现实生活中存在很多问题，比如商品买卖如何实现商家利润最大化？大学生招生录取如何实现整体效果最好？病人医生如何实现整体服务水平最高等？这些我们都可以把他统一的转化为双边决策问题。下面先说说自己对双边决策的理解。
双边决策——个人理解
为了帮助大家理解，我用一个简单的例子介绍什么是双边决策，加入现在市场上有10位顾客，分别为A0、A1、A2、A3、A4、A5、A6、A7、A8、A9，市场上有是个商品，分别为B0、B1、B2、B3、B4、B5、B6、B7、B8、B9，现在要求要把这10个商品分别分给这10位顾客，要求整体的满意程度最高，当然每位顾客对每个商品的打分是不一样的，加入M位顾客对N件商品的满意度为AMBN，那么如何分配这些商品才能使整体的满意度最高？像这个为题就是一个双边决策问题。
算法介绍
目前关于双边决策的实现算法有很多，下面就介绍一种自己想到的（如有雷同，纯属巧合），这个算法是基于之前自己写的一篇遗传算法的文章想到的。自己这个算法要求顾客和商品的数目必须一致，并且是一对一的关系，如果数目不一致或者是一对N（N是一个具体值）的时候，我们可以通过构建虚拟的商品（顾客）来使用这个算法，下面我就简单介绍下算法思想：
1）我们首先选取一个分配方案，这里我们不防假定初始的分配方案就是M件商品分给M位顾客；
2）我们将比较步长step设置为1；
3）判断step是否超过数组长度，如果超过结束算法，如果没超过继续执行下一步；
4）比较step步长下的两位顾客，假设将他们的分配方案对调，如果对调之后的满意度大于对调前的满意度就进行对调，否则保持原样，将比较位往后移动一位继续进行第4）步；
5）该步长step下已经没有可以对调的分配方案，将步长step加1；
6）跳到第3）步继续执行。
在上述算法描述中，我们重点介绍下第4）步，这里我们假设第1位顾客分配的商品是1号商品，第2位顾客分配的商品是2号商品，他们对商品的满意度分别为A1B1、A2B2，这时这两个顾客的总体满意度为SCORE1=A1B1+A2B2，这里我们将他们的分配方案对调，也就是第1位顾客分配的商品是2号商品，第2位顾客分配的商品是1号商品，这时候他们对商品的满意度分别为A1B2、A2B1，这两个顾客的整体满意度为SCORE2=A1B2+A2B1，如果SCORE1小于SCORE2，那么我们就改变分配策略，否则保持原来的分配策略。
Java代码分析
对于上面的介绍也许并不是太具体，或者并不知道用JAVA如何实现，下面我们就对如何实现做拆解：
1）在写算法的时候，我们首先需要定义一些常量、保存分配方案等：
public class TwoSidedDecision {
private int num = 10;//个体数目
private boolean maxFlag = true;//是否求最大值
private int[][] scoreArray;//AB之间的互评得分
private int[] decisionArray;//A选择B的方式
}
这里有一个maxFlag属性，他的作用是用来标识我们的双边决策是要取最大值还是要取最小值，true表示最大值，false表示最小值；num用来标识个体的个数，scoreArray数组用来表示用户对商品的满意度，decisionArray用来保存商品的分配方案，decisionArray[0]表示编号为0的顾客分配的商品是decisionArray[0]；
2）在运行算法之前，我们需要设置个体数目
public void setNum(int num) {
if (num < 1) {
System.out.println("num must be greater than 0");
return;
}
this.num = num;
}
3）顾客对商品进行满意度打分并确定初始分配方案
public void setScoreArray(int[][] scoreArray) {
if (scoreArray == null) {
System.out.println("scoreArray is null");
}
if (!(scoreArray.length == num && scoreArray[0].length == num)) {
System.out.println("scoreArray`s must be " + num);
}
this.scoreArray = scoreArray;
decisionArray = new int[num];
//初始决策，对角线
for (int i = 0; i < num; i++) {
decisionArray[i] = i;
}
decision();
}
4）然后进行算法描述中的第4）步，确认分配方案是否对调
private boolean compare(int stepSize) {
for (int i = 0; i < num - stepSize; i++) {
int a1 = i;
int a2 = i + stepSize;
int b1 = decisionArray[a1];
int b2 = decisionArray[a2];
//原始两个得分之和
int score1 = scoreArray[a1][b1] + scoreArray[a2][b2];
int between1 = Math.abs(scoreArray[a1][b1] - scoreArray[a2][b2]);
//交换后的两个得分之和
int score2 = scoreArray[a1][b2] + scoreArray[a2][b1];
int between2 = Math.abs(scoreArray[a1][b2] - scoreArray[a2][b1]);
if (maxFlag) { //最后的得分最大
if (score1 <= score2) {//交换后的分数不小于交换前的
//交换后的分数大于交换前的或者交换后的差值大于交换前的
if (score1 < score2 || between2 > between1) {
decisionArray[a1] = b2;
decisionArray[a2] = b1;
return true;
}
}
} else { //最后的得分最小
if (score1 >= score2) {//交换后的分数不小于交换前的
//交换后的分数大于交换前的或者交换后的差值大于交换前的
if (score1 > score2 || between2 > between1) {
decisionArray[a1] = b2;
decisionArray[a2] = b1;
return true;
}
}
}
}
return false;
}
这个方法的返回值是确认该步长下是否发生对调，如果该步长没有发生对调，我们可以进行下一个步长的比较。这样就完成了双边决策算法，下面我们看一下测试结果。
运行结果
最大值测试
最小值测试
完整代码
/**
*@Description: 双边匹配决策算法
*/
package com.lulei.twosided.matching.decisionmaking;
import com.lulei.util.JsonUtil;
public class TwoSidedDecision {
private int num = 10;//个体数目
private boolean maxFlag = true;//是否求最大值
private int[][] scoreArray;//AB之间的互评得分
private int[] decisionArray;//A选择B的方式
public boolean isMaxFlag() {
return maxFlag;
}
public void setMaxFlag(boolean maxFlag) {
this.maxFlag = maxFlag;
}
/**
* @return
* @Author:lulei
* @Description: 获得最后的决策
*/
public int[] getDecisionArray() {
return decisionArray;
}
/**
* @return
* @Author:lulei
* @Description: 获取决策的评分
*/
public int getScoreSum() {
int sum = 0;
for (int i = 0; i < num; i++) {
sum += scoreArray[i][decisionArray[i]];
}
return sum;
}
/**
* @param num
* @Author:lulei
* @Description: 设置双边决策个体个数
*/
public void setNum(int num) {
if (num < 1) {
System.out.println("num must be greater than 0");
return;
}
this.num = num;
}
/**
* @param scoreArray
* @Author:lulei
* @Description: 设置A类个体与B类个体间的评价
*/
public void setScoreArray(int[][] scoreArray) {
if (scoreArray == null) {
System.out.println("scoreArray is null");
}
if (!(scoreArray.length == num && scoreArray[0].length == num)) {
System.out.println("scoreArray`s must be " + num);
}
this.scoreArray = scoreArray;
decisionArray = new int[num];
//初始决策，对角线
for (int i = 0; i < num; i++) {
decisionArray[i] = i;
}
decision();
}
/**
* @Author:lulei
* @Description: 计算最优决策
*/
private void decision() {
if (scoreArray == null || decisionArray == null) {
System.out.println("please init scoreArray");
}
for (int stepSize = 1; stepSize < num; stepSize++) {
//特定步长下的交换
while (compare(stepSize));
}
}
/**
* @param stepSize
* @return
* @Author:lulei
* @Description: 特定步长比较，返回值确认是否发生交换
*/
private boolean compare(int stepSize) {
for (int i = 0; i < num - stepSize; i++) {
int a1 = i;
int a2 = i + stepSize;
int b1 = decisionArray[a1];
int b2 = decisionArray[a2];
//原始两个得分之和
int score1 = scoreArray[a1][b1] + scoreArray[a2][b2];
int between1 = Math.abs(scoreArray[a1][b1] - scoreArray[a2][b2]);
//交换后的两个得分之和
int score2 = scoreArray[a1][b2] + scoreArray[a2][b1];
int between2 = Math.abs(scoreArray[a1][b2] - scoreArray[a2][b1]);
if (maxFlag) { //最后的得分最大
if (score1 <= score2) {//交换后的分数不小于交换前的
//交换后的分数大于交换前的或者交换后的差值大于交换前的
if (score1 < score2 || between2 > between1) {
decisionArray[a1] = b2;
decisionArray[a2] = b1;
return true;
}
}
} else { //最后的得分最小
if (score1 >= score2) {//交换后的分数不小于交换前的
//交换后的分数大于交换前的或者交换后的差值大于交换前的
if (score1 > score2 || between2 > between1) {
decisionArray[a1] = b2;
decisionArray[a2] = b1;
return true;
}
}
}
}
return false;
}
public static void main(String[] args) {
int[][] scoreArray = {
{0,1,2,3,4,5,6,7,8,9},
{1,2,3,4,5,6,7,8,9,0},
{2,3,4,5,6,7,8,9,0,1},
{3,4,5,6,7,8,9,0,1,2},
{4,5,6,7,8,9,0,1,2,3,},
{5,6,7,8,9,0,1,2,3,4},
{6,7,8,9,0,1,2,3,4,5},
{7,8,9,0,1,2,3,4,5,6},
{8,9,0,1,2,3,4,5,6,7},
{9,0,1,2,3,4,5,6,7,8}};
TwoSidedDecision test = new TwoSidedDecision();
test.setNum(10);
test.setMaxFlag(false);
test.setScoreArray(scoreArray);
System.out.println("最优决策");
System.out.println(JsonUtil.parseJson(test.getDecisionArray()));
System.out.println("决策得分");
System.out.println(test.getScoreSum());
}
}
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
