基于参数和约束匹配数据

Question

我一直在研究k近邻算法，因为我可能正在开发一个在不久的将来匹配战士（拳击手）的应用程序。

我的问题的原因是，根据规则集，找出基于多个参数和约束匹配战斗机时使用的最佳方法/算法。

每架战斗机的相关属性如下：

• 年龄（战士将被分配到一个年龄组（15,17,19，精英）
• 重量
• 战斗量

现在有一些规则集可用于匹配战士时可以允许的内容：

• 战士之间最长2年（除非是精英）
• 最大重量差异为3千克

现在显然是完美匹配，所有与会者都会与另一个符合规则集的拳击手相匹配。 而主要的优先事项是尽可能多地匹配战士。

K-nn是走的路还是有更好的方法？ 如果是这样的话？

Answer 1

评论太长了。

为了获得K-nn的最佳结果，我建议使用主要成分。这些允许您使用更多维度，并且可以很好地将数据传播到整个空间，以获得良好的社区。

至于合并现有规则，您有两种选择。也许，最好的方法是将它构建到你的距离函数中。或者，您可以将一个大的邻域并将其构建到组合函数中。

Answer 2

我会选择k-Nearest Neighbor搜索。由于您的数据集位于低维空间（即3），因此我将使用CGAL来执行任务。

现在，您唯一需要做的就是创建一个这样的距离函数：

float boxers_dist(Boxer a, Boxer b) {
  if(abs(a.year - b.year) > 2 || abs(a.weight - b.weight) > e)
    return inf;
  // think how you should use the 3 dimensions you have, to compute distance
}

你完成了......现在去战斗吧！