PROMETHEE 法

一、直观理解：成对比“好多少”，再算流入流出净流

PROMETHEE（Preference Ranking Organization Method for Enrichment Evaluations）也是outranking家族，但输出更易变成排序：

对每个指标，把方案 $a$ 相对 $b$ 的差值通过偏好函数变成 $0$ – $1$ 的偏好强度；
加权得到总体偏好 $\pi(a,b)$ ；
算出每个方案的正流 $\phi^+$ （胜过别人的程度）、负流 $\phi^-$ （被胜过的程度）、净流 $\phi=\phi^+-\phi^-$ ；
按净流排序（PROMETHEE II）。

像循环赛：胜得漂亮加分，被虐扣分，净胜场决定排名。

二、适用场景与优缺点

类型	说明
适用场景	需要完整排序；指标差值有偏好阈值；希望可视化 GAIA；公共/工程方案比选。
核心优点	偏好函数灵活；净流直观；PROMETHEE I 可保留不可比；软件与文献成熟。
局限与缺点	偏好函数与阈值需论证；完全补偿仍可能发生（视函数）；计算量 $O(n^2 m)$ 。

三、核心原理

对指标 $j$ ，差值 $d_j(a,b)=x_j(a)-x_j(b)$ （极大型）。常用通常准则、U 形、V 形、Level、线性、Gaussian 等偏好函数 $P_j(d)\in[0,1]$ 。

\pi(a,b)=\sum_j w_j P_j(d_j(a,b))

\phi^+(a)=\frac{1}{n-1}\sum_{b\neq a}\pi(a,b),\quad \phi^-(a)=\frac{1}{n-1}\sum_{b\neq a}\pi(b,a)

\phi(a)=\phi^+(a)-\phi^-(a)

PROMETHEE II 用 $\phi$ 全序；I 用 $(\phi^+,\phi^-)$ 的偏序。

四、关键决策

决策点	建议
偏好函数	线性/V 形常用；给无差异 $q$ 、严格偏好 $p$
权重	AHP/熵权
I vs II	要全序用 II；保留不可比用 I
灵敏度	权重与 $p,q$
对照	TOPSIS、ELECTRE

五、MATLAB 示例

X = [
    80 70 90;
    75 88 70;
    90 65 85;
    70 90 75
];
w = [0.4 0.3 0.3]; w = w/sum(w);
% 线性偏好：q=0, p=极差的一半
[n, m] = size(X);
q = zeros(1,m); p = 0.5*(max(X)-min(X)); p(p==0)=1;

Pfun = @(d, qj, pj) max(0, min(1, (d - qj) ./ (pj - qj + eps))); 

piMat = zeros(n);
for a = 1:n
    for b = 1:n
        if a==b, continue; end
        pref = 0;
        for j = 1:m
            d = X(a,j) - X(b,j);  % 极大型
            pref = pref + w(j) * Pfun(d, q(j), p(j));
        end
        piMat(a,b) = pref;
    end
end

phiPlus = sum(piMat, 2) / (n-1);
phiMinus = sum(piMat, 1)' / (n-1);
phi = phiPlus - phiMinus;

T = table((1:n)', phiPlus, phiMinus, phi, ...
    "VariableNames", {"方案","正流","负流","净流"});
T = sortrows(T, "净流", "descend");
disp(T);
disp("偏好指数矩阵 π："); disp(piMat);

六、如何解释结果

偏好函数与 $q,p$ 业务含义；
净流排序及正负流分解（胜在进攻还是防守）；
$\pi$ 矩阵关键对决；
权重敏感；
与 TOPSIS 一致性。

七、常见误区

1. 极小指标未处理

差值符号反了。

2. $p$ 过小导致几乎 0-1 跳变

过度敏感。

3. 只报净流不报 $\pi$

关键对决说不清。

4. 把净流当基数效用随意加减解释

主要用于排序。

5. 参数后选

先定原则再算。

附：建模论文中的写法要点

问题对应：用一两句话说明为何该方法匹配题目数据结构与目标（分类/分群/排序/效率）。
符号与步骤：按“输入 → 预处理 → 核心计算 → 输出指标”列出编号步骤，公式与代码变量名一致。
参数表：列出全部可调参数、取值、选取依据（CV、信息准则、业务约束或灵敏度）。
结果呈现：主结果用表格；辅以 1–2 张图（边界、树状图、得分条形图、效率分解等）。
稳健性：至少做一种扰动——删点、换权重、换距离、换初值或换阈值，观察结论是否保持。
局限：主动写明假设（球状簇、线性可分、CRS、完全补偿等）及适用边界，避免被质询时被动。

若主方法结论与合理基线（如 K-means 对 GMM、加权和对 TOPSIS、CCR 对 BCC）严重冲突，应回到数据质量与指标方向检查，而不是只报告“更好看”的一种结果。

附：计算检查清单

在提交结果前，建议按下列清单快速自检：

输入矩阵：行/列含义是否与正文一致，有无缺失、重复行、单位混用。
方向与尺度：极小型是否已正向化；聚类/距离类是否已标准化；评价类权重是否归一。
参数来源：所有阈值、簇数、核宽、理想解定义能否在正文找到依据。
数值稳定：协方差/相关是否接近奇异；DEA 线性规划是否全部求解成功；对数/除零是否加保护。
随机性：涉及随机初值的算法是否固定种子并报告多次结果的稳定性。
验证协议：分类任务是否严格隔离测试集；重采样/SMOTE 是否仅用于训练折。
图表编号：主结论表与图在正文中被引用，而不是只放附录。
可复现：给出软件版本（如 MATLAB R20xx）与关键函数名，使读者能重跑最小示例。

不满足清单中任一项时，优先修正流程，再讨论“方法先进性”。对综合评价题，额外检查：更换一种合理权重后，前三名是否大体稳定；若剧烈跳动，应降低对精细名次的措辞强度。

八、小结

PROMETHEE 用偏好函数度量成对优势，经正负流得到净流排序，是级别优先方法中最易出全序的代表。

适合方案比选主模型；参数与权重的灵敏度分析决定结论可信度。

一、直观理解：成对比“好多少”，再算流入流出净流​

二、适用场景与优缺点​

三、核心原理​

四、关键决策​

五、MATLAB 示例​

六、如何解释结果​

七、常见误区​

1. 极小指标未处理​

2. ppp 过小导致几乎 0-1 跳变​

3. 只报净流不报 π\piπ​

4. 把净流当基数效用随意加减解释​

5. 参数后选​

附：建模论文中的写法要点​

附：计算检查清单​

八、小结​