VIKOR 法

一、直观理解：在“群体效用”与“最大遗憾”之间找妥协解

VIKOR（VlseKriterijumska Optimizacija I Kompromisno Resenje）面向多准则妥协排序：既希望整体加权绩效好（群体效用 $S$ 小），又希望最差的那项指标别太惨（个体遗憾 $R$ 小）。用参数 $v$ 折中二者，得到 $Q$ 值排序，并检验稳定条件，给出妥协解集。

像谈判：不能只看总分，也不能只盯着最不满的人；VIKOR 找大家都能接受的折中方案。

二、适用场景与优缺点

类型	说明
适用场景	冲突准则；需要妥协解；权重已知；与 TOPSIS 对照。
核心优点	明确处理冲突；有 $S,R,Q$ 三重信息；有可接受优势/稳定条件。
局限与缺点	$v$ 主观；条件不满足时妥协集扩大；计算依赖正负理想。

三、核心原理

正向化后，正理想 $f_j^*$ 、负理想 $f_j^-$ 。

S_i=\sum_j w_j\frac{f_j^*-f_{ij}}{f_j^*-f_j^-},\quad R_i=\max_j w_j\frac{f_j^*-f_{ij}}{f_j^*-f_j^-}

Q_i=v\frac{S_i-S^*}{S^--S^*}+(1-v)\frac{R_i-R^*}{R^--R^*}

其中 $S^*=\min S$ ， $S^-=\max S$ ， $R^*,R^-$ 类似。 $v$ 常用 0.5。

$Q$ 越小越好。设按 $Q$ 排序第一为 $A'$ ，第二 $A''$ ：

条件 C1：可接受优势 $Q(A'')-Q(A')\ge 1/(n-1)$ ；
条件 C2： $A'$ 在 $S$ 或 $R$ 上也最好。

都满足则 $A'$ 唯一最优；否则给出妥协解集合。

四、关键决策

决策点	建议
$v$	0.5 默认；0–1 敏感分析
权重	组合赋权
理想点	样本最优或绝对理想
报告	$S,R,Q$ 与 C1/C2
对照	TOPSIS 贴近度

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);
% 极大型
fstar = max(X); fminus = min(X);
den = fstar - fminus; den(den==0)=eps;

[n, m] = size(X);
S = zeros(n,1); R = zeros(n,1);
for i = 1:n
    t = w .* (fstar - X(i,:)) ./ den;
    S(i) = sum(t);
    R(i) = max(t);
end

v = 0.5;
Sstar = min(S); Sminus = max(S);
Rstar = min(R); Rminus = max(R);
Q = v*(S - Sstar)/(Sminus - Sstar + eps) + ...
    (1-v)*(R - Rstar)/(Rminus - Rstar + eps);

T = table((1:n)', S, R, Q, "VariableNames", {"方案","S","R","Q"});
T = sortrows(T, "Q", "ascend");
disp(T);

% 条件检验
nAlt = n;
DQ = 1/(nAlt-1);
A1 = T.方案(1); A2 = T.方案(2);
okC1 = (T.Q(2) - T.Q(1)) >= DQ - 1e-12;
% C2: A1 在 S 或 R 最优
okC2 = (S(A1) <= min(S)+1e-12) || (R(A1) <= min(R)+1e-12);
fprintf("C1=%d, C2=%d\n", okC1, okC2);
if okC1 && okC2
    fprintf("唯一妥协解：方案 %d\n", A1);
else
    disp("妥协解集需扩大，请按 VIKOR 规则纳入后续方案");
end

六、如何解释结果

$S$ 小=整体好， $R$ 小=最大短板可控；
$v$ 含义：偏群体还是偏遗憾；
C1/C2 是否成立；
妥协解集；
与 TOPSIS 异同（VIKOR 更强调遗憾）。

七、常见误区

1. 只按 $Q$ 排序不检验条件

可能夸大唯一最优。

2. 指标方向错误

$S,R$ 全反。

3. $v$ 调参凑结论

应敏感分析公开。

4. 与 TOPSIS 公式混用

理想距离 vs $S/R/Q$ 不同。

5. 权重未归一

$R$ 的 max 项尺度乱。

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

VIKOR 在群体效用与最大遗憾之间构造 $Q$ 值，并通过优势与稳定条件给出妥协解，适合冲突型多准则决策。

当“不能让最差指标太差”是刚性关切时，VIKOR 比单纯加权和更贴切。

一、直观理解：在“群体效用”与“最大遗憾”之间找妥协解​

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. 只按 QQQ 排序不检验条件​

2. 指标方向错误​

3. vvv 调参凑结论​

4. 与 TOPSIS 公式混用​

5. 权重未归一​

附：建模论文中的写法要点​

附：计算检查清单​

八、小结​