误区-根据时间和满意度得分确定最佳登机策略

大多数航空公司从飞机的后部开始登机，然后朝着前部工作（登上优先舱和乘客后）。

在Mythbusters的一集中，Adam和Jamie检验了一个神话，即大多数航空公司（从最前面开始）偏爱的登机策略效率最低。

神话得到证实，结果如下：

在随机的没有座位的策略是最快的，其次是WILMA直策略。但是，随机无座席策略给出的满意度最低。

最高满意度得分由反向金字塔策略给出，即使它是第四快的。

仅凭时间和满意度得分（不包括诸如计算预期过道或座位干扰之类的高级信息），如何确定最佳的登机策略？

除了将时间转换为秒，然后将其与满意度得分相乘，我似乎想不出任何一种单位转换，就好像我们正在尝试使时间与满意度得分的乘积最大化一样：

f (t, s) = t s

$f(t,s) = ts$

这样做有哪些优点或缺点？

一个缺点似乎是，按时间和满意度得分乘积的排名给出的满意度排名相同。

还有什么可以做的？似乎所有想到的都是产品，所以也许我可能会最大化这些东西：

f (t, s) = t^{2} s

$f(t,s) = t^2s$

f (t, s) = t s^{1 / 2} (eliminating random no seats)

$f(t,s) = ts^{1/2} \text{(eliminating random no seats)}$

f (t, s) = t (s - s_{a v e})

$f(t,s) = t(s-s_{ave})$

我认为我们将不得不将时间和满意度得分与某些单位（例如金钱）相关联。因此，必须在登机时间和费用之间找到某种关系（例如，通过线性回归建立线性关系），然后再找到今天登机的满意度得分与下个月的航班收入之间的某种关系？

一定要这样吗？

我被建议使用z分数之类的东西，所以我尝试进行标准化，我认为：

为什么z的平方和为6？我做错什么了吗？那是第四时刻还是什么？

— BCLC
source

第一步将是精确定义“最佳”。通常，这将采取在某些约束条件下最小化或最大化某些数量的形式。这将为您目前所缺少的问题提供指导。具体来说，为什么最优解会使t * s最大化？这意味着，当两种策略提供的满意度相等时，花费更多时间的策略是可取的。

如果这确实是为了应用（现实生活）的目的，那么重要的是要意识到14:07和15:10之间可能没有实际区别。（此外，如果科学地进行多次重复的神话破坏者练习，这些数字可能平均起来大约是相同的。）因此，大概只有3个不同的时间：一次14:07至15:10；另一次是14:07至15:10。17:15和24:29。同样，在现实生活中，只有3个不同的满意度得分：-5；12-19; 和102-113。如果希望真正有用的话，任何应用模型都应该采用这种观点。

— 奥查多

我将从您的通用名开始

f (t, s) = t \times s

$f(t,s) = t \times s$ 而且，除了添加权重或因素之外，我还添加了其他与时间和满意度有关的变量，例如：

登机时间与行李管理的关系（ $TL$ ）乘以行李数（ $B$ ），还有时间去排座位（ $T_g$ ）与实际坐下的时间（ $T_s$ ），用于每位乘客的不同座位类型（靠窗，中间，过道）（ $N$ ）
满意度取决于登机的难易程度（ $E$ ）（考虑一下WilMA和有小孩的家庭），行李定位的功能（ $F_b$ ），需要分散注意力（ $D$ ）（例如，在听大声的音乐时登机，或在电话交谈时登机，这会干扰登机并导致错误）。

提案可以是

f (T L, T g, T s, W, M, A, N) = (T L \times B) + (T G \times N + \frac{N}{3} W + \frac{N}{3} M + \frac{N}{3} A)

$f(TL, Tg, Ts, W, M, A, N) = (TL\times B)+(TG\times N + \frac{N}{3}W + \frac{N}{3}M + \frac{N}{3}A)$

f (E, F b, D) = E \times F b \times \frac{1}{D}

$f(E, Fb, D) = E \times Fb \times \frac{1}{D}$

boarding strategy score = f (T L, T g, T s, W, M, A, N) \times f (E, F b, D)

$\mbox{boarding strategy score}=f(TL, Tg, Ts, W, M, A, N) \times f(E, Fb, D)$

我将在进行更多模拟的同时开始分配权重（我了解Mythbusters示例仅针对每种策略指的是单项试验）。

我认为，优缺点不是来自方程本身，而是来自方法论。如果没有更可靠的实验数据，上述所有方程式甚至更多因素都是有争议的。

我也不会在模型中添加“钱”，而是为航空公司增加值 VS 为旅客附加值，事情会很容易地升级：你可能会发现，使人们在隧道和排队等候进入飞机酿，或在机场等待延误或航班取消，可能会增加广告牌的展览时间，从而增加机场服务的潜在收入，因此会产生延误的效用。

— erpreciso
source