基于参数和约束匹配数据

Question

我一直在研究 k 最近邻算法，因为我可能会在不久的将来开发一个匹配战士（拳击手）的应用程序。

我提出这个问题的原因是，根据规则集，根据多个参数和约束条件来确定approach/algorithm匹配战士时使用哪个最好。

每个战士的相关属性如下：

年龄（战士将被分配到一个年龄组（15、17、19、精英）
体重
战斗次数

现在有一些关于匹配战士时允许的规则集：

战士之间最多间隔2年（除非是精英）
重量最多相差 3 公斤

现在显然是完美匹配，所有与会者都与符合规则集的另一名拳击手匹配。并且最主要的优先事项是尽可能多地匹配彼此的战士。

K-nn 是可行的方法还是有更好的方法？如果是哪个？

Answer 1

评论太长了。

为了使用 K-nn 获得最佳结果，我建议使用主成分。这些允许您使用更多的维度并通过 space 很好地传播数据以获得良好的邻域。

关于合并现有规则，您有两种选择。也许，最好的方法是将它构建到你的距离函数中。或者，您可以采用较大的邻域并将其构建到组合函数中。

Answer 2

我会选择 k 最近邻搜索。由于您的数据集是低维 space（即 3），我会使用 CGAL 来执行任务。

现在，您唯一需要做的就是像这样创建一个距离函数：

float boxers_dist(Boxer a, Boxer b) {
  if(abs(a.year - b.year) > 2 || abs(a.weight - b.weight) > e)
    return inf;
  // think how you should use the 3 dimensions you have, to compute distance
}

你已经完成了......现在去战斗吧！

基于参数和约束匹配数据

Matching data based on parameters and constraints

sorting

algorithm

nearest-neighbor