Expanding the scope of the LODECI method for criteria weight determination

Bài báo thuộc danh mục ISI (Q3) do nhóm tác giả TS. Lưu Thị Nhạn- Phó trưởng khoa; Ths. Trần Thị Hằng- Giảng viên tổ Toán ứng dụng- khoa Khoa học cơ bản - Đại học Công nghiệp Hà Nội đăng trên tạp chí Matéria (Rio de Janeiro) số 31.2026 do SciELO Brazil xuất bản ngày 27 tháng 4 năm 2026.

Trong nghiên cứu này, nhóm tác giả tập trung khảo sát và mở rộng khả năng ứng dụng của phương pháp xác định trọng số tiêu chí LODECI (LOgarithmic DEcomposition of Criteria Importance) thông qua việc thay thế kỹ thuật chuẩn hóa tuyến tính truyền thống (N1) bằng các phương pháp chuẩn hóa khác có tính ổn định và khả năng thích ứng cao hơn đối với dữ liệu thực tế.

Kết quả nghiên cứu đã chứng minh rằng phương pháp chuẩn hóa Vector (N2) là lựa chọn tối ưu để tích hợp với thuật toán LODECI. Việc đánh giá được thực hiện trên bốn bộ dữ liệu khác nhau, bao gồm bài toán thực tiễn về lựa chọn vật liệu điện môi cho tụ gốm đa lớp MLCCs (Multilayer Ceramic Capacitors). So sánh với các phương pháp chuẩn hóa N3 (Weitendorf normalization) và N4 (Enhanced accuracy normalization), phương pháp N2 thể hiện ưu thế vượt trội trên ba phương diện cốt lõi:

-Bảo toàn trọng số: Việc chuyển từ N1 sang N2 chỉ thay đổi hệ số tỷ lệ, cho ra trọng số bám sát N1 (độ lệch cực nhỏ từ 0.0153 – 0.0723). Điều này khắc phục được hiện tượng cào bằng trọng số gặp phải ở N3 (Phương pháp chuẩn hóa Weitendorf) và N4 (Phương pháp chuẩn hóa độ chính xác nâng cao).

-Xếp hạng nhất quán (MCDM): Khi áp dụng vào các mô hình ra quyết định, N2 cho kết quả xếp hạng gần như tương đồng tuyệt đối với N1, với hệ số tương quan Spearman thường xuyên đạt mức 1 (tối thiểu 0.8788).

-Độ ổn định vững chắc: Phân tích độ nhạy xác nhận N2 duy trì sự nhất quán rất cao (Spearman đạt 0.9762 – 0.9967) ngay cả khi bị loại bỏ ngẫu nhiên các tiêu chí.

Nghiên cứu của nhóm đã khẳng định Vector (N2) duy trì trọn vẹn hiệu quả của N1, giúp khắc phục triệt để hạn chế của phương pháp LODECI khi xử lý các tập dữ liệu chứa giá trị cực đoan (như giá trị 0).

Abstract: Determining the weights of criteria is an essential task when ranking alternative options, especially in contexts where multiple criteria are used to characterize each alternative. The LOgarithmic DEcomposition of Criteria Importance (LODECI) is a weighting methodology known for its advantage of analyzing criterion importance based on the intensity of contrast among all alternatives with respect to each criterion. Nevertheless, the existing data normalization technique utilized within the original LODECI method-specifically, the Linear normalization method, becomes infeasible in certain scenarios. This limitation effectively prevents the use of the LODECI method for criteria weight calculation in those specific cases. To broaden the applicability of this methodology, the present research was undertaken to identify suitable alternative data normalization techniques that can be successfully integrated with LODECI, replacing the standard Linear method. Three normalization methods were considered for combination with LODECI: the Vector normalization method, the Weitendorf method, and the Enhanced accuracy method. The investigation into which of these three normalization methods could replace the Linear method for integration with LODECI was carried out using four distinct examples. The results unequivocally verified that the Vector normalization method is a viable substitute for the Linear method when coupled with LODECI.

Keywords: LODECI weight method; Weight method; MCDM; Data normalization

Toàn văn bài báo xem tại : https://doi.org/10.1590/1517-7076-RMAT-2025-0970

Một vài hình vẽ trong bài báo