Algorithm 算法:将n个任务分配给k>;n人,每个人都可以执行这些任务的一个子集
我正试图为以下问题找到一个有效的解决方案: 问题: 假设我有一些任务(A、A、B、B、C),我有一些人可以执行其中一项或多项任务:Algorithm 算法:将n个任务分配给k>;n人,每个人都可以执行这些任务的一个子集,algorithm,variable-assignment,jobs,distribute,Algorithm,Variable Assignment,Jobs,Distribute,我正试图为以下问题找到一个有效的解决方案: 问题: 假设我有一些任务(A、A、B、B、C),我有一些人可以执行其中一项或多项任务: 人员1:A,B(人员1可以执行任务A或任务B) 人2:A,C 人物3:A 人4:B,C 人5:A,B 有可能把我所有的任务都交给这些人吗?一个人只能做一件事 可能有多种解决方案,但我只想知道是否有解决方案 我第一次尝试有效地解决这个问题是: 如果一个人只能完成一项任务,请将该任务分配给该人 如果一项任务需要做n次,并且有n个人可以做 此任务,将此任务分配给这n
- 人员1:A,B(人员1可以执行任务A或任务B)
- 人2:A,C
- 人物3:A
- 人4:B,C
- 人5:A,B
- 如果一个人只能完成一项任务,请将该任务分配给该人
- 如果一项任务需要做n次,并且有n个人可以做 此任务,将此任务分配给这n个人
- 2个人可以做B,B需要做两次。
- 剩下的任务:A、A、C
- 左边的人:[A,C],[A],[B,C]
- 2个人可以做一个。
- 剩下的任务:C
- 剩余人员:[B、C]
谢谢阅读:)是的,有一个有效的算法。这是最大二部匹配问题的一个实例。您要做的是创建一个二部图,其中节点是人员和任务,并且有一条边将每个人与他们能够执行的每个任务连接起来。将人员分配给任务将对应于此图的匹配 这方面的算法并不十分简单,但可以有效地执行,例如:
是的,有一种有效的算法。这是最大二部匹配问题的一个实例。您要做的是创建一个二部图,其中节点是人员和任务,并且有一条边将每个人与他们能够执行的每个任务连接起来。将人员分配给任务将对应于此图的匹配 这方面的算法并不十分简单,但可以有效地执行,例如:
有效解决这一问题的一种方法是将其表述为一个整体 在人员和他们可以完成的任务之间添加边(容量1) 还可以在起点和每个人之间添加边(容量1) 以及任务和目标之间的边缘(容量=该任务需要完成的次数) 示例Python代码使用:
有效解决这一问题的一种方法是将其表述为一个整体 在人员和他们可以完成的任务之间添加边(容量1) 还可以在起点和每个人之间添加边(容量1) 以及任务和目标之间的边缘(容量=该任务需要完成的次数) 示例Python代码使用:
import networkx as nx
from collections import Counter
jobs = 'IGGGFFDDCCBBB'
people = 'ABCDEFG CEI BEI CEFGI CEGI ADGI CEGI CI ADG BEI DI BCDEFI ABDF ABEFG BCEGI ACDI BD ABE BCDEFGI'
G=nx.DiGraph()
for person,tasks in enumerate(people.split()):
P = 'person'+str(person)
G.add_edge('start',P,capacity=1.0) # One person can do one thing
for task in tasks:
G.add_edge(P,'task'+task,capacity=1.0) # This person can do this task
C = Counter(jobs)
for task,count in C.items():
G.add_edge('task'+task,'end',capacity=count) # Task appears count times in our job list
print nx.max_flow(G,'start','end') >= len(jobs)