XÁC ĐỊNH CHÍNH SÁCH HỘ NGHÈO VỚI MẠNG QUYẾT ĐỊNH CÓ THỨ TỰ
Abstract
Tóm tắt
Nội dung của bài viết nhằm nghiên cứu ứng dụng công cụ máy tính để trợ giúp cho việc đưa ra các quyết định. Theo đó, bài toán hỗ trợ quyết định được mô hình hóa theo khuôn dạng mạng quyết định có thứ tự với các nút siêu độ lợi để có thể áp dụng thuật giải máy tính nhằm tìm ra các quyết định tối ưu. Bài toán quyết định được nghiên cứu là bài toán về việc giúp các chuyên gia tìm phương án tối ưu cho các chính sách giảm nghèo, thí điểm tại thành phố Cao Lãnh. Tri thức về các chính sách giảm nghèo, dữ liệu phục vụ mô hình hóa được cung cấp bởi các chuyên gia. Kết quả mô hình hóa là một mô hình hỗ trợ quyết định cho các chính sách theo khuôn dạng mạng quyết định có thứ tự, trong đó trình tự các chính sách được bảo tồn đầy đủ và hiệu quả của các chính sách cũng được tính đến.
Article Details
Tài liệu tham khảo
Phan Văn Khải (2002), Tín dụng đối với người nghèo và các đối tượng chính sách khác (Nghị định số 78/2002/NĐ-CP ngày 04 tháng 10 năm 2002), Thủ tướng Chính phủ.
Phan Văn Khải (2003), Chiến lược toàn diện về tăng trưởng và xóa đói giảm nghèo (phê duyệt tại các công văn 2685/VPCP-QHQT ngày 21 tháng 05 năm 2002 và 1649/CP-QHQT ngày 26 tháng 11 năm 2003), Thủ tướng Chính phủ.
Nguyễn Tấn Dũng (2008a), Chương trình hỗ trợ giảm nghèo nhanh và bền vững đối với 61 huyện nghèo (Nghị quyết số 30a/2008/NQ-CP ngày 27 tháng 12 năm 2008), Thủ tướng Chính phủ.
Nguyễn Tấn Dũng (2008b), Chính sách hỗ trợ người nghèo về nhà ở (Quyết định số 167/2008/QĐ-TTg ngày 12 tháng 12 năm 2008), Thủ tướng Chính phủ.
Phòng Lao động - TB&XH thành phố Cao Lãnh (2009), Công văn giải trình số hộ nghèo biến động năm 2009.
Ủy ban Nhân dân tỉnh Đồng Tháp (2009), Quyết định số 889/QĐ-UBND. HC về việc phê duyệt kế hoạch hỗ trợ người nghèo về nhà ở trên địa bàn tỉnh Đồng Tháp.
Adnan D. (2009), Modeling and Reasoning with Bayesian Networks, Cambridge University Press, New York.
Cowell R. G., David A. P., Lauritzen S. L., Spiegelhalter D. J. (1999), Probabilistic Networks and Expert Systems, Springer-Verlag, New York.
Howard R. A., Matheson J. E. (1984), "Influence Diagrams", Readings on the Principles and Applications of Analysis, pp. 719-762.
Jensen F. V., Dittmer S. L. (1994), "From influence diagrams to junction trees", Proceeding of the Tenth Conference on Uncertainty in Artificial Intelligence (UAI-94), pp. 367-373.
Jensen F. V., Nielsen T. D. (2007), Bayesian Networks and Decision Graphs, Springer-Verlag, New York, second edition.
Jeremy C. (2001), Planning improvements in natural resources management, CEH Wallingford, UK.
Kevin B. K., Ann E. N. (2004), Bayesian Artificial Intelligence, Chapman & Hall/CRC Press, UK.
Luque M. (2009), Probabilistic Graphical Models for Decision Making in Medicine, PhD thesis, UNED, Madrid, Spain.
Luque M., Díez F. J. (2008), Variable elimination for influence diagrams with super-value node, Technical Report DIA-08-01, UNED, Madrid, Spain.
Nielsen T. D., Jensen F. V. (1999), "Welldefined decision scenarios", Proceedings of the Fifteenth Conference on Uncertainty in Artificial Intelligence (UAI'99), pp. 502-511.
Olmsted S. M. (1983). On Representing and Solving Decision Problems, PhD thesis, Stanford University, CA.
Pearl J. (1988), Probabilistic Reasoning in Intelligent Systems: Network of Plausible Inference, Morgan Kaufmann, SanMateo, CA.
Shachter R. D. (1986), "Evaluating influence diagrams", Operations Research, vol.34, pp. 871-882.
Tatman J. A., Shachter R. D. (1990), "Dynamic programming and influence diagrams", IEEE Transactions on Systems, Man, and Cybernetics, vol.20, pp. 365-379.