آموزش روش Fuzzy LMAW
5,000,000 ﷼
مقدمه
تصمیمگیری در زندگی روزمره گاهی آنقدر سخت میشود که آرزو میکنیم کاش یک فرمول جادویی داشتیم تا همه چیز را روشن کند. حالا وقتی پای مسائل پیچیدهتر مثل انتخاب بهترین استراتژی در لجستیک یا برنامهریزی در شرایط نامطمئن به میان میآید، این نیاز به یک روش قابل اعتماد بیشتر حس میشود. اینجا جایی است که روشهای تصمیمگیری چندمعیاره (MCDM) وارد میشوند و یکی از جالبترینشان، FUZZY LMAW، توجهم را جلب کرده است. این روش نسخهای پیشرفتهتر از LMAW است که با منطق فازی، ابهامات دنیای واقعی را به بازی میگیرد. بیایید با هم نگاهی به این روش بیندازیم و ببینیم چه چیزی آن را خاص میکند.
روش FUZZY LMAW
روش FUZZY LMAW، که در سال 2022 در مقالهای توسط بوزانیچ و همکاران در ژورنال Axioms (منتشرشده توسط MDPI) معرفی شد، مثل یک ارتقاء هوشمندانه برای روش اصلی LMAW است. LMAW یا “Logarithm Methodology of Additive Weights” خودش روشی ساده و دقیق برای وزندهی معیارها و رتبهبندی گزینهها بود، اما یک مشکل داشت: فرض میکرد دادهها و قضاوتها همیشه دقیقاند. ولی در دنیای واقعی، اینطور نیست. مثلاً وقتی از یک مدیر میپرسید “چقدر امنیت مهم است؟”، شاید بگوید “خیلی مهم” یا “تقریباً مهم”، نه یک عدد مشخص مثل 0.9. اینجا منطق فازی وارد میشود و FUZZY LMAW را به وجود میآورد.
این روش از اعداد فازی مثلثی (Triangular Fuzzy Numbers) استفاده میکند تا عدم قطعیت را مدل کند. به جای یک عدد ثابت، شما یک بازه دارید، مثلاً [0.6, 0.8, 1]، که نشان میدهد اهمیت یک معیار چقدر میتواند متغیر باشد. بعد این اعداد با فرمولهای لگاریتمی ترکیب میشوند تا وزن معیارها به دست بیاید و در نهایت گزینهها رتبهبندی شوند.
نتیجهگیری
FUZZY LMAW یک روش جذاب و کاربردی است که نشان میدهد چطور میشود با ترکیب منطق فازی و یک ایده ساده لگاریتمی، به تصمیمهای بهتری رسید. این روش به ما اجازه میدهد در دنیایی که پر از عدم قطعیت است، از لجستیک گرفته تا برنامهریزی نظامی، انتخابهایمان را با اطمینان بیشتری انجام دهیم.
در فیلم زیر پیش نمایشی از فیلم اصلی آورده شده است.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.