Question

我有一个玩家技能等级，年龄和性别的数据集，并希望创建均匀匹配的团队。

球队将拥有相同数量的球员（目前有8支球队，共有12名球员）。
团队应该具有相同或相似的男女比例。
团队应该有相似的年龄曲线/分布。

我想在Haskell中尝试这个，但编码语言的选择是这个问题最不重要的方面。

Answer 1

这是bin packing problem或multi-dimensional knapsack problem。 BjörnB。Brandenburg已经发现了a bin packing heuristics library in Haskell你可能会觉得有用。

你需要像...这样的东西。

data Player = P { skill :: Int, gender :: Bool, age :: Int }

决定一些球队n（我猜这是球员总数的函数）。

找到每个团队所需的总技能：

teamSkill n ps = sum (map skill ps) / n

找出理想的性别比例：

genderRatio ps = sum (map (\x -> if gender x then 1 else 0)) / length ps

找出理想的年龄差异（您需要Math.Statistics包）：

ageDist ps = pvar (map age ps)

你必须为这三个约束分配一些权重，以便为给定的团队得分：

score skillW genderW ageW team = skillW * sk + genderW * g + ageW * a
  where (sk, (g, a)) = (teamSkill 1 &&& genderRatio &&& ageDist) team

问题减少到团队之间得分差异的最小化。蛮力方法将花费与Θ（n ^k-1）成比例的时间。考虑到你的问题的规模（8个团队，每个团队12个玩家），这相当于在典型的现代PC上大约6到24小时。

修改

一种可能适合您的方法（因为您在实践中不需要精确的解决方案）是模拟退火，或通过随机排列持续改进：

随机挑选团队。

获取此配置的分数（见上文）。

在两个或更多球队之间随机交换球员。

获取新配置的分数。如果它比前一个更好，请保留它并递归到第3步。否则丢弃新配置并再次尝试第3步。

当某些固定次数的迭代没有得到改善时（试验找到该曲线的拐点），停止。此时您所拥有的配置可能足够接近理想状态。运行此算法几次，以确保您没有达到比理想情况差得多的局部最优值。

Answer 2

考虑到每支球队的球员数量和性别比例（您可以轻松计算）。剩下的问题叫做n-partition problem，遗憾的是NP完全，因此很难准确解决。如果您的问题规模对于暴力解决方案来说太大，您将不得不使用近似或启发式算法（进化算法）。一个非常简单的近似是按年龄排序并以交替方式分配。

Answer 3

将分值指定为技能级别，性别和年龄
为每个玩家分配每个条件的积分总和
按玩家计算的分值排序玩家
将下一位玩家分配给第一支队伍
将球员分配给第二支球队，直至其总分数超过第一支球队或球队达到最大球员数。
为每个团队执行5，循环回到第一个团队，直到所有玩家都被分配

您可以调整技能等级，性别和年龄点值，以更改每个值的分布。

Answer 4

假设您有六个玩家（对于简单的示例）。我们可以使用相同的算法，在单淘汰赛中将对手配对，并根据您选择的任何标准调整以生成“偶数”球队。

首先让你的球员排名最差。不要太过于字面意思。您需要一个按照您希望分开的标准排序的玩家列表。

为什么？

让我们看一下单场淘汰赛。使用算法生成最佳单次消除匹配的想法是避免在锦标赛中过早召开“顶级球员”会议的问题。如果顶级球员太早见面，其中一名顶级球员将在早期被淘汰，这使得比赛变得不那么有趣了。我们可以使用这种“最佳”配对来生成团队，其中“顶级”玩家在团队中均匀分布。然后展开第二名顶级球员等等。

所以按照你希望他们分开的标准列出你的球员：先是男人，然后是女人......按年龄排序。我们得到（例如）：

Player 1: Male - 18
Player 2: Male - 26
Player 3: Male - 45
Player 4: Female - 18
Player 5: Female - 26
Player 6: Female - 45

然后我们将应用单消除算法，该算法使用他们的“等级”（这只是他们的玩家编号）来创建“良好匹配”。

单淘汰赛锦标赛生成器基本上是这样的：取他们的等级（玩家编号）并反转位（二进制）。你提出的这个新号码将成为他们在锦标赛中的“位置”。

Player 1 in binary (001), reversed becomes 100 (4 decimal) = slot 4
Player 2 in binary (010), reversed becomes 010 (2 decimal) = slot 2
Player 3 in binary (011), reversed becomes 110 (6 decimal) = slot 6
Player 4 in binary (100), reversed becomes 001 (1 decimal) = slot 1
Player 5 in binary (101), reversed becomes 101 (5 decimal) = slot 5
Player 6 in binary (110), reversed becomes 011 (3 decimal) = slot 3

在单淘汰锦标赛中，1号位插槽2，3-vs-4,5-vs-6。我们将使用这些“配对”来生成最佳团队。

查看上面的玩家编号，按照他们的“插槽编号”排序，这是我们提供的列表：

Slot 1: Female - 18
Slot 2: Male - 26
Slot 3: Female - 45

Slot 4: Male - 18
Slot 5: Female - 26
Slot 6: Male - 45

当你将老虎机分成小组（两个或更多）时，你会得到1-3号位的队员和4-6位的队员。这是您可以获得的最佳/最佳分组。

这项技术可以与更多玩家，多个标准（只是正确地将它们组合在一起）以及多个团队进行非常好的扩展。

Answer 5

两支球队几乎无足轻重的方法：

按技能/等级评估对所有玩家进行排序。
为A队分配最佳球员。
为B队分配下一个两个最佳球员
为团队A分配下一个两个最佳玩家
转到3
当你没有参加比赛时结束。

不是很灵活，只适用于一个列排名，所以它不会尝试获得类似的性别或年龄档案。但如果输入分布相当平稳，它确实会使公平匹配的团队成为可能。另外，当有一个奇数时，它并不总是以A队有剩余球员。

Answer 6

点子：

按技能排序球员
按顺序分配最佳球员（即：球队A：第一球员，球队B：第二球员，......）
按顺序分配最差玩家
循环2
评估可能的更正并执行它们（即：如果A队的总技能为19，技能为5的球员，B队的技能为21，技能为4的球员，则互换）
评估性别分布的可能更正并执行它们
评估可能的年龄分布修正并执行它们

Answer 7

那么，

我的答案不是关于球队/球员的得分策略，因为所有发布的都很好，但我会尝试暴力或随机搜索< / em>方法。我不认为创建遗传算法是值得的。

问候。

根据玩家排名创建公平/均匀匹配的团队的算法

7 个答案: