基于得分对多次参赛选手进行合理排名的算法相关问题咨询

可行的解决思路 #

• 多维度加权打分法
  不要仅用最低分作为唯一排序依据，把多个反映选手表现的维度合并为一个总得分后升序排序，可参考的维度包括：最低得分（权重最高，对应最佳表现）、得分中位数、得分标准差（数值越高说明发挥越不稳定，计入总得分时占比越高）。你可以根据对「最佳表现」和「稳定性」的侧重调整各维度权重，比如设置最低分占60%、中位数占20%、标准差*可调系数占20%，调整系数直到输出的排名符合你对Atheleric等选手的排序预期即可。
• 带稳定性惩罚的最低分修正法
  保留你原来的最低分排序逻辑，仅增加波动惩罚项：最终排序分 = 选手最低得分 + 惩罚系数 * 选手得分标准差，发挥波动越大的选手最终排序分越高，排名越靠后。这种方法改动最小，调试成本很低。
• 多准则决策排序法
  如果你不想手动设置权重，可以用成熟的TOPSIS排序法，把「最低得分越低越好」「中位数越低越好」「标准差越低越好」作为三个评价准则，自动计算每个选手和理想最优表现的贴近度，按贴近度从高到低排序即可，不需要手动调权重，结果更客观。

相关研究方向建议 #

• 排序学习（Learning to Rank）：属于信息检索领域的分支，专门研究如何基于多特征实现对象的最优排序，如果你后续需要处理大量选手数据、或者需要让模型自动学习排序规则，可以学习这个方向的基础方法，比如PointWise、PairWise类的排序模型。
• 综合评价理论：属于统计学科的应用分支，包含层次分析法、熵权法、模糊综合评价等多种多指标合并方法，适合需要平衡多个评价维度的排名场景。
• 竞技体育排名方法论：很多多轮次竞技赛事（比如滑雪、射箭等计时/计分类项目）都有成熟的兼顾最佳成绩和稳定性的排名规则，你可以参考对应领域的赛事排名规则做适配。

内容的提问来源于stack exchange，提问作者Rob Porter