Nano Hash - криптовалюты, майнинг, программирование

Создание неповторяющихся случайных групп людей

Так что на самом деле это не вопрос информатики, но я предполагаю, что решение лежит в информатике.

У нас есть группа из 100 студентов, которые должны обсуждать друг с другом. Для этого мы хотим разделить их на 10 групп по 10 человек. Мы хотим провести три раунда обсуждений, однако мы хотим, чтобы группы каждый раз были разными. Ни один человек не должен сидеть с одним и тем же человеком дважды.

Скажем, мы назначаем группам буквы abcdefghij (10) Person1 получает Round1:A Round2:B Round3:C Person2 получает Round1:A, но тогда не может иметь Round2:B или Round3:C, потому что тогда они встретятся снова.

Делать это вручную звучит довольно безумно, и я уверен, что для этого есть довольно простое решение. Может быть, даже программа, которая делает именно это, но я просто не могу найти или не знаю, что искать...

К сожалению, у меня нет никаких навыков в программировании, но, может быть, это можно сделать даже в Excel или что-то в этом роде?

Вся помощь или советы приветствуются. Спасибо, что нашли время!

29.04.2015

  • Я уверен, что люди на math.stackexchange.com ответят на этот вопрос в кратчайшие сроки, учитывая, что этот вопрос, похоже, не смотрит для ответа по программированию. 29.04.2015
  • Я голосую за то, чтобы закрыть этот вопрос как не по теме, потому что он лучше всего подходит для math.stackexchange.com. 29.04.2015

Ответы:


1

Да, это можно сделать в экселе. Вам просто нужен трехэтапный подход:

  1. Смешайте студентов в случайном порядке.
  2. Создайте один набор миксов, которые не повторяют учеников.
  3. Применить преобразование порядка к ученикам

Самый сложный - второй.

Примерная смесь:

Так как порядок учеников случайный, вы можете легко разделить их на 10 групп по десять человек. Итак, мы завершили первое обсуждение.

Для второго обсуждения вы можете взять 1-го человека из каждой группы (взять каждого 10-го человека), так как они не были в тех же группах в 1-й раз.

Затем взять 1-го человека из 1-й группы, 2-го из 2-й, 3-го из 3-й. Таким образом, вы можете четко видеть, что ни один человек не находится с одним и тем же человеком в группе. Для остальных групп просто идите с разными стартами, поэтому 1-й человек из 2-й группы идет со 2-м человеком в 3-ю группу и т. д.

Хотя это не единственное решение, его достаточно легко реализовать. Можно даже в экселе.

29.04.2015

2

Если вам нужно всего три раунда, вы, вероятно, можете обойтись «разностной схемой» или даже случайным процессом в сочетании с отказом от неподходящих схем. Однако, если вы можете немного изменить число 100, вы можете получить более интересные результаты.

Например, легко построить так называемые «разрешимые сбалансированные неполные блочные схемы» на наборе из 81 элемента, 9 групп, причем ни одна пара не появляется в группе более одного раза. Вы можете сделать это с помощью системной команды sage echo 'print(designs.AffineGeometryDesign(2,1,9))' | sage > output.txt. К сожалению, sage печатает блоки в лексикографическом порядке, но вы можете легко переставить их в более удобном порядке. Точно так же print(designs.AffineGeometryDesign(2,1,11)) обеспечивает блочный дизайн со 121 элементом в группах по 11. Использование 10 вместо 9 или 11 не работает: число должно быть степенью простого числа.

Вывод этих команд довольно длинный, поэтому я сделаю более простой пример с 4 вместо 9. Вывод

AffineGeometryDesign<points=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15], 
blocks=[[0, 1, 2, 3], [0, 4, 8, 12], [0, 5, 10, 15], [0, 6, 11, 13], [0, 7, 9, 14], 
[1, 4, 11, 14], [1, 5, 9, 13], [1, 6, 8, 15], [1, 7, 10, 12], [2, 4, 9, 15], 
[2, 5, 11, 12], [2, 6, 10, 14], [2, 7, 8, 13], [3, 4, 10, 13], [3, 5, 8, 14], 
[3, 6, 9, 12], [3, 7, 11, 15], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15]]>

points просто дает нумерацию точек; обратите внимание, что он начинается с 0 вместо 1, и что всего 16 точек. Интереснее blocks. Мы можем переставить блоки следующим образом:

[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11], [12, 13, 14, 15]
[0, 4, 8, 12], [1, 5, 9, 13], [2, 6, 10, 14], [3, 7, 11, 15]
[0, 5, 10, 15], [1, 4, 11, 14], [2, 7, 8, 13], [3, 6, 9, 12] 
[0, 6, 11, 13], [1, 7, 10, 12], [2, 4, 9, 15], [3, 5, 8, 14]
[0, 7, 9, 14], [1, 6, 8, 15], [2, 5, 11, 12], [3, 4, 10, 13]  

Каждая строка покрывает основное множество с 4 непересекающимися подмножествами. Выберите любую пару чисел, и вы обнаружите, что они находятся в одном и только одном блоке вместе. Это позволяет вам выйти за рамки трех раундов в случаях, когда существует rBIBD.

Один из способов справиться со 100 учениками — добавить 21 «фальшивого» ученика (которые могут быть просто пустыми заполнителями или могут быть учителями, ассистентами преподавателей, научными сотрудниками и т. д.) и использовать сгенерированный (121,11,1)-rBIBD. от Сейдж.

30.04.2015
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..