基于价值累积平或物件数量累积平的一种分配算法思路

背景

之前做项目的时候遇到一个需求：假设有不同金额（价值）的物件，需要每天以下面两种方式分配到人，保证以自然月累积平，同时物件在第二天金额可能会发生变化或者物件从人A调整到人B，因此在第二天需要以最新的物件拥有情况分配新的物件数据。

• 优先金额平，其次数量平分配到人
• 优先数量平，其次金额平分配到人

针对上述需求，在基于大量数据金额随机分布的特征情况下，采用贪心思想的思路进行了实现。

前置条件

1.每天的物件具有一定数据量，金额随机分布
2.需要分配的物件列表$T_m$
3.要分配到的人列表$P_n$

实现思路

1.优先金额平，其次数量平

（1）对要分配的物件列表$T_m$进行排序，按金额降序排序；
（2）对要分配到的人列表$P_n$进行排序，按已分金额升序排序，如果已分金额相等，按已分物件数量升序排序；
（3）取$T_m$的第一个物件分配给$P_n$第一个人；
（4）将$P_n$第一个人与列表后面的人进行交换，直到满足第（2）步的排序要求；
（5）继续按第（3-4）进行分配，直到所有的物件分配完毕。

2.优先数量平，其次金额平

在这种分配方式中，先将物件列表$T_m$按金额降序进行排序，再将人列表$P_n$按已分数量升序排序，如果已分数量相同按金额升序排序。

思想
（1）第一次（第一天）分配时，$P_n$初始已分配金额和数量均为0，采用贪心将$T_m$剩余未分配物件中金额最大的一个分配给$P_n$的第一个人（该人已分数量最少，已分数量相同的情况下已分金额最少），每次分配后重排$P_n$使列表再次有序。$T_m$分配完成后，$P_n$每个人已分户数差距小于等于1（逐个分配策略）。
（2）再次（第二天）分配时，$P_n$的初始状态会出现两种情况：

• 已分数量与上一次的分配结果保持一致，但是物件价值的变化导致已分金额可能会有变化。采用（1）相同的贪心策略进行分配（逐个分配策略）。
• 已分数量与上一次的分配结果不一致，因为已分物件在人员之间的调整。在分配的时候需要优先填平已分数量最少的人，填平数量时的物件考虑不能直接取未分配物件金额最大的，为了保证已分金额的尽可能平均，需要在做填平操作时每次取金额最大和最小的物件进行分配（填平分配策略）。在做填平时，如果拥有最少数量的人数大于等于剩余物件数，直接采用逐个分配策略，完成分配。
  

伪代码

Begin
 
while(start<=end):
 
  判断填平标识fillFlag，Pn列表中人已分配物件最大数量-最小数量>1值为true,否则值为false
 
  if(fillFlag为false):
 
    //1.执行逐个分配策略
 
    while(start<=end):
 
        将一个物件分配给Pn第一个人
 
        调整Pn第一个人位置使列表重新有序
 
        start++
  else:
 
    //2.执行填平分配策略
 
    计算剩余未分配物件数remainThingCount和有最少物件数量的人数minPersonCount
 
    if(remainThingCount<=minPersonCount):
 
        //2.1逐个分配
 
        while(start<=end):
 
            将一个物件分配给Pn第一个人
 
            调整Pn第一个人位置使列表重新有序
 
            start++
 
    else:
 
        //2.2填平操作
 
        每次分配剩余物件金额最大和最小的两个给Pn第一个人
 
        调整Pn第一个人位置使列表重新有序
 
        start++
 
        end--
 
End

时间复杂度分析
$T_m$排序：$O(mlo{g}_m)$
$P_n$排序：$O(nlo{g}_n)$
$P_n$重排：$O(n)$
1.逐个分配策略：
$O(mlo{g}_m)$+ $O(nlo{g}_n)$+ $O(mn)$= $O(mn)$
2.填平分配策略：
$O(mlo{g}_m)$+ $O(nlo{g}_n)$+ $O(mn)$= $O(mn)$
时间复杂度：$O(mn)$