Normalizavimo algoritmų, naudojamų daugiakriterijuose vertinimo metoduose, įnešami iškraipymai

Quantitative multiple criteria decision aid (MCDA) methods of evaluation gain increasing popularity among researchers. The idea of the methods is to comprise values ofcriteria characterising each object into a single non-dimensional cumulative criterion, which reflects attractiveness or position of the object in view of an objective chosen. Normalisation of weights is a compulsory procedure whenever criteria of different dimensions are present. There several methods of  normalisation available. Nevertheless, each method may introduce distortions into transformed data. The paper is devoted to exploration of problems related to such distortions and reveals particular cases.Kiekybiniai daugiakriteriai vertinimo metodai vis labiau populiarėja tarp mokslininkų. Pagrindinė šių metodų idėja – apjungti charakterizuojančių kiekvieną objektą kriterijų reikšmes į vieną bedimencį kriterijų, kuris parodytų objekto patrauklumą, atsižvelgiant į vertinimo tikslą. Duomenų normalizavimas – įprasta procedūra, kai naudojami kriterijai įvairių dimencijų. Naudojami keli normalizavimo metodai. Tačiau, jie gali įnešti iškraipymus į transformuojamus duomenis. Šiame straipsnyje nagrinėjamos problemos, atsirandančios dėl šių iškraipymų, pateikiami pavyzdžiai