JAVA实现双边决策的示例
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。