giải sẽ nằm trên các đỉnh của không gian lời giải.
Áp dụng kết quả này tìm giá trị của hàm mục tiêu bằng cách so sánh giá trị của các đỉnh của
không gian lời giải.
x1 * 7
Zmax = ZC = 378
x2 * 12
Đỉnh A (18, 0) ZA = 2 18 + 3 0 = 36
Đỉnh B (8,4 , 4,8) ZB = 2 8,4 + 3 4,8 = 31,2
Đỉnh C (3, 12) ZC = 2 3 + 3 12 = 42
x1 * 8,4
Zmin = ZC = 31,2
x 2 * 4,8
6.3 Ra quyết định nhiều yếu tố (Multi Factor Decision Making)
Trong thực tế có nhiều bài toán ra quyết định liên quan đến nhiều yếu tố.
Ví dụ:
Một sinh viên tốt nghiệp muốn tìm việc làm thì có nhiều yếu tố sẽ ảnh hƣởng đến quyết
định chọn việc của anh ta:
- Lƣơng khởi điểm
- Cơ hội thăng tiến
- Vị trí của nơi làm việc
- Những ngƣời mà mình sẽ làm việc với họ
- Loại công việc bạn cần phải làm
- Những lợi nhuận khác ngoài lƣơng...
Để giải quyết bài toán ra quyết định đa yếu tố có thể làm các cách sau:
- Nhiều ngƣời xem xét các yếu tố khác nhau này một cách chủ quan và trực giác.
Ra Quyeát Ñònh Trong Quaûn Lyù 25
- Dùng phƣơng pháp đánh giá yếu tố MFEP – Multi Factor Evaluation Process.
i: yếu tố
TWEj = FW FE
i
i ij
j: phƣơng án
Ví dụ
Ở các phần trƣớc ta dùng tiêu chuẩn EMV để đánh giá lựa chọn các phƣơng án. Tuy
nhiên, trong nhiều trƣờng hợp tiêu chuẩn EMV không thể dẫn đến việc lựa chọn các phƣơng án
tốt.
Ví dụ:
Giả sử bạn có một tấm vé số đặc biệt mà khi thảy đồng xu lên nếu mặt ngửa xuất hiện thì
bạn trúng thƣởng 5.000.000đ, nếu mặt sấp xuất hiện thì bạn không đƣợc gì hết.
Vấn đề đặt ra: Nếu có ngƣời nào đó đề nghị mua lại tấm vé số của bạn trƣớc khi tung đồng
xu với giá 2.000.000đ thì bạn có bán hay không?
Giải :
Nếu xét theo tiêu chuẩn EMV
Ngửa
5.000.000
0,5
Không bán Sấp
0
0,5
Bán
2.000.000
1
Dựa vào kết quả EMV (không bán) > EMV (bán)
Nếu xét trên quan điểm thực tế thì đa số mọi ngƣời sẽ bán vì ít ai thích may rủi trừ những ngƣời
tỉ phú thích may rủi.
Ta có 2 phƣơng án:
+ Phƣơng án 1: Chấp nhận trò chơi ta sẽ đƣợc kết quả tốt nhất hay đƣợc kết quả xấu
nhất.
+ Phƣơng án 2: Không chấp nhận trò chơi để đƣợc một kết quả chắc chắn tránh đƣợc
rủi ro.
Vấn đề: Xác định xác suất p để 2 phƣơng án này đƣợc xem là tƣơng đƣơng đối với ngƣời
ra quyết định
Ta có sơ đồ cây quyết định:
Đối với ngƣời ra quyết định, hai phƣơng án đƣợc xem là tƣơng đƣơng nhau nếu kỳ vọng độ
hữu ích của 2 phƣơng án bằng nhau:
Cô X có một số tiền, cô có thể mua bất động sản hoặc bỏ vào quỹ tiết kiệm của ngân
hàng. Nếu cô X đầu tƣ vào bất động sản thì sau 3 năm cô thu đƣợc 10.000 hoặc là bị mất trắng.
Nếu cô X gửi tiết kiệm thì sau 3 năm sẽ chắc chắn thu đƣợc 5000đ.
Về mặt chủ quan, cô X cho rằng nếu 80% có cơ may thu đƣợc 10.000đ sau 3 năm thì cô
X mới đầu tƣ vào bất động sản nếu không cô X sẽ gửi tiết kiệm.
Nhƣ vậy với xác suất p = 0.8 để mua bất động sản thành công thì 2 phƣơng án mua bất
động sản và gửi tiền tiết kiệm là nhƣ nhau.
Ta có:
U(5.000) = p = 0.8 đối với cô X.
Tƣơng tự, nếu gửi tiết kiệm vào ngân hàng sau 3 năm cô X thu đƣợc 7.000 đ thì p sẽ là bao
nhiêu? Nếu là 3.000 thì p sẽ là bao nhiêu?
Giả sử đối với cô X U(7.000) = 90% = 0.9
U(3.000) = 50% = 0.5
Dựa vào các số liệu trên ta vẽ ra đƣờng cong độ hữu ích đối với tiền của cô X
0,5
0
5.000 10.000 Số tiền $
c. Các dạng của đƣờng cong độ hữu ích:
$
Dạng 2: Dạng đƣờng cong có bề lõm quay lại
Khi số tiền tăng thì U tăng nhanh hơn số tiền tăng, có nghĩa là độ gia tăng của U tăng dần.
Đây là đƣờng cong độ hữu ích của ngƣời thích rủi ro, thích mạo hiểm, thích chọn tình huống
may thì đƣợc nhiều, rủi thì hại lớn
$
450
3. Đánh giá phƣơng án bằng độ hữu ích
Trong việc đánh giá phƣơng án bằng độ hữu ích, giá trị tính bằng tiền đƣợc thay thế bằng
độ hữu ích tƣơng ứng.
Ví dụ:
Ông B xem xét có nên tham gia đầu tƣ vào một dự án hay không. Nếu dự án thành công
Ông B thu đƣợc 10.000 trái lại mất 10.000. Theo Ông B dự án có 45% cơ may thành công.
Ngoài ra đƣờng độ hữu ích của Ông B có dạng
0,30
0,15
0,05
Thành công
10000 U (10.000) = 0,3
0,45
Tham gia
Thất bại
-10000 U (-10.000) = 0,05
0,55
Không
tham gia 0 U (0) = 0,15
Bài tập:
Bài 1
Maxz = 3x1 + 2x2
x1 + 2x2 ≤ 12
2x1 + 3x2 = 12
2x1 + x2 ≥ 8
x1, x2 ≥ 0
(Đáp án: Maxz = 18, x1 = 6; x2 = 0)
Bài 2
Minz = -x1 - 2x2
x1 + 3x2 ≤ 8
x1 + x 2 ≤ 4
x1, x2 ≥ 0
(Đáp án: Minz = -6, x1 = x2 = 2)
Bài 3
Minz = -4x1 - 5x2
3x1 + x2 ≤ 27
x1 + x2 = 12
3x1 + 2x2 ≥ 30
x1, x2 ≥ 0
(Đáp án: Minz = 54, x1 = x2 = 6)