Question

我正在尝试制作一个程序（带有GUI）来解析文本文件输入，并创建一个“奇偶圈”，String(byte[] bytes, Charset charset)。

举一个简单的例子，让我们说Aaron，Bob和Chuck正在玩摇滚剪刀，并且：

Aaron击败Bob
鲍勃击败查克
Chuck击败Aaron

然后，存在奇偶性圈：Aaron＆gt;鲍勃＆gt; Chuck＆gt;亚伦（和重复）。通过（不合逻辑的）归纳推理，可以说鲍勃在石头剪刀上比亚伦更好，尽管鲍勃输给了亚伦。

但是，如果：

Aaron击败Bob
鲍勃失去所有比赛
Chuck击败Aaron

然后不存在奇偶校验圈。每个人必须至少有一个胜利和一个存在一个完整的奇偶圈的1个损失。因此，对于我来说，在具有最少胜/亏的个人/团队/节点进行分析似乎是合乎逻辑的。

最后，如果：

Aaron击败Bob＆amp;卡盘
鲍勃失去所有比赛
Chuck击败Bob＆amp;亚伦

然后存在不完整的奇偶圈：Aaron＆gt; Chuck＆gt;亚伦。

在我的计划中，每个团队/个人都会列出所有已经击败的团队，并且该计划将与大量团队（30岁以上）打交道，因此效率总是很好。我还可以实现它丢失的所有球队的列表。有关如何实现算法以通过这些列表的任何建议？提前谢谢！

Answer 1

我认为这是https://en.wikipedia.org/wiki/Hamiltonian_path_problem，其中没有已知的有效算法。对于小图，回溯搜索可能是可行的。有一个动态编程解决方案，理论上比回溯搜索更快 - 但这只是从大约O（n！）到O（n ^ 2 * 2 ^ n）的变化

Answer 2

只是为了好玩，考虑一下......（免责声明：现在已经很晚了，我只是头脑风暴:-)）

我正在努力解决用图论解决这个问题的好处。
假设您构建了一个捕获每个游戏的图表。
你将如何遍历它以产生分数？你必须跟踪一个＆＃34;访问过的＆＃34;列表为每个球员得分，递归城市。你似乎必须为每个玩家进行详尽的遍历。
为O（n ^哎哟）

所以...告诉我这是否合理：

Example Games:
A/B: winner.A
B/C: winner.B
C/A: winner.C

explicit (using vict since same # letters as loss):
A.vict.B   B.loss.A
B.vict.C   C.loss.B
C.vict.A   A.loss.C

Breaking all these out:
:   raw     : simple sort  :
: A.vict.B  : A.loss.C     :
: B.loss.A  : A.vict.B     :
: B.vict.C  : B.loss.A     :
: C.loss.B  : B.vict.C     :
: C.vict.A  : C.loss.B     :
: A.loss.C  : C.vict.A     :


Grouped by loss vs. vict:
A:  loss[ C ]   vict [ B ]
B:  loss[ A ]   vict [ C ]
C:  loss[ B ]   vict [ A ]

为你的球员排名......
从他们的净胜利开始呢？

在上面的例子中，每个人都有零赢，所以所有人都同样强（或弱）。

或者代替净赢，可能是每个玩家的winLossRatio。上述示例中的所有玩家将具有0.5的比率（例如，总共1场胜利/ 2场比赛）。
然后根据对手的力量为你赢得（和损失）的地方产生一个加权的赢利。

这可能更好，因为SQL更新数据库表...
但是这个想法的草图遵循伪java ...

Class Player {
   //something to track all players.
   //and I suppose to load their wins & losses.
   static updateScores() {
      foreach player ( players ) {
         player.updateWinLossRatio();
      }
      // have to update ratios before computing scores using those ratios.
      foreach player ( players ) {
         player.updateWeightedScores();
      }
   }
   updateWinLossRatio() {
      // want #wins / totalGames
      winLossRatio = victories.size() / (victories.size() + losses.size() );
      // add check for zero and stuff.
   }
   updateWeightedScore() {
      weightedWinLoss = 0;
      foreach opponent ( victories ) {
         weightedWinLoss += opponent.winLossRatio;
         // this sort of already reduces credit for weak opponents,
         // since their win ratio would be pretty small.
      }
      foreach opponent ( losses ) {
         weightedWinLoss -= opponent.winLossRatio;
         // might want to penalize by inverse of opponents strength.
         // e.g. losing to a super weak opponent should hurt more.
         // so maybe:
         //    weightedWinLoss -= 1 / opponent.winLossRatio;
      }
   }
}

如果我这样做，我想在我的测试数据上运行一些公式，绘制结果曲线并调整它直到看起来合理。您可能希望缩放分数，如果比率计算为log（wins）/ log（totalgames）或者你有什么，可能看起来更好。

制作奇偶圈的算法？

2 个答案: