Algorithm 优化事件到日期的分布

我的问题是找到3个晚上k个事件的最佳分布。例如，k=8个活动应在这3个晚上平均分配：

• 第1晚：活动A、B、C
• 第二晚：活动D、E、F
• 晚上3：活动G、H

另一方面，我有一群人必须参加不同的活动，比如：

• 第1人：事件A、E、F
• 第2人：事件B、E、H
• 第三人：事件A

问题是：我如何才能找到晚上活动的最佳分布，从而使人们的乘车次数最小化

就上面的例子而言，我知道有560种不同的可能性在3个晚上分发8项活动。

---

我可以强迫他们并比较所需的骑乘次数，但希望找到更好的选择。

这相当于使用连通性目标（λ-1）进行超图分区。hypergraph的节点是事件。hyperedge对应于人员，每个hyperedge连接相应人员必须参加的活动

---

有大量关于超图分区的文献和大量的实现。我先说。

什么是“搭便车”？一次活动之旅？如果你在一个晚上有两个活动，那是指2次、3次还是4次？有些事件是同时发生的吗？你想如何减少乘坐次数？一个人玩三次游戏比两个人玩两次游戏好还是坏？约束条件如何？从你的例子来看，似乎你不必分发所有事件，也可以使用事件两次。啊，现在我明白了（我想）。每个人的活动都是给定的，您可以搜索晚上活动的最佳分布，这样人们就可以共享活动的车程。嗨，tobias_k，感谢您的评论，并对误解表示抱歉。骑行是指往返于活动现场的旅程。没有计划人们可以共享乘车。这只是一个晚上有多少人开车去的地方。就像第1个人的例子一样，如果所有事件A、E和F都在同一个晚上（1次旅行），那就太好了。最糟糕的情况是，如果他们都在不同的晚上（3次旅行）。