Question

我正在尝试根据以下思路创建算法：

-创建8位参与者

-每个参与者都有一套兴趣爱好

-与其他兴趣最少的参与者配对

因此，到目前为止，我要做的是创建两个类，即Participant和Interest，其中Interest是可哈希的，这样我就可以用它创建Set。我手动创建了8个具有不同名称和兴趣的参与者。

我已经选择了一组参与者，并且使用了一个基本的for in loop来使用sets的交集（）函数将他们稍微配对在一起。不知何故我的索引总是超出范围，我很肯定有更好的方法可以做到这一点，但是它太乱了，我不知道从哪里开始。

for i in 0..<participantsSelected.count {
    if participantsSelected[i].interest.intersection(participantsSelected[i+1].interest) == [] {
        participantsSelected.remove(at: i)
        participantsSelected.remove(at: i+1)
        print (participantsSelected.count)
    }
}

因此，我的另一个问题是针对此特定算法使用for循环似乎也有些偏离，因为如果它们都具有1个相似的兴趣，那将不等于[] / nil。

基本上，我正在尝试的输出是在配对后将它们从参与者选定的数组中删除，并且要使其配对，它们将必须与彼此兴趣最少的另一个参与者在一起

编辑：更新的代码，这是我尝试改善算法逻辑的尝试

for participant in 0..<participantsSelected {
    var maxInterestIndex = 10
    var currentIndex = 1
    for _ in 0..<participantsSelected {
        print (participant)
        print (currentIndex)
        let score = participantsAvailable[participant].interest.intersection(participantsAvailable[currentIndex].interest)
        print ("testing score, \(score.count)")
        if score.count < maxInterestIndex {
            maxInterestIndex = score.count
            print ("test, \(maxInterestIndex)")
        } else {
            pairsCreated.append(participantsAvailable[participant])
            pairsCreated.append(participantsAvailable[currentIndex])
            break
//            participantsAvailable.remove(at: participant)
//            participantsAvailable.remove(at: pairing)
        }
        currentIndex = currentIndex + 1
    }
}

for i in 0..<pairsCreated.count {
    print (pairsCreated[i].name)
}

Answer 1

如果您要寻找的是与您的参与者（所有参与者）最佳匹配的标准，这是一种解决方案：
然后的方法是在参与者图中找到完美的匹配。
创建一个具有n个顶点的图形，其中n是参与者的数量。我们可以用u_p表示与参与者p相对应的顶点。
然后，如下创建加权边：
对于每对参与者p, q（p！= q），创建边(u_p, u_q)，并用这两个参与者共同拥有的兴趣数量对其进行加权。
然后，在图形上运行最小权重完美匹配算法，即可完成工作。您将在多项式时间内获得最佳结果（意味着最好的匹配，或最好的匹配之一）。

最小权重完美匹配算法：该问题严格等效于最大权重匹配算法。找到最大重量的边缘（用C表示其重量）。然后将每个边的权重w替换为C-w，然后在结果图上运行最大权重匹配算法。

我建议您使用Edmond's blossom algorithm在您的图表中找到完美的匹配项。首先是因为它高效且有据可查，其次是因为我相信您可以在大多数现有语言中找到实现，而且还因为它确实是一种非常非常漂亮的算法（它没有花钱就没有花）。

另一种可能性，如果您确定参与者的数量会很少（您提到8个），那么您也可以采用蛮力算法，这意味着可以测试与参与者配对的所有可能方式。然后该算法将如下所示：

find_best_matching(participants, interests, pairs):
    if all participants have been paired:
        return sum(cost(p1, p2) for p1, p2 in pairs), pairs  // cost(p1, p2) = number of interests in common
    else:
        p = some participant which is not paired yet
        best_sum = + infinite
        best_pairs = empty_set
        for all participants q which have not been paired, q != p:
            add (p, q) to pairs
            current_sum, current_pairs = find_best_matching(participants, interests, pairs)
            if current_sum < best_sum:
                best_sum = current_sum
                best_pairs = current_pairs
            remove (p, q) from pairs
        return best_sum, best_pairs

最初使用find_best_matching(participants, interests, empty_set_of_pairs)进行调用，以获得匹配参与者的最佳方法。

有什么比for循环更好的方法来实现涉及集合的算法？

1 个答案: