مثال روش LMAW

مثال روش LMAW چیست؟

LMAW (در ادبیات تصمیم‌گیری چندمعیاره معمولاً با عنوان Linear Model of Aggregated Weights یا مدل خطیِ وزن‌های تجمیع‌شده) یک روش ترکیبی و خطی برای رتبه‌بندی گزینه‌ها بر اساس عملکرد آن‌ها در چند معیار است. ایده‌ی اصلی این است که برای هر گزینه، مقدار عملکردش در معیارها با وزن اهمیت معیارها تجمیع می‌شود تا یک امتیاز نهایی برای آن گزینه به دست آید. در عمل، معمولاً قبل از جمع‌بندی، مقادیر معیارها باید نرمال‌سازی شوند تا معیارهای متفاوت (با مقیاس‌های مختلف) قابل مقایسه شوند. سپس امتیاز نهایی هر گزینه با یک رابطه‌ی خطی محاسبه می‌شود.

مراحل کلی مثال روش LMAW

1) تشکیل ماتریس تصمیم

فرض کنید:

• گزینه‌ها: ( A_1, A_2, dots, A_m )
• معیارها: ( C_1, C_2, dots, C_n )
• داده خام: ( x_{ij} ) که یعنی عملکرد گزینه (A_i) نسبت به معیار (C_j)

2) تعیین نوع معیارها (سودمند/هزینه‌ای)

• معیار سودمند: مقدار بیشتر بهتر است.
• معیار هزینه‌ای: مقدار کمتر بهتر است.

3) نرمال‌سازی (برای قابل مقایسه شدن)

یک روش رایج نرمال‌سازی این است:

• اگر معیار سودمند باشد: [ r_{ij}=frac{x_{ij}}{max_i(x_{ij})} ]
• اگر معیار هزینه‌ای باشد: [ r_{ij}=frac{min_i(x_{ij})}{x_{ij}} ] بنابراین معمولاً ( r_{ij} ) در بازه‌ی ([0,1]) قرار می‌گیرد.

4) اعمال وزن معیارها

وزن معیارها را با (w_j) نشان می‌دهیم که معمولاً: [ sum_{j=1}^{n} w_j = 1 ]

5) محاسبه امتیاز نهایی (مدل خطی)

امتیاز نهایی هر گزینه: [ S_i = sum_{j=1}^{n} w_j , r_{ij} ]

6) رتبه‌بندی

هرچه (S_i) بزرگ‌تر باشد، گزینه بهتر رتبه‌بندی می‌شود:

• (S_i) بیشینه → رتبه اول

نقاط قوت مثال روش LMAW

محدودیت‌ها (در حد کلی)

• اگر فرم نرمال‌سازی یا وزن‌دهی دقیق نباشد، نتیجه ممکن است دچار حساسیت شود.
• مدل خطی معمولاً روابط غیرخطی پیچیده بین معیارها را به‌خوبی مدل نمی‌کند (مگر با نسخه‌های توسعه‌یافته).

روش LMAW با تکیه بر نرمال‌سازی معیارها و سپس تجمیع خطی وزن‌دار، یک امتیاز نهایی برای هر گزینه می‌سازد و از روی آن رتبه‌بندی انجام می‌دهد. اگر هدف شما اولویت‌بندی گزینه‌ها با چند معیار و وزن‌های مشخص است (و داده‌ها قابل نرمال‌سازی‌اند)، LMAW یک انتخاب ساده و قابل دفاع برای ارائه در پروژه‌ها و مقالات تصمیم‌گیری چندمعیاره محسوب می‌شود.