问题描述
有三个方案分别为A,B,C。由100个人对其优劣进行投票。其结果如下:
$$ \begin{array}{c|c|c|c|c|c|c}{M_{3 \times3}} & 第一名 & 第二名 & 第三名 \\ \hline A &32 &34 &34 \\ \hline B &33 &36 &31 \\ \hline C &35 &30 &35 \\ \hline \end{array} $$
问上述三个方案的优劣顺序最终会如何?
少数服从多数,是综合评价常见原则。即优选原则。
情境一:“优胜”情境
比如选秀活动中决出冠军,这种情况即看得分最高的人即为冠军
因此,C选手,或者说C方案为最优方案。
情境二:“劣汰”情境
比如选秀活动中选拔赛,解淘汰环节,最后一名得投票人数最多即排在最后
因此,C选手,或者说C方案为最差方案。
如果按照优胜情境对上述三个方案进行评价,其优劣顺序如下:
$$C \succ B \succ A $$
如果按照劣汰情境对上述三个方案进行评价,其优劣顺序如下:
$$B \succ A \succ C $$
其求解过程用到抽取的方式。以优胜情境为例,其详细过程如下:
第一步:转置矩阵
$$ \begin{array}{c|c|c|c|c|c|c}{M_{3 \times3}} & A & B & C \\ \hline 第一名 &32 &33 & 35\\ \hline 第二名 & 34 &36 &30 \\ \hline 第三名 &34 &31 &35 \\ \hline \end{array} $$
第一名中C占优,即抽取出C
$$ \begin{array}{c|c|c|c|c|c|c}{M_{3 \times 2}} & A & B \\ \hline 第一名 &32 &33 \\ \hline 第二名 & 34 &36 \\ \hline 第三名 &34 &31 \\ \hline \end{array} $$
第一名中剩余的要素下移到第二名 B=33+36,A=32+34
$$ \begin{array}{c|c|c|c|c|c|c}{M_{2 \times 2}} & A & B \\ \hline 第二名 & 66 &69 \\ \hline 第三名 &34 &31 \\ \hline \end{array} $$
抽取出B
$$ \begin{array}{c|c|c|c|c|c|c}{M_{2 \times1}} & A \\ \hline 第二名 & 66 \\ \hline 第三名 &34 \\ \hline \end{array} $$
第三名的一列中只剩下A,即抽取出A
劣汰情境为例,其抽取其详细过程如下:
第一步:放置好矩阵
$$ \begin{array}{c|c|c|c|c|c|c}{M_{3 \times3}} & A & B & C \\ \hline 第一名 &32 &33 & 35\\ \hline 第二名 & 34 &36 &30 \\ \hline 第三名 &34 &31 &35 \\ \hline \end{array} $$
第三名中C占优,即抽取出C
$$ \begin{array}{c|c|c|c|c|c|c}{M_{3 \times 2}} & A & B \\ \hline 第一名 &32 &33 \\ \hline 第二名 & 34 &36 \\ \hline 第三名 &34 &31 \\ \hline \end{array} $$
第三名中剩余的要素上移到第二名 A=34+34 ,B=31+36
$$ \begin{array}{c|c|c|c|c|c|c}{M_{2 \times 2}} & A & B \\ \hline 第一名 &32 &33 \\ \hline 第二名 & 68 &67 \\ \hline \end{array} $$
抽取出A
$$ \begin{array}{c|c|c|c|c|c|c}{M_{2 \times1}} & B \\ \hline 第一名 & 33 \\ \hline 第二名 &37 \\ \hline \end{array} $$
只剩下B,即抽取出B
对抗择优抽取算法在上面已经列出。
对抗来自两个两种不同的方向,则称之为对抗
择优抽取即为每次把最牛的抽取出来
这个算法是2022年11月1号在网上发布。
英文名暂定为:Adversarial Extract Champion Mothod
简称:AEC
英文名2:priority-based adversarial extraction method 简称PAE
英文名3:Sequeeze-and-Extraction method 简称SE
2023年6月15号更新AECM一般性流程。
第一、综合评价方法(CE)中的两种综合评价值
如、VIKOR中的SR;TOPSIS中的D+,D-;以及任意不同的综合评价方法得到的两组值。
第二、妥协解公式(通式)
方向性至关重要。即综合值是越大越牛逼,还是越小越牛逼。
$Q = ( 1-k )f(a) + k f(b)$ 当a与b两列具有相同的方向时。由于初始矩阵具有相同的方向,通常用此方法
$Q = ( 1-k )f(a) - k f(b)$ 当a与b两列具有不同的方向时。
f(x)函数的特点与要求
当k=0时候,$Q=f(a)$ Q的排序必须等于未变换前a列的排序
当k=1时候,$Q=f(b)$ Q的排序必须等于未变换前b列的排序
Tips:如果存在着刻度,如优、良、中、差,无论何种几何形变,都有$优 \succ 良 \succ 中 \succ 差$
第三、对抗择优抽取方法,分四步。
1、求拐点(交点)并对拐点大小进行排序
2、依据拐点,得到排序分布,聚类分布,每个聚类视为一个通道。(不论何种妥协解公式,其聚类分布是一致的,只是通道的大小变化而已)
3、求出层级统计矩阵。即每层的要素依据不同的通道相加即可
4、优胜情境下的正向抽取(抽取最好的);劣汰情境下的逆向抽取(抽取最坏的)
AECM能在所有综合评价中加以运用,而且其变化繁多,最少有几十亿、上百亿种不同的组合方式。
分类 | 描述 | 链接 |
---|---|---|
☆ | 两个负向指标,经典VIKOR方法 | VIKOR——AECM方法 |
☆ | 两个正方向属性例子1,两种权重方式。 | 两种权重方法,同一个距离公式 |
☆ | 两个正方向属性例子2,两种距离公式方式。 | 相同权重,不同的距离公式 |
☆ | 两种权重方式,用同一种距离公式求出耦合协调度,最终求出耦合协调度的妥协解 | 不同权重求耦合协调度 |
☆ | 两种不同的距离公式求耦合协调度,如vikor法 | 两种不同的的距离公式求耦合协调度 |
※ | 一正一负两个方向属性例子,由两种权重方式获得两个评价值。 | 两种权重方法求出的不同距离 |
※ | 一正一负两个方向属性例子,由两种距离公式方式获得两个评价值。 | 两种距离公式方法求出的不同距离 |
※ | topsis中两种贴近度来计算 | topsis中两种贴近度来计算 |
☆ | 其它: | 其模式有几十亿种组合,灵活运用即可 |