需要帮助最大化多个相似对象中的3个因素并进行适当排序
我需要用任何语言编写算法，根据3个因素对数组进行排序。 我以度假村为例（如Hipmunk）。 假设我想去度假。 我想要最便宜的地方，最好的评论和最吸引人的地方。 但是，显然我无法在所有3中找到＃1。
示例（假设有20个重要景点）：
度假村 – 答：150美元/晚… 98/100在有利的评论… 20个景点中的18个
度假村B：99美元/晚… 85/100在有利的评论… 20个景点中的12个
度假村C：120美元/晚… 91/100在有利的评论… 20个景点中的16个
度假村B看起来价格最具吸引力，但在其他两个类别中排名第三。 其中，我可以选择度假村C每晚只需21美元，并获得更多的景点和更好的评论。 价格对我来说仍然很重要，但是A度假村拥有出色的评价和众多景点：价值51美元的奢侈品值多少钱吗？
我希望能够填充一个列表，从“从最好到最差”点亮（我引用bc对消费者来说是主观的）。 我如何最大化每个度假村的价值？
- 我应该为每个因素设置一个权重（即：55％的价格，30％的评论，15％的设施）并得到一组数字的结果并按照这种方式订购？
- 我是否需要所有酒店的模式，中位数和范围并确定平均价格，并且平均价格附近的酒店是否保持最重？
如果有点混乱，请访问www.hipmunk.com。 他们有一种飞机排序他们称之为痛苦（和我的问题相似的酒店类型），他们将其作为自己使用。 我以度假村为例让我的问题更有意义。 如何将数学运用于这样的问题？
如何使用可变权重，并让用户通过某些输入（如杠杆）调整它，以便排序顺序将动态更新？
我即将提出有关多因素加权排序的相同问题 ，因为我的研究只提出了双因素排序的答案（例如带解释的公式）。
尽管我们都在询问3个因素，但我会列出我发现的可能性，以防它们有用。
可能性：
注意： S是“排序分数”，您可以按（asc或desc）排序。
- “线性加权” – 使用如下函数：
S = (w 1 * F 1 ) + (w 2 * F 2 ) + (w 3 * F 3 )，其中w x是任意指定的权重，F x是值的因素。 您还需要标准化F（即F x_n = F x / F max）。 - “Base-N加权” – 更像是分组而不是加权，它只是一个线性加权，其中权重增加了基数10的倍数（与CSS选择器特异性相似的原则），因此更重要的因素显着更高：
S = 1000 * F 1 + 100 * F 2 ... - 估计真实价值（ETV） – 这显然是谷歌分析在他们的报告中引入的 ，其中一个因素的价值影响（ 权重 ）另一个因素 – 后果是对更多“统计上显着”的值进行排序。 链接很好地解释了，所以这里只是等式：
S = (F 2 / F 2_max * F 1 ) + ((1 - (F 2 / F 2_max )) * F 1_avg )，其中F 1是“更多重要的“因素”（文章中的“跳出率”），F 2是“重要性修改”因素（文章中的“访问”）。 - 贝叶斯估计 – 看起来与ETV非常相似，这就是IMDb计算其评级的方式。 有关说明 ，请参阅此StackOverflowpost ; 等式：
S = (F 2 / (F 2 +F 2_lim )) * F 1 + (F 2_lim / (F 2 +F 2_lim )) × F 1_avg，其中F x与＃3相同，F 2_lim是“重要性”因子的最小阈值限制（即不应考虑任何小于X的值）。
选项＃3和＃4看起来很有前途，因为你不必像在＃1和＃2中那样选择任意加权方案，但问题是你如何做到这两个以上的因素呢？
在你的情况下，在＃1中分配权重可能没问题。 您需要根据用户认为更重要的内容微调算法 – 您可以将权重w x作为filter（如1-10下拉列表）公开，以便用户可以即时调整其搜索。 或者如果你想变得聪明，你可以在搜索之前对你的用户进行轮询（“这对你更重要？”），然后根据响应分配加权集，并在跟踪足够的民意调查后，你可以自动提取加权方案基于大多数回复。
希望能让你走上正轨。