Algorithm 算法：消除不再有机会赢得比赛的玩家

我一直在研究这个问题的算法，但还没弄明白。问题如下：

在有X名球员参加的比赛中，每个球员都在赌NBA篮球比赛的结果

猜对比赛结果得3分，猜对比赛MVP得1分，猜错两个得0分

算法需要能够确定某个玩家是否无法在本次博彩游戏中达到1号位置。

例如，假设联盟中总共有30场比赛，那么一名球员猜对的最大得分是（3+1）*30=120

在下表中，您可以看到玩家X、Y和Z。 到目前为止，球员X猜对了20场比赛，所以他得了80分。 球员Y和Z分别得到26分和15分，由于只剩下10场比赛，即使他们正确地猜到了剩下的10场，也不足以进入第一名。 因此，该算法确定它们被从游戏中消除

团队 要点 每场比赛得分 全场比赛 可能的最大点数 剩下的比赛 可用积分 淘汰？ X 80 0-L 1-MVP 3-W 30 120 10 0-40 N Y 26 0-L 1-MVP 3-W 30 120 10 0-40 Y Z 15 0-L 1-MVP 3-W 30 120 10 0-40 Y

---

我不明白你为什么要研究非常复杂的最大流算法。对于非常复杂的事情可能需要这些（特别是当配对导致结果和顺序/剩余配对开始重要时->！更难做最坏情况分析）

也许你提到的棒球问题就是其中之一（没有检查）。但是您的用例听起来很琐碎

1。获取当前的领导者分数
2.获取剩余的匹配项N
3.对于每个玩家P
4.获得当前玩家的分数
5.消除iff PS+3*N但易于概括）

这很简单。根据您的描述，没有什么可以阻止我们对其他所有玩家的最坏情况性能进行评估，也就是说，所有其他玩家在接下来的所有猜测中都猜错了，这是一个有效的场景->玩家P的分数s可以在剩下的所有游戏中保持在s

---

当存在更复杂的边约束（例如统计分布/期望）时，事情可能很快就会变成NP难决策问题。

输入是什么？球员是否在本赛季的所有比赛中提前下注？我们知道他们的赌注吗？球员在每场比赛前下注，我们知道他们的赌注是的。我们只知道下一场比赛的赌注吗？或者我们知道下一场比赛的赌注，一场接一场，等等？

1. Get current leader score LS
2. Get remaining matches N
3. For each player P
  4. Get current player score PS
  5. Eliminate iff PS + 3 * N < LS

(assumes parallel progress: standings always synced to all players P have played M games
 -> easy to generalize though)