ELECTRE-排序法-II&III&IV

方法概述

ELECTRE II、III、IV 是 ELECTRE 家族中用于完全排序的方法，由 Roy 等人于 1970 年代提出。它们通过建立方案之间的强弱关系或可信度，计算净流量（Net Flow）或净可信度（Net Credibility），从而得到方案的完整排名。本工具在标准算法基础上增加了多种标准化方法和比较方式，并引入了 Ca/Da/净优势值 等辅助指标，提供更全面的排序分析。

  • ELECTRE II：基于强和谐阈值和弱和谐阈值构建强关系与弱关系，计算净流量排序。适用于指标间可清晰比较、阈值易于设定的情况。
  • ELECTRE III：引入模糊可信度概念，考虑偏好、无差异和否决阈值，计算净可信度排序。适用于存在模糊评价、专家对偏好有不同理解的情形。
  • ELECTRE IV：无需权重，仅依靠方案间的成对比较优势计数进行排序。适用于权重难以确定或所有指标同等重要的场景。

三种方法均支持： - 标准化方法：向量归一化（Vector）、Min-Max 标准化、无标准化 - 比较方式：简单二元比较（直接比较大小）或 q/p 阈值比较（基于无差异和偏好阈值的部分和谐指数）

计算步骤

1. 决策矩阵与数据标准化

设有 \(m\) 个方案和 \(n\) 个指标，原始决策矩阵 \(X = [x_{ij}]\)。首先根据指标方向（效益/成本）对数据进行标准化，可选方法：

  • 向量归一化（Vector）：\(r_{ij} = \dfrac{x_{ij}}{\sqrt{\sum_{i=1}^{m} x_{ij}^2}}\)（与 Excel 实现一致）
  • Min-Max 标准化：\(r_{ij} = \dfrac{x_{ij} - \min_i x_{ij}}{\max_i x_{ij} - \min_i x_{ij}}\)
  • 无标准化：直接使用原始数据

得到标准化矩阵 \(R = [r_{ij}]\)。

2. 权重与加权（ELECTRE II & III）

给定权重 \(w_j\)（\(\sum w_j =1\)），计算加权标准化矩阵 \(V = [w_j \cdot r_{ij}]\)。
ELECTRE IV 不使用权重。

3. 和谐指数计算

比较方式决定了 \(c_{ij}\) 的计算方法：

  • 简单二元比较（Simple）：
    \(c_{ij} = \begin{cases} 1 & \text{if } r_{ij} \ge r_{kj} \\ 0 & \text{otherwise} \end{cases}\)

  • q/p 阈值比较（Threshold）：
    设无差异阈值 \(q_j\)，偏好阈值 \(p_j\)（需 \(0 \le q_j \le p_j\)），则部分和谐指数为： \[ c_j(i,k) = \begin{cases} 1 & \text{if } r_{ij} - r_{kj} \ge -q_j \\ 0 & \text{if } r_{ij} - r_{kj} \le -p_j \\ \dfrac{p_j + (r_{ij} - r_{kj})}{p_j - q_j} & \text{otherwise} \end{cases} \]

  • ELECTRE II：全局和谐指数 \(c_{ik} = \sum_j w_j \cdot c_j(i,k)\)（简单比较时等同于加权优势指标）。

  • ELECTRE III：部分和谐指数同阈值比较，全局和谐指数同样加权聚合。

  • ELECTRE IV：伪和谐指数 \(c_{ik} = \dfrac{\#\{j: r_{ij} > r_{kj}\}}{n}\)（不考虑权重）。

4. 不和谐指数（ELECTRE II 采用不同公式）

  • ELECTRE II：不和谐指数 \(d_{ik}\) 基于加权矩阵 \(V\) 计算： \[ d_{ik} = \max_j \left( \dfrac{V_{kj} - V_{ij}}{\max_{j'} |V_{ij'} - V_{kj'}|} \right) \] 若分母为 0，则 \(d_{ik}=0\)。

  • ELECTRE III：部分不和谐指数 \(d_j(i,k)\) 采用否决阈值 \(v_j\)（需 \(p_j \le v_j\)）： \[ d_j(i,k) = \begin{cases} 0 & \text{if } r_{kj} - r_{ij} \le v_j \\ 1 & \text{if } r_{kj} - r_{ij} > v_j \text{ and } c_{ik} \ge \lambda \\ \min\left(1, \frac{r_{kj}-r_{ij}-v_j}{1-v_j}\right) & \text{otherwise} \end{cases} \] 然后通过全局和谐指数 \(c_{ik}\) 和部分不和谐指数计算可信度矩阵 \(\sigma_{ik}\)。

  • ELECTRE IV：不引入不和谐指数，仅通过否决阈值 \(v\) 判断是否否决优先关系。

5. 建立关系矩阵（ELECTRE II & IV）

  • ELECTRE II：给定强和谐阈值 \(\lambda_s\)、弱和谐阈值 \(\lambda_w\)、不和谐阈值 \(\nu\)：
    • 强关系：\(c_{ik} \ge \lambda_s\) 且 \(d_{ik} \le \nu\)
    • 弱关系：\(c_{ik} \ge \lambda_w\) 且 \(d_{ik} \le \nu\)
  • ELECTRE IV：给定强偏好阈值 \(\lambda_s\)、弱偏好阈值 \(\lambda_w\)、否决阈值 \(\nu\)：
    • 若无否决且伪和谐指数 \(\ge \lambda_s\)，则建立强关系；若 \(\ge \lambda_w\) 则建立弱关系。

6. 净流量 / 净可信度 / 净优势度计算

  • ELECTRE II：强出度 \(S^+\)、强入度 \(S^-\)、弱出度 \(W^+\)、弱入度 \(W^-\)，净流量 \(\Phi_i = (S^+_i + 0.5 W^+_i) - (S^-_i + 0.5 W^-_i)\)。
  • ELECTRE III：净可信度 \(\Phi_i = \sum_{k \ne i} \sigma_{ik} - \sum_{k \ne i} \sigma_{ki}\)。
  • ELECTRE IV：净优势度 \(\Phi_i = (S^+_i + 0.5 W^+_i) - (S^-_i + 0.5 W^-_i)\)。

7. 辅助指标：Ca、Da 与净优势值

为更全面理解排序结果，算法还计算以下指标（对所有方法均适用）：

  • Ca 值（净优势）：和谐矩阵行和 - 和谐矩阵列和（或等价于强出度-强入度等变体），反映方案在“优势”方面的表现。
  • Da 值（净劣势）：不和谐矩阵行和 - 不和谐矩阵列和（或等价于强入度-强出度等），反映方案在“劣势”方面的表现。
  • 净优势值：Ca - Da，综合反映方案的净优势。

根据 Ca、Da、净优势值分别排序，并与最终排名对比，可直观分析各方案的优劣来源。

8. 完全排序

按最终排序指标（净流量、净可信度、净优势度）降序排列，得到方案完全排名。

案例分析

案例背景：评估4款手机（P1~P4），指标：价格（元，越小越好）、电池续航（小时，越大越好）、拍照得分（分，越大越好）、品牌得分（分，越大越好）。权重：0.3、0.3、0.2、0.2。使用 ELECTRE II，强和谐阈值=0.75，弱和谐阈值=0.65，不和谐阈值=0.25，标准化方法为向量归一化，比较方式为简单二元比较。

原始数据：

手机 价格 续航 拍照 品牌
P1 3000 120 85 90
P2 3500 100 80 85
P3 2800 90 75 80
P4 4000 110 88 88

计算过程（简略）

  1. 向量归一化（成本型先取负，再向量归一化）得到标准化矩阵 \(R\)。
  2. 加权标准化 \(V\)。
  3. 和谐矩阵 \(c_{ik}\)（简单比较）：
    • \(c_{12}\)：所有指标 P1 均优于 P2，\(c_{12}=1\)。
    • \(c_{21}=0\)。
  4. 不和谐矩阵 \(d_{ik}\) 及强/弱关系矩阵。
  5. 净流量：
    • P1: Φ=3，P2: Φ=-0.5，P3: Φ=-2.5，P4: Φ=-0.5，排序：P1 > P2 ≈ P4 > P3。
  6. 辅助指标：
    • Ca 值：P1 最高，P3 最低；Da 值：P3 最高，P1 最低；净优势值排序与最终排名一致。

结论：P1 最优，P2 与 P4 并列第二，P3 最差。

常见问题

Q1: 标准化方法如何影响结果？
A: 向量归一化常用于保持量纲比例，Min-Max 将数据压缩到 [0,1] 便于阈值设置，无标准化保留原始差异。选择哪种取决于数据特性和决策偏好。

Q2: 简单比较与阈值比较有何区别？
A: 简单比较仅判断优劣（0/1），阈值比较允许部分和谐（在 q 和 p 之间线性插值），更精细地刻画差异程度。

Q3: Ca、Da、净优势值的作用是什么？
A: 它们帮助理解方案的优劣来源：Ca 高表示方案在“积极”方面强，Da 低表示“消极”方面弱，净优势值综合两者，与最终排名高度相关。

Q4: ELECTRE II 与 ELECTRE III 的主要区别？
A: ELECTRE II 使用二元阈值，ELECTRE III 使用模糊阈值（q/p/v）和可信度，能处理更复杂的不确定性。

Q5: ELECTRE IV 不需要权重，是否更客观？
A: 权重缺失可避免主观性，但同时也丢失了指标重要性的信息，适用于权重难以确定或所有指标同等重要的场景。

Q6: 如何选择阈值？
A: 一般强和谐阈值 > 弱和谐阈值，且均 >0.5。不和谐阈值通常 ≤0.3。建议通过灵敏度分析观察排名稳定性。

平台功能

  • 方法选择：ELECTRE II / III / IV 单选。
  • 标准化方法：向量归一化、Min-Max、无标准化。
  • 比较方式：简单二元比较、q/p 阈值比较（需设置 q、p 值）。
  • 参数设置：
    • ELECTRE II：强和谐阈值、弱和谐阈值、不和谐阈值。
    • ELECTRE III：和谐性阈值、可信度阈值、全局偏好阈值、全局否决阈值，以及每个指标的偏好阈值(p)、无差异阈值(q)、否决阈值(v)。
    • ELECTRE IV：强偏好阈值、弱偏好阈值、否决阈值。
    • 权重设置（II/III 需要，支持等权重按钮）
    • 指标方向设置（效益/成本）
    • 小数位数（1-10）
    • 显示/隐藏中间结果
  • 结果展示：
    • 最终排序表（含强/弱出度、入度、净流量/净可信度/净优势度）
    • Ca/Da/净优势值分析：分别给出 Ca、Da、净优势值的排名表，以及综合对比表
    • 标准化数据矩阵、加权矩阵（II/III）
    • 和谐矩阵、不和谐矩阵（II）、可信度矩阵（III）、强弱关系矩阵（II/IV）
    • 参数设置表、权重表、ELECTRE III 阈值表
  • 报告导出：Excel 报告（所有工作表、所有矩阵）和 HTML 报告（含排序结果和参数）。
  • AI 智能分析：自动解读最优方案与排名合理性（每日限3次）。

使用建议

  1. 根据数据特征选择标准化方法：若量纲差异大，推荐向量归一化；若需统一到 [0,1]，可用 Min-Max。
  2. 若偏好关系明确，使用简单比较；若需区分细微差异，使用阈值比较并合理设置 q、p。
  3. 综合使用最终排名和 Ca/Da/净优势值分析，深入理解方案优劣的构成。
  4. 对 ELECTRE III 务必保证每个指标的 \(q \le p \le v\)，否则算法会报错。
  5. 对结果进行灵敏度分析（调整阈值、权重等），验证排序稳定性。

平台界面

官方地址：https://superr.online

ELECTRE II/III/IV 工具界面

平台界面包含：数据上传区、方法选择、参数设置（标准化、比较方式、阈值等）、多工作表预览、结果展示（排序表、Ca/Da分析、矩阵）和 AI 分析模块

参考文献

  1. Roy, B. (1968). Classement et choix en présence de points de vue multiples (la méthode ELECTRE). RIRO, 2(8), 57-75.
  2. Roy, B. (1978). ELECTRE III: Un algorithme de classement fondé sur une représentation floue des préférences. Cahiers du CERO, 20(1), 3-24.
  3. Roy, B., & Hugonnard, J. C. (1982). Ranking of suburban line extension projects with the ELECTRE III method. European Journal of Operational Research, 10(2), 136-145.
  4. Figueira, J., Greco, S., & Ehrgott, M. (2005). Multiple Criteria Decision Analysis: State of the Art Surveys. Springer.