Mô hình Moora dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng
Vietnam J. Agri. Sci. 2021, Vol. 19, No. 7: 975-986
Tạp chí Khoa học Nông nghiệp Việt Nam 2021, 19(7): 975-986
MÔ HÌNH MOORA DỰA VÀO ENTROPY MỜ MỚI
ỨNG DỤNG CHO HỆ THỐNG THÔNG TIN TUYỂN DỤNG
Nguyễn Hữu Hải*, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy
Khoa Công nghệ thông tin, Học viện Nông nghiệp Việt Nam
*Tác giả liên hệ: nhhai@vnua.edu.vn
Ngày nhận bài: 20.07.2020
Ngày chấp nhận đăng: 14.04.2021
TÓM TẮT
Lựa chọn nguồn nhân lực được xem là nhân tố quan trọng trong một tổ chức hay doanh nghiệp nhằm lựa chọn
các ứng viên tốt nhất để đáp ứng yêu cầu của vị trí việc làm cũng như sự phát triển tổ chức, doanh nghiệp trong
tương lai. Bài toán lựa chọn nguồn nhân lực là bài toán ra quyết định đa tiêu chí với nhiều tiêu chí có thể xung đột
lẫn nhau. Trong bài báo này chúng tôi đề xuất độ đo entropy mờ mới nhằm cải thiện cách xác định trọng số của các
tiêu chí trong phương pháp MOORA. Hơn nữa, độ đo được đề xuất cung cấp thêm cho chúng ta nhiều lựa chọn hơn
khi cần xác định độ đo entropy của tập mờ. Cuối cùng chúng tôi áp dụng mô hình đề xuất vào bài toán lựa chọn
nhân sự cho khóa tập huấn và nhân sự kế toán tại doanh nghiệp. Kết quả thu được phù hợp với kết quả của các
phương pháp khác như là phương pháp SWARA, phương pháp FMCDM.
Từ khóa: Entropy mờ, MOORA, hệ thống thông tin tuyển dụng, lựa chọn nhân sự,
MOORA Model Based on New Fuzzy Entropy and Its Application
in Recruitment Information System
ABSTRACT
Human resource selection is considered a vital factor for an organization or an enterprise, aiming to select the
best candidates in order to meet the job requirements as well as the development of an organization or an enterprise
in the future. Personnel selection is Multi-Criteria Decision-Making (MCDM) problem with many conflicting attributes.
In this paper, we proposed a new fuzzy entropy measure to improve the calculation of weight of criteria in MOORA
method. In addition, the proposed measure has also provided more options to calculate entropy measures of fuzzy
sets. Finally, we applied the proposed model to the personnel selection for a training program and choosing the right
accountant for a business. The obtained results are similar to those of other methods such as SWARA and FMCDM.
Keywords: Fuzzy entropy, MOORA, recruitment information system, personnel selection.
để đáp ứng được yêu cầu công việc là một bài
toán không đơn giản. Quá trình lựa chọn nhân
1. ĐẶT VẤN ĐỀ
sự trở nên phức tạp hơn khi nhiều tiêu chí được
đặt ra như là kiến thức, kinh nghiệm, kỹ năng
và khả năng thích nghi của ứng viên trong môi
trường mới hay môi trường đòi hỏi ứng viên có
sự sáng tạo trong khi những thông tin mà nhà
tuyển dụng có được còn hạn chế, không đầy đủ,
không chắc chắn. Do vậy, bài toán làm thế nào
để xây dựng được mô hình lựa chọn nguồn nhân
lực có tính khoa học để có thể giúp tổ chức,
Lựa chọn nhân sự được xem là phần quan
trọng của công tác quản lý nguồn nhân lực nói
riêng và của doanh nghiệp nói chung. Rõ ràng,
chất lượng đầu vào của nguồn nhân lực liên
quan trực tiếp đến việc lựa chọn nguồn nhân lực
cũng như sự phát triển của doanh nghiệp trong
tương lai. Với quá trình lựa chọn nguồn nhân
lực, làm thế nào để có thể lựa chọn được những
ứng viên phù hợp nhất trong số nhiều ứng viên
975
Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng
doanh nghiệp có thể lựa chọn được những ứng
viên phù hợp nhất cho vị trí công việc thay vì
chọn những ứng viên giỏi nhất luôn được nhiều
nhà khoa học cũng như nhiều doanh nghiệp
quan tâm.
Trên thực tế, việc lựa chọn nhân sự tại các
tổ chức, doanh nghiệp thường là thông qua
phỏng vấn hoặc thông qua các bài kiểm tra năng
lực, việc xác định tầm quan trọng của một số
tiêu chí như tính cách, năng lực lãnh đạo, kinh
nghiệm làm việc hay sự tự tin của ứng viên
thường không được định nghĩa một cách chính
xác cho người ra quyết định. Thông thường mức
độ phù hợp ở mỗi tiêu chí cho ứng viên cũng như
tầm quan trọng của các tiêu chí được gán bởi các
biến ngôn ngữ như là ‘tốt’, ‘khá’, ‘trung bình’ và
‘kém’… Vì vậy, với quá trình lựa chọn nhân sự,
người ra quyết định thường phải đối mặt với
những khó khăn như là việc đánh giá tầm quan
trọng của các tiêu chí đặc biệt là các tiêu chí
như đã đề cập ở trên. Do vậy có thể nói đặc
trưng của bài toán lựa chọn nguồn nhân lực là
sự không rõ ràng. Trong những tình huống này
số mờ được xem là một công cụ hữu ích để xấp xỉ
cho các biến ngôn ngữ Zadeh (1965). Chính vì
điều này mà lý thuyết tập mờ của Zadeh đã thể
hiện được tính hiểu quả trong việc tìm lời giải
cho bài toán lựa chọn nguồn nhân lực. Ballý &
cs. (2014) sử dụng phương pháp fuzzy AHP và
TOPSIS để lựa chọn vận động viên bóng rổ.
Kerðulienë & Turskis (2014) đã tích hợp nguyên
lý tổng hợp thông tin mờ, phương pháp ARAS
với số mờ và AHP để lựa chọn nhân sự cho vị trí
kế toán trưởng. Ali & cs. (2017) đã đề xuất một
hệ thống lựa chọn nhân sự dựa vào FAHP và
phương pháp SAW.
Thực tế, đã có một số phương pháp được đề
xuất để tìm lời giải cho bài toán ra quyết định
đa tiêu chí (MCDM) nói chung và bài toán lựa
chọn nguồn nhân lực nói riêng. Trước hết, phải
kể đến phương pháp phân tích thức bậc AHP
được giới thiệu lần đầu bởi Saaty (1980).
Phương pháp AHP cung cấp cho chúng ta một
phương pháp xác định trọng số của các tiêu chí
và thông qua đó giúp người ra quyết định có
thể lựa chọn được phương án phù hợp nhất
trên cơ sở xác định và phân cấp các yêu tố tác
động, ảnh hưởng đến vấn đề cần giải quyết.
Tuy nhiên, AHP có hạn chế là chỉ xem xét duy
nhất một chiều mối quan hệ thứ bậc giữa các
yếu tố mà chưa suy xét tương tác giữa các yếu
tố khác nhau. Chính vì hạn chế trên, năm
1996, Saaty đề xuất phương pháp ANP
(Analytic Network Process) để khắc phục hạn
chế của AHP. ANP được biết đến như một hình
thức phát triển của AHP được sử dụng cho bài
toán MCDM, trong đó cấu trúc của ANP là cấu
trúc mạng, nghĩa là có sự tương tác qua lại
giữa các yếu tố. Ngày nay, ANP được ứng dụng
trong nhiều lĩnh vực khác nhau. Một số kỹ
thuật khác cũng được đề xuất, điển hình là kỹ
thuật TOPSIS được đề xuất bởi Hwang & cs.
(1981). Ý tưởng cơ bản của kỹ thuật TOPSIS là
phương án được xem là tối ưu khi có khoảng
cách gần nhất với phương án lý tưởng và
khoảng cách xa nhất với phương án tệ nhất.
Kể từ đó, kỹ thuật TOPSIS được áp dụng rộng
rãi trong nhiều lĩnh vực, điển hình Shih (2007)
và Wang (2009) đã phát triển kỹ thuật
TOPSIS kết hợp lý thuyết Grey cho bài toán
lựa chọn nhân sự. Trong nghiên cứu của mình,
Wang đã xem xét các tiêu chí như là trình độ
học vấn, kinh nghiệm làm việc, hiệu quả công
việc, độ tuổi, sự trung thành và khả năng
sáng tạo trong công việc. Kết quả của Dejiang
được xem là một mở rộng có ý nghĩa của kỹ
thuật TOPSIS.
Ngoài các phương pháp nói trên, phương
pháp MOORA (Multi-Objective Optimization on
the basis of Ratio Analysis) được biết đến như
một phương pháp MCDM nổi tiếng. Phương
pháp MOORA cơ bản gồm 5 bước chính và được
bắt đầu với một ma trận thông tin liên quan đến
tập các phương án và các tiêu chí khác nhau.
Phương pháp MOORA được đề xuất bởi Brauers
& Zavadskas (2006). Kể từ đó, phương pháp
MOORA được ứng dụng rộng rãi để giải các bài
toán trong nhiều lĩnh vực khác nhau như là
kinh tế, xây dựng hay quản trị nguồn nhân lực
bởi sự đơn giản và hiểu quả của phương pháp
mang lại. Hơn thế, phương pháp MOORA được
xem là công cụ hiểu quả để tìm lời giải cho
những bài toán MCDM phức tạp với những tiêu
976
Nguyễn Hữu Hải, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy
chí xung đột lẫn nhau. Chẳng hạn, bài toán lựa
thỏa mãn. Công trình của De Luca & cs. (1972)
đánh dấu sự mở rộng của khái niệm entropy vào
lĩnh vực lý thuyết tập mờ. Kể từ đó, những tính
chất của entropy mờ được De Luca & cs. (1972)
đề xuất đã trở thành các tiên đề cho việc định
nghĩa một entropy mờ bất kỳ. Chính vì tầm
quan trọng của nó trong việc xác định sự không
rõ ràng của tập mờ, độ đo entropy mờ đã trở
thành chủ đề lớn trong nghiên cứu lý thuyết tập
mờ cũng như nghiên cứu ứng dụng của nó trong
các bài toán MCDM phức tạp như là bài toán
lựa chọn nguồn nhân lực. Trên cơ sở đó, chúng
tôi nghiên cứu và đề xuất một entropy mờ mới
nhằm cải thiện cách xác định trọng số của các
tiêu chí trong phương pháp MOORA và ứng
dụng của mô hình đề xuất cho bài toán lựa chọn
nhân sự.
chọn ứng viên tham gia khóa tập huấn với các
tiêu chí được xem xét như độ tuổi, năng lực
ngoại ngữ, số năm kinh nghiệm…. Rõ ràng, hầu
hết các trường hợp thì tiêu chí độ tuổi được xem
là tiêu chí phi lợi ích, tiêu chí mà sẽ xung đột với
các tiêu chí như năng lực ngoại ngữ, số năm
kinh nghiệm của ứng viên. Những năm gần đây
ghi nhận có nhiều mở rộng của phương pháp
MOORA để giải quyết các bài toán thực tế phức
tạp hơn chẳng hạn bài toán lựa chọn nguồn
nhân lực. Điển hình phải kể đến đóng góp của
Dragisa (2013), đề xuất một mở rộng của
phương pháp MOORA để giải quyết các bài toán
ra quyết định mờ. Gökay & cs. (2015) giới thiệu
tích hợp giữa Fuzzy AHP và Fuzzy MOORA cho
bài toán lựa chọn lĩnh lực nghề nghiệp trong
tương lai của sinh viên khối ngành kỹ thuật
công nghiệp. Luis & cs. (2018) đã đề xuất một
mở rộng của MOORA khi kết hợp MOORA với
tập mờ Py-ta-go cho bài toán MCDM. Đối với
bài toán lựa chọn nguồn nhân lực, các công việc
khác nhau đòi hỏi các tiêu chí được xét đến cũng
như trọng số của các tiêu chí khác nhau. Do vậy,
việc xác định trọng số của các tiêu chí được xem
là nhân tố quan trọng trong quá trình lựa chọn
nguồn nhân lực. Điều này giúp phản ánh chính
xác hơn kết quả xếp hạng của các ứng viên. Như
đã đề cập ở trên, đặc trưng của bài toán lựa
chọn nguồn nhân lực là sự không rõ ràng. Tuy
nhiên, độ đo entropy mờ được biết đến như một
công cụ hiệu quả đo sự không rõ ràng của tập
mờ hay hệ thống mờ nào đó. Khái niệm entropy
xuất phát từ nhiệt động lực học, liên quan đến
việc truyền năng lượng nhiệt trong một hệ
thống. Nó là thước đo tính ngẫu nhiên hoặc hỗn
loạn của một hệ thống. Năm 1948, Shannon là
người đầu tiên đưa ra khái niệm entropy thông
tin (information entropy) để mô tả mức độ hỗn
loạn trong một tín hiệu lấy từ một sự kiện ngẫu
nhiên. Kể từ đó, kết quả của Shannon được ứng
dụng cho nhiều lĩnh vực khác nhau như phân
cụm, hệ logic mờ hay bài toán ra quyết định.
Hơn 20 năm sau kể từ khi khái niệm entropy
thông tin được biết đến, De Luca & cs. (1972) đã
đề xuất entropy mờ dựa trên công trình của
Shannon để đo lường sự không rõ ràng của một
tập mờ và một số tính chất mà entropy mờ nên
2. PHƯƠNG PHÁP NGHIÊN CỨU
Mô hình MCDM giúp nhà quản lý lựa chọn
được phương án hợp lý nhất từ tập các phương
án A = {A1, A2,…, An} dựa trên tập các tiêu chí C
= {C1, C2,…, Cm}, trong đó mỗi tiêu chí Cj được
đánh giá với trọng số wj (0,1), j {1, 2,…, m}
m
thỏa mãn w 1.
j
j1
Bài toán MCDM thường được mô tả bởi một
ma trận thông tin
D = [dij]n m với dij R+, cụ thể
C1 C2 Cm
1m
2m
A1
A2
d11 d12
d
d
D
d
d22
21
An dn1 dn2
dnm
2.1. Phương pháp xác định trọng số các
tiêu chí dựa vào độ đo entropy mờ mới
Trước khi đi vào phân tích về entropy mờ
mới, chúng tôi giới thiệu một số khái niệm cơ
bản về tập mờ và entropy của tập mờ. Zadeh
(1965) đã đưa ra khái niệm tập mờ cùng với các
phép toán của tập mờ như sau:
Định nghĩa 1. Cho tập nền X = {x1, x2,…,
xn}, một tập mờ A trên X là tập có dạng:
977
Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng
A = {< x, A(x) > |x X}
những tính chất trên của entropy mờ, Liu (1992)
đã giới thiệu khái niệm entropy để mô tả mỗi
quan hệ giữa tập mờ A với tập rõ D bất kỳ.
-
trong đó, A: X [0,1] được gọi là hàm
thuộc của tập A. Ta ký hiệu F(X) là tập tất cả
các tập mờ trên tập nền X.
Định nghĩa 3. Độ đo entropy mờ e được gọi
Theo Zadeh (1965) các phép toán của tập
mờ như là phép giao, phép hợp và phép lấy phần
bù được xác định như sau:
là entropy trên F(X)nếu e thỏa mãn:
-
e(A) = e(A D) + e(A Dc)
với D là tập rõ bất kỳ.
Phép giao: Giao của hai tập mờ A và
là
B
Theo đó, kết quả của Liu chỉ ra rằng nếu độ
một tập mờ C, ký hiệu C = A B với hàm thuộc
như sau:
đo entropy mờ là entropy thì sự không rõ ràng
-
của tập mờ A được đo bởi tổng entropy của tập
mờ A D và A Dc. Nói một cách khác, khi đó
tập mờ A được phân hoạch bởi tập rõ D thành 2
tập mờ mà entropy của nó đúng bằng tổng
entropy của hai tập mờ đó.
C(x) = min{A(x), B(x)}, x X
Phép hợp: Hợp của hai tập mờ A và
là
B
một tập mờ C, ký hiệu C = A B với hàm thuộc
như sau:
Tiếp theo chúng tôi đề xuất độ đo entropy
mờ mới e(A) của tập mờ A ở công thức (1) nhằm
cải thiện cách xác định trọng số của các tiêu chí
trong phương pháp MOORA như sau:
C(x) = max{A(x), B(x)}, x X
Phép lấy phần bù: Cho tập mờ A F(X)
có
dạng:
A = {< x,
Phần bù của tập mờ A ký hiệu là Ac được
A(x) > |x X}
2
n
1
n 2
e(A) 1
x
1 ,A F X
(1)
A i
i1
xác định như sau:
Ac = {< x, 1- A(x) > |x X}.
Định lý 1. Với mỗi A F(X), e(A) xác định
như trong (1) là một độ đo entropy mờ.
Theo De Luca & cs. (1972), một độ đo
entropy mờ được định nghĩa như sau:
Chứng minh.
Thật vậy, để (1) trở thành độ đo entropy mờ,
ta cần chứng minh (1) thỏa mãn 4 tiền đề của độ
đo entropy mờ như trong định nghĩa 2.
Định nghĩa 2. Một hàm thực e: F(X) [0,1]
được gọi là một entropy mờ trên tập F(X)
nếu nó thỏa mãn các tiên đề sau:
+ Tiên đề (E1)
(E1) e(A) = 0 khi và chỉ khi A là tập rõ
Thật vậy, với tập rõ A thì e(A) = 0 vì A(x) =
0 hoặc A(x) = 1, x X. Do vậy e(A) thỏa mãn
tiên đề (E1).
(E2) e(A)
1
=
1
khi và chỉ khi
A x , x X
2
+ Tiên đề (E2)
(E3) e(A) = e(Ac), với Ac là phần bù của A.
Ta dễ dàng tính được e(A) = 1 khi
1
(E4) e(A) e(B), nếu:
nên e(A) thỏa mãn tiên đề (E ).
A x ,x X
2
1
2
2
A x x ,x X
B
+ Tiên đề (E3)
Ta có:
hoặc:
1
2
n
2
A x x ,x X
1
n
B
e Ac 1
2 1
x
1
A
i1
n
i
Thực chất các tiên đề (E1) – (E4) chính là các
tính chất mà De Luca (1972) đã đề xuất trong
công trình khoa học của mình. Tuy nhiên về sau
chúng được thừa nhận như các tiên đề cho việc
định nghĩa độ đo entropy mờ bất kỳ. Ngoài
2
1
n 1 2
1
x
e(A)
A
i
i1
Như vậy, tiên đề (E3) được thỏa mãn.
+ Tiên đề (E4)
978
Nguyễn Hữu Hải, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy
Giả sử A và B là các tập mờ thoản mãn:
Sau đây là các bước xác định trọng số của
các tiêu chí dựa vào độ đo entropy mờ mới.
1
A (x) B (x) ,x X.
2
Bước 1. Mờ hóa ma trận thông tin
D [dij ]nm bằng việc sử dụng công thức (2)
Ta cần chỉ ra rằng khi đó e(A) e(B). Thật
vậy, ta có:
hoặc (3).
1 2A (x) 1 2B(x) 1 0
1 (2A (x) 1)2 (2B(x) 1)2 0
Hàm thuộc của tập mờ A và B như sau:
1,
b x
b a
x a
Do vậy:
(x)
, a x b
x b
(2)
A
n
1
n
(2 (x) 1)2
0,
e(A) 1
A
i1
n
1
n
1
(2 (x) 1)2 e(B)
0,
x c
d c
x c
B
i1
(x)
, c x d
x d
(3)
B
Lập luận tương tự cho trường hợp A và B là
các tập mờ thoản mãn:
1,
1
2
A (x) B (x) ,x X.
Bước 2. Tính độ đo entropy mờ cho các tiêu
chí Cj theo công thức (1), cụ thể:
Ta cũng thu được e(A) e(B). Như vậy e(A)
trong (1) thỏa mãn 4 tiên đề của một độ đo
entropy của tập mờ.
n
1
n
ej 1
(2d 1)2 (4)
ij
i1
Ngoài ra, qua một vài bước tính toán cho
thấy độ đo entropy mờ mới cũng thỏa mãn tính
chất -entropy của Liu. Thật vậy, xét trường
hợp tập rõ D với D(x) = 0, x X ta có:
Bước 3. Tính trọng số của mỗi tiêu chí Cj
thông qua độ đo entropy mờ mới:
1 ej
n
wj
,j 1,2,...,m (5)
1
m
e(A D) 1
(2 (x)1)2 0
D
(1 e )
j
n i1
j1
n
1
e(A Dc ) 1
(2 (x)1)2 e(A).
2.2. Phương pháp MOORA dựa vào độ đo
entropy mờ mới
A
n i1
Lập luận tương tự cho trường hợp tập rõ D
D(x) 1,xX.
Các bước của phương pháp MOORA dựa
vào entropy mờ mới như sau:
với
thức sau:
Cuối cùng, ta thu được hệ
Bước 1. Xác định trọng số của mỗi tiêu chí
Cj theo phương pháp đã nêu ở phần 2.1.
e(A) e(A D) e(A Dc ).
Hình 1. Đồ thị hàm thuộc của tập mờ A
Hình 2. Đồ thị hàm thuộc của tập mờ B
979
Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng
Bước 2. Tính ma trận thông tin có trọng số,
3. TRƯỜNG HỢP NGHIÊN CỨU
ký hiệu W = [Wij]n m với:
Để minh họa sự hiệu quả của phương pháp
được đề xuất, chúng tôi áp dụng phương pháp đó
để giải quyết một số bài toán bao gồm bài toán
lựa chọn nhân sự thích hợp cho vị trí kế toán
của doanh nghiệp; bài toán lựa chọn ứng viên
tham gia khóa tập huấn của công ty và so sánh
kết quả với một số phương pháp khác.
Wij = wj dij(6)
Bước 3. Tính các chỉ số Pi, Ri của mỗi
phương án
1
P
W
ij
i
|B|jB
và
3.1. Ví dụ 1 (Mohamed & Ahmed, 2012)
1
Ri
W (7)
ij
|NB|jNB
Trong ví dụ này, tác giả đã đề cập đến bài
toán lựa chọn một ứng viên để tham gia một
khóa tập huấn. Để lựa chọn ứng viên phù hợp
nhất tác giả đã xem xét các tiêu chí sau: Độ tuổi
ứng viên (C1), kinh nghiệm làm việc trong lĩnh
vực viễn thông (C2), số năm làm việc ở công ty
(C3), kỹ năng sử dụng máy tính (C4) và trình độ
ngoại ngữ (C5). Số liệu được thể hiện ở bảng 1.
trong đó, là tập các tiêu chí lợi ích và NB
B
là tập các tiêu chí không lợi ích.
Bước 4. Tính các giá trị ưu tiên của mỗi
phương án:
Qi = Pi - Ri (8)
Với i = 1, 2,…, n. .
Bước 5. Xếp hạng các phương án theo giá
3.1.1. Sử dụng mô hình MOORA dựa vào
entropy mờ mới
trị ưu tiên theo nguyên tắc
nếu Qk > Ql.
Ak Al
Ở phần này, chúng tôi sử dụng phương
pháp MOORA dựa vào độ đo entropy mờ đã đề
xuất trong phần 2.2 để tìm ra nhân sự phù hợp
nhất cho khóa tập huấn trong số 5 nhân sự được
đề xuất như sau:
2.3. Phương pháp FMCDM dựa vào độ đo
khoảng cách của các tập mờ
Bài toán ra quyết định đa tiêu chí mờ
(FMCDM) dựa vào độ đo khoảng cách của các
tập mờ được thể hiện như sau:
Bước 1. Xác định trọng số của các tiêu chí
Cj, j = 1, 2,…, 5 theo phương pháp đề xuất trong
phần 2.1. Kết quả thu được ở bảng 3.
Bước 1. Mờ hóa ma trận thông tin ban đầu
theo công thức (2) hoặc (3).
Trước khi xác định trọng số của các tiêu chí
ta cần mờ hóa ma trận thông tin dựa vào số mờ
ở công thức (2), cụ thể với c = 23, d = 55 cho tiêu
chí (C1); c = 8, d = 18 cho tiêu chí (C2); với c = 5,
d = 21 cho tiêu chí (C3); với c = 65, d = 100 cho
tiêu chí (C4) và với c = 65, d = 92 cho tiêu chí
(C5). Kết quả thu được ở bảng 2.
Bước 2. Lựa chọn phương án hoàn hảo, ký
hiệu là P* = (p1, p2,…, pn) với pi [0,1], cụ thể pi =
1 khi tiêu chí thứ Ci là tiêu chí lợi ích và pi = 0
nếu như tiêu chí Ci là không lợi ích.
Bước 3. Tính khoảng cách từ mỗi phương
án đến phương án P* theo công thức sau:
n
d(Ai ,P* )
w (d p )2
j ij j
Tiếp theo, chúng ta cần tính độ đo entropy
mờ của các tiêu chí theo công thức (4), thu được
kết quả ở bảng 3. Số liệu ở bảng 3 cho thấy tiêu
chí (C3) có trọng số lớn nhất, lớn hơn đáng kể so
với trọng số của các tiêu chí còn lại và tiêu chí
(C5) có trọng số nhỏ nhất.
i1
Bước 4. Dựa vào kết quả ở bước 3 ta tiến
hành xếp hạng các phương án theo nguyên tắc
phương án Ai được gọi là trội hơn Ak , ký hiệu
nếu
Ai Ak
Bước 2. Xác định ma trận thông tin có
trọng số theo công thức (6). Kết quả thu được ở
bảng 4.
d(Ai ,P* ) d(Ak ,P* )
với mọi i, k = 1, 2,…, n.
980
Nguyễn Hữu Hải, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy
Bảng 1. Ma trận thông tin
C1
32
35
45
41
50
C2
10
13
16
9
C3
9
C4
93
88
67
80
75
C5
80
75
69
84
82
Ứng viên 1
Ứng viên 2
Ứng viên 3
Ứng viên 4
Ứng viên 5
12
15
6
12
20
Bảng 2. Ma trận thông tin đã mờ hóa
C1
C2
C3
C4
C5
Ứng viên 1
Ứng viên 2
Ứng viên 3
Ứng viên 4
Ứng viên 5
0,2812
0,3750
0,6875
0,5625
0,8437
0,200
0,500
0,800
0,100
0,400
0,2500
0,4375
0,6250
0,0625
0,9375
0,8000
0,6571
0,0571
0,4285
0,2857
0,5555
0,3703
0,1481
0,7037
0,6296
Bảng 3. Entropy mờ và trọng số của các tiêu chí
C1
C2
C3
C4
C5
Entropy
0,8234
0,1379
0,7200
0,2188
0,6281
0,2906
0,7105
0,2262
0,8384
0,1262
Trọng số
Bước 3. Tính các chỉ số Pi, Ri cho mỗi ứng
viên và thu được kết quả ở bảng 5. Ta xem tiêu
chí (C1) là tiêu chí không lợi ích và các tiêu chí
còn lại là tiêu chí lợi ích.
3.1.2. Sử dụng phương pháp FMCDM dựa
vào độ đo khoảng cách giữa các tập mờ
Áp dụng các bước tính toán trong phần 2.3
với phương án P* = (0, 1, 1, 1, 1) ta thu được kết
quả xếp hạng các ứng viên như trong bảng 6.
Bước 4. Tính chỉ số ưu tiên cho mỗi ứng
viên theo công thức:
Kết quả xếp hạng các ứng viên theo phương
pháp FMCDM cho thấy ứng viên 2 là lựa chọn
tốt nhất trong số 5 ứng viên. Kết quả này cũng
phù hợp với kết quả theo phương pháp được đề
xuất (Bảng 5).
Qi = Pi – Ri
Kết quả được thể hiện ở bảng 5.
Bước 5. Xếp hạng các ứng viên dựa trên
chỉ số ưu tiên Qi. Kết quả được thể hiện trong
bảng 5.
Ngoài ra, để đánh giá khách quan hơn về sự
hiệu quả của phương pháp được đề xuất trong
phần 2, chúng tôi cũng cũng đưa vào so sánh
kết quả tìm được từ FMOORA dựa trên entropy
mờ mới với các phương pháp khác như là
phương pháp SWARA (Kerðulienë, 2010). Kết
quả ở hình 3 cho thấy 3 phương pháp đều cho
một kết quả xếp hạng các ứng viên như nhau.
Ứng viên 2 được xếp hạng 1 mặc dù ứng viên 2
không phải là ứng viên trẻ nhất trong số 5 ứng
Kết quả ở bảng 5 cho thấy ứng viên 2 là lựa
chọn tốt nhất cho khóa tập huấn mặc dù ứng
viên 2 không là ứng viên trẻ tuổi nhất trong số 5
ứng viên và đối với tiêu chí (C4) và (C5) thì ứng
viên 2 xếp sau ứng viên 1. Điều này cho thấy
tầm quan trọng của bước xác định trong số
trong phương pháp FMOORA. Kết quả xếp hạng
ứng viên theo phương pháp đề xuất cũng phù
hợp với kết quả của Mohamed & Ahmed (2012).
981
Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng
viên. Ứng viên 1 được xếp thứ 2 và ứng viên 4
được xếp cuối bảng xếp hạng. Kết quả cũng phù
hợp với số liệu thông tin (Bảng 1). Kết quả này
cũng phản ánh được vai trò, tầm quan trọng của
việc xác định trọng số của các tiêu chí trong
phương pháp FMCDM nói chung và FMOORA
dựa vào độ đô entropy mờ mới nói riêng. Kết
quả xác định trọng số các tiêu chí ở bảng 3 cho
thấy tiêu chí (C1) - độ tuổi ứng viên có trọng số
nhỏ hơn đáng kể so với trọng số các tiêu chí còn
lại ngoại trừ tiêu chí (C5).
3.2. Ví dụ 2
Bài toán lựa chọn nhân sự kế toán tại công
ty kinh doanh thép và vật liệu công nghiệp, trụ
sở tại Phố Cầu Giấy, TP Hà Nội. Số liệu được
điều tra, thu thập tại phòng nhân sự của công ty
và được mô tả ở bảng 7.
Bảng 4. Ma trận thông tin có trọng số
C1
C2
0,0437
C3
0,0726
C4
C5
Ứng viên 1
Ứng viên 2
Ứng viên 3
Ứng viên 4
Ứng viên 5
0,0388
0,0517
0,0948
0,0776
0,1164
0,1809
0,1486
0,0129
0,0969
0,0646
0,0701
0,0467
0,0187
0,0888
0,0795
0,1094
0,1750
0,0218
0,0875
0,1271
0,1816
0,0181
0,2724
Bảng 5. Chỉ số Pi, Ri, chỉ số ưu tiên Qi và kết quả xếp hạng các ứng viên
Pi
Ri
Qi
Xếp hạng
Ứng viên 1
Ứng viên 2
Ứng viên 3
Ứng viên 4
Ứng viên 5
0,0918
0,1080
0,0970
0,0564
0,1260
0,0388
0,0517
0,0948
0,0776
0,1164
0,05308
0,05625
0,00221
- 0,02115
0,00960
2
1
4
5
3
Bảng 6. Kết quả xếp hạng các ứng viên theo FMCDM
d(Ai, P*)
0,55029
0,49268
0,63844
0,74921
0,55759
Xếp hạng
Ứng viên 1
2
1
4
5
3
Ứng viên 2
Ứng viên 3
Ứng viên 4
Ứng viên 5
Hình 3. Kết quả xếp hạng ứng viên theo FMOORA, FMCDM và SWARA
982
Nguyễn Hữu Hải, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy
Bảng 7. Ma trận thông tin
C1
28
29
27
29
28
29
27
28
27
C2
C3
C4
C5
80
70
65
75
75
70
70
70
65
C6
70
80
70
75
80
80
65
70
65
C7
65
70
60
65
80
80
70
65
60
C8
Ứng viên 1
Ứng viên 2
Ứng viên 3
Ứng viên 4
Ứng viên 5
Ứng viên 6
Ứng viên 7
Ứng viên 8
Ứng viên 9
3,0
5,5
3,0
5,0
4,0
5,0
2,5
1,0
2,0
7,85
7,10
7,06
7,08
7,58
8,15
7,28
7,08
7,18
5,0
6,5
5,0
6,0
6,0
5,5
6,5
5,5
5,0
1,0
1,5
1,0
1,0
2,0
2,5
2,0
1,0
1,0
Trong ví dụ này chúng tôi sử dụng 8 tiêu
chí để đánh giá ứng viên bao gồm: độ tuổi ứng
viên (C1), kinh nghiệm làm việc (C2), trình độ
học vấn (C3), năng lực ngoại ngữ (C4), mức độ
thành thạo MS office (C5), kỹ năng sử dụng
phần mềm kế toán (C6), kỹ năng làm việc nhóm
(C7) và điểm cộng (C8). Chúng tôi sử dụng tiêu
chí điểm cộng để cộng điểm cho ứng viên tốt
nghiệp từ các trường đại học có uy tín trong lĩnh
vực kinh tế - kế toán hay là các ứng viên đã qua
đào tạo trình độ thạc sỹ chuyên ngành kế toán.
Điều này nhằm phản ánh sát thực tế hơn trong
lĩnh vực tuyển dụng nhân sự tại các công ty và
doanh nghiệp.
thấy tiêu chí (C4) có trọng số lớn nhất, tiếp theo
là tiêu chí (C3) và tiêu chí (C2) có trọng số bé
nhất. Tiêu chí (C2) và (C1) có trọng số bé hơn
đáng kể so với trọng số các tiêu chí còn lại. Số
liệu ở bảng 9 cho thấy ngoài vai trò quan trọng
của tiêu chí (C3) và (C4)thì các tiêu chí (C5) - (C8)
cũng đóng vai trò đáng kể trong việc xếp hạng
các ứng viên.
Bước 2. Xác định ma trận thông tin có
trọng số theo công thức (5). Kết quả thu được ở
bảng 10.
Bước 3. Tính các chỉ số Pi, Ri cho mỗi ứng
viên và thu được kết quả ở bảng 11.
Bước 4. Tính chỉ số ưu tiên cho mỗi ứng
viên theo công thức:
3.2.1. Sử dụng mô hình FMOORA dựa vào
entropy mờ mới
Tương tự như ví dụ 1, các bước của phương
pháp FMOORA dựa vào entropy mờ mới được
thực hiện như sau:
Qi = Pi - Ri
Kết quả được thể hiện trong bảng 11. Trong
8 tiêu chí được xem xét thì tiêu chí (C1) được
xem là tiêu chí không lợi ích và các tiêu chí còn
lại là tiêu chí lợi ích.
Bước 1. Tính trọng số của các tiêu chí Cj,
j = 1, 2,…, 5 theo công thức (4) và (5). Kết quả
thu được ở bảng 9.
Bước 5. Xếp hạng các ứng viên dựa trên
chỉ số ưu tiên Qi. Kết quả được thể hiện trong
bảng 11.
Trước hết, ta cần mờ hóa ma trận thông tin
dựa vào số mờ ở công thức (3), cụ thể với c = 25,
d = 32 cho tiêu chí (C1); c = 0, d = 6 cho tiêu chí
(C2); c = 6, d = 9 cho tiêu chí (C3); c = 4, d = 7 cho
tiêu chí (C4); c = 60, d = 90 cho tiêu chí (C5) và
(C6); c = 55, d = 90 cho tiêu chí (C7); c = 0, d = 3
cho tiêu chí (C8), kết quả thu được ở bảng 8.
Bảng 11 cho thấy ứng viên 5 là lựa chọn tốt
nhất cho vị trí kế toán của công ty dựa trên
phân tích mức độ ảnh hưởng của 8 tiêu chí nói
trên mặc dù GPA bậc đại học (tiêu chí C3) của
ứng viên 5 chỉ xếp hạng thứ 3 trong số 9 ứng
viên hay đối với tiêu chí C2 và C8 thì ứng viên 5
xếp sau ứng viên 6. Điều này cho thấy việc xác
định trọng số của các tiêu chí đóng vai trò quan
trọng trong việc xếp hạng các ứng viên. Các ứng
viên 6 và 2 lần lượt được xếp ở vị trí thứ 2 và 3,
Tiếp theo chúng ta cần tính độ đo entropy
mờ của các tiêu chí theo công thức (4), tính
trọng số của các tiêu chí theo công thức (5) thu
được kết quả như trong bảng 9. Kết quả này cho
983
Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng
ứng viên 9 ở cuối bảng xếp hạng. Kết quả xếp
hạng các ứng viên cũng phù hợp với số liệu
thông tin ở bảng 7.
của phương pháp SWARA, kết quả được thể
hiện trong hình 4. Từ hình 4 cho thấy các kết
quả thu được từ phương pháp FMOORA dựa
vào độ đo entropy mờ mới, FMCDM dựa vào độ
đo khoảng cách giữa các tập mờ và phương
pháp SWARA cơ bản là như nhau. Cả 3 phương
pháp đều cho kết quả ứng viên 5 là lựa chọn tốt
nhất, tiếp theo là các ứng viên 6 và 2. Tuy
nhiên, đối với ứng viên 4 và 7 kết quả xếp hạng
có sự khác nhau giữa 3 phương pháp, cụ thể
đối với phương pháp FMOORA dựa vào độ đo
entropy mờ mới và SWARA thì ứng viên 4 được
xếp thứ 5 và ứng viên 7 được xếp thứ 4. Với
phương pháp FMCDM, ứng viên 4 xếp thứ 4 và
ứng viên 7 xếp thứ 5 trong bảng xếp hạng các
ứng viên.
3.2.2. Sử dụng phương pháp FMCDM dựa
vào độ đo khoảng cách giữa các tập mờ
Áp dụng các bước tính toán như trong phần
2.3 với phương án P* = (0, 1, 1,…, 1) và ma trận
thông tin đã mờ hóa như trong (8) ta thu được
kết quả ở bảng 12. Kết quả này cho thấy ứng
viên 5 là lựa chọn thích hợp nhất cho ví trí kế
toán của doanh nghiệp khi xem xét đồng thời 8
tiêu chí. Ứng viên 1 ở cuối bảng xếp hạng.
Bên cạnh đó, để so sánh, đánh giá khách
quan về kết quả theo phương pháp đề xuất thì
chúng tôi so sánh kết quả thu được với kết quả
Bảng 8. Ma trận thông tin đã mờ hóa
C1
C2
0,6500
C3
0,0000
C4
0,5000
C5
0,3333
C6
C7
C8
Ứng viên 1
Ứng viên 2
Ứng viên 3
Ứng viên 4
Ứng viên 5
Ứng viên 6
Ứng viên 7
Ứng viên 8
Ứng viên 9
0,5000
0,6667
0,3333
0,6667
0,5000
0,6667
0,3333
0,5000
0,3333
0,6666
0,3333
0,1667
0,5000
0,5000
0,3333
0,3333
0,3333
0,1667
0,3333
0,6667
0,3333
0,5000
0,6667
0,6667
0,1667
0,3333
0,1667
0,2857
0,4286
0,1429
0,2857
0,7143
0,7143
0,4286
0,2857
0,1429
0,4000
0,3867
0,3933
0,5600
0,7500
0,4600
0,3933
0,4267
0,5000
0,3333
0,3333
0,6667
0,8333
0,6667
0,3333
0,3333
0,9167
0,5000
0,8333
0,6667
0,8333
0,4167
0,1667
0,3333
0,8333
0,3333
0,6667
0,6667
0,5000
0,8333
0,5000
0,3333
Bảng 9. Entropy mờ và trọng số của các tiêu chí
C1
C2
C3
C4
C5
C6
C7
C8
Entropy
0,9259
0,0553
0,9372
0,0468
0,7654
0,1752
0,7469
0,1891
0,8395
0,1199
0,8395
0,1199
0,8271
0,1291
0,7800
0,1643
Trọng số
Bảng 10. Ma trận thông tin
C1
C2
C3
C4
C5
C6
C7
C8
Ứng viên 1
Ứng viên 2
Ứng viên 3
Ứng viên 4
Ứng viên 5
Ứng viên 6
Ứng viên 7
Ứng viên 8
Ứng viên 9
0,0276
0,0369
0,0184
0,0369
0,0276
0,0369
0,0184
0,0276
0,0184
0,0304
0,0187
0,0181
0,0184
0,0262
0,0351
0,0215
0,0184
0,0200
0,0000
0,0876
0,0584
0,0584
0,1168
0,1460
0,1168
0,0584
0,0584
0,0945
0,1733
0,0945
0,1575
0,1260
0,1575
0,0787
0,0315
0,0630
0,0399
0,0999
0,0399
0,0799
0,0799
0,0599
0,0999
0,0599
0,0399
0,0799
0,0399
0,0199
0,0599
0,0599
0,0399
0,0399
0,0399
0,0199
0,0430
0,0861
0,0430
0,0645
0,0861
0,0861
0,0215
0,0430
0,0215
0,0469
0,0704
0,0234
0,0469
0,1173
0,1173
0,0704
0,0469
0,0234
984
Nguyễn Hữu Hải, Nguyễn Văn Hạnh, Vũ Thị Thu Giang, Đỗ Thị Huệ, Nguyễn Thị Bích Thủy
Bảng 11. Chỉ số Pi, Ri, chỉ số ưu tiên Qi và kết quả xếp hạng các ứng viên
Pi
Ri
Qi
Xếp hạng
Ứng viên 1
Ứng viên 2
Ứng viên 3
Ứng viên 4
Ứng viên 5
Ứng viên 6
Ứng viên 7
Ứng viên 8
Ứng viên 9
0,0478
0,0823
0,0425
0,0694
0,0875
0,0917
0,0641
0,0426
0,0352
0,0138
0,0184
0,0092
0,0184
0,0138
0,0184
0,0092
0,0138
0,0092
0,0340
0,0639
0,0333
0,0510
0,0737
0,0733
0,0549
0,0288
0,0260
6
3
7
5
1
2
4
8
9
Bảng 12. Xếp hạng các ứng viên theo FMCDM
d(Ai, P*)
0,6708
0,4596
0,6810
0,5334
0,3667
0,3856
0,5510
0,6818
0,7284
Xếp hạng
Ứng viên 1
Ứng viên 2
Ứng viên 3
Ứng viên 4
Ứng viên 5
Ứng viên 6
Ứng viên 7
Ứng viên 8
Ứng viên 9
6
3
7
4
1
2
5
8
9
Hình 4. Kết quả xếp hạng ứng viên theo FMOORA, FMCDM và SWARA
toán cho doanh nghiệp ngành thép và vật liệu
4. KẾT LUẬN
công nghiệp. Qua hai ví dụ đã phân tích ở trên
cho thấy trọng số của các tiêu chí ảnh hưởng lớn
đến kết quả xếp hạng của các ứng viên. Do vậy,
việc xây dựng một phương pháp xác định trọng
số của các tiêu chí trong bài toán MCDM là cần
thiết. Độ đo entropy mờ mới đã thể hiện được sự
hiệu quả của nó trong việc xác định trọng số của
các tiêu chí trong phương pháp FMOORA. Từ
đó, mô hình đề xuất cho chúng ta kết quả xếp
Trong bài báo này chúng tôi đã nghiên cứu
và đề xuất độ đo entropy mới của tập mờ nhằm
cải thiện cách xác định trọng số của các tiêu chí
trong phương pháp FMOORA, một nhân tố đóng
vai trò quan trọng trong bài toán MCDM.
Chúng tôi đã áp dụng mô hình đề xuất để giải
quyết bài toán thực tế như là lựa chọn nhân sự
cho khóa tập huấn của công ty và nhân sự kế
985
Mô hình MOORA dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng
architect selection. Technological and Economic
Development of Economy. 17(4): 645-666.
hạng các ứng viên chính xác hơn. Ngoài ra, độ
đo entropy mờ được đề xuất cung cấp cho chúng
ta nhiều lựa chọn hơn để tính độ đo entropy của
tập mờ. Trong tương lai, độ đo entropy được đề
xuất cần được tiếp tục nghiên cứu và ứng dụng
để giải quyết các bài toán khác nhau như là bài
toán ra quyết định nhóm, bài toán phân cụm dữ
liệu mờ và nhận dạng mẫu.
Kersuliene V., Zavadskas E.K. & Turskis Z. (2010).
Selection of rational dispute resolution method by
applying new step - wise weight assessment ratio
analysis (SWARA). Journal of Business
Economics and Management. pp. 243-258.
Liu Xuecheng (1992). Entropy, distance measure and
similarity measure of fuzzy sets and their relations.
Fuzzy Sets and Systems. 52: 305-318.
Luis P.D., Luis A.R.P., Alejandro A.I., David L.C. &
Zeshui X. (2018) MOORA under Pythagorean
Fuzzy Set for Multiple Criteria Decision Making.
TÀI LIỆU THAM KHẢO
Ali R.A., Milan N. & Zahra A. (2017). Personnel
selection using Group fuzzy AHP and SAW
methods. Journal of engineering management and
competitiveness (JEMC). 7(1): 3-10.
Complexity
in
Manufacturing
Processes
and Systems.
Mohamed F. El-Santawy1 & Ahmed A.N. (2012).
Personnel Training Selection Problem Based on
SDV-MOORA. Life Science Journal. 9(2s).
Brauers W.K.M. & Zavadskas E.K. (2006). The
MOORA method and its application to priva-
tization in a transition economy. Control and
Cybernetics. 35(2): 445-469.
Petrovic-Lazarevic S. (2001). Personnel selection fuzzy
model. International Transactions in Operational
Research. pp. 89-105.
Brauers W.K.M. & Zavadskas E.K. (2010). Project
management by MULTIMOORA as an instrument
for transition economies. Techn-ological and
Economic Development of Economy. 16(1): 5-24.
Saaty T.L. (1980). The analytic hierarchy process.
New York: McGraw-Hill.
Saaty T.L. (1996). The Analytic Network Process.
RWS Publications, Pittsburgh.
El-Santawy M.F. (2012). Personnel Training Selection
Problem Based on Modified TOPSIS". Computing
and Information Systems Journal. University of the
West of Scotland. 16(1): 92-97.
Stanujkic D., Magdalinovic N., Jovanovic R. &
Stojanovic S. (2012). An objective multi-criteria
approach to optimization using MOORA method and
interval grey numbers. Technological and Economic
Development of Economy. 18(2): 331-363.
Gökay Akkaya, Betül Turanoðlu & Sinan Öztas (2015)
An Integrated Fuzzy AHP and Fuzzy MOORA
Approach to the problem of Industrial Engineering
Sector Choosing. Expert Systems with Applications.
Stanujkic D., Magdalinovic N., Milanovic D.,
Magdalinovic S. & Popovic G. (2014). An
Efficient and Simple Multiple Criteria Model for a
Grinding Circuit Selection Based on MOORA
Method. Informatica. pp. 73-93.
Hadad Y., Keren B.
& Laslo Z. (2013). A
decisionmaking support system module for project
manager selection according to past performance.
International Journal of Project Management.
31(4): 532-541.
Wang D. (2009). Extension of TOPSIS Method for R
and D Personnel Selection Problem with Interval
Grey Number. 2009 International Conference on
Management and Service Science. pp. 1-4.
Hwang C.L. & Yoon K. (1981). Multiple Attributes
Decision Making Methods and Applications.
Heidelberg: Springer, Berlin.
Yakup Çelikbilek (2018). Using an Integrated Grey
AHP–MOORA Approach for Personnel Selection:
An Application on Manager Selection in the Health
Industry (2015). Alphanumeric journal. 6(1).
Kabak M., Burmaoðlu S. & Kazançoðlu Y. (2012). A
fuzzy hybrid MCDM approach for professional
selection. Expert Systems with Applications.
39(3): 3516-3525.
Zadeh L.A. (1965). Fuzzy sets. Information and
control. 8(3): 338-353.
Karande P. & Chakraborty S. (2012). A Fuzzy-
MOORA approach for ERP system selection.
Decision Sciences Letters 1(1): 11-22.
Zhang S.F. & Liu S.Y. (2011). A GRA-based
intuitionistic fuzzy multi-criteria group decision
making method for personnel selection, Expert
Systems with Applications. pp. 11401-11405.
Kersuliene V. & Turskis Z. (2011). Integrated fuzzy
multiple criteria decision making model for
986
Bạn đang xem tài liệu "Mô hình Moora dựa vào entropy mờ mới ứng dụng cho hệ thống thông tin tuyển dụng", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- mo_hinh_moora_dua_vao_entropy_mo_moi_ung_dung_cho_he_thong_t.pdf