办公室分配方案python_1.1python解决数学建模之席位分配问题

本文详细介绍了比例法、Q值法和d'Hondt方法在席位分配中的应用,包括算法实现和公平度评估。比例法直观易懂,Q值法则考虑了相对不公平度,d'Hondt法则通过计算比例的商数来确保均衡。三种方法适用于不同场景,有助于实现更公正的资源分配。
摘要由CSDN通过智能技术生成

一:上代码

#比例法

def rate_method(p,n):

lst =[] #保存各组席位数

sum_ =sum(p) #人数和

k =0#临时变量

for i in p:

lst.append(i/sum_*n)

k += int(i/sum_*n)

while k!=n:

max_ =0

for i in lst:

max_ =i if (i -int(i)) > max_- int(max_)else max_ #小鼠的比较

lst[lst.index(max_)] =int(max_) +1

k +=1

for i in lst:

lst[lst.index(i)] =int(i)

print(lst)

#Q值法:

def q_value(p,n): #p:保存各组人数的列表,n:席位数

lst =[] #保存各组席位数

for i in p:

lst.append(1) #初始席位数都为1

lst_ =lst[:] #临时列表,保存各组Q值

for i in range(n-len(p)):

for i in range(len(p)):

lst_[i] =p[i]*p[i]/(lst[i]+1)/lst[i]

max_index=lst_.index(max(lst_))

lst[max_index] +=1

print(lst)

#d'Hondt 方法

def d_Hondt(p,n): #p必须以大到小顺序排序

lst =[] #保存各组席位数

a,b=0,0 #保存比值,下一项比值

for i in p:

lst.append(0) #初始席位数都为0

for i in range(n):

for j in range(len(p)):

a =p[j]/(i+1)

if b>a:

break

b =p[j]/(i+2)

lst[j] += 1

if sum(lst) ==n: #放在第一个循环内,是考虑到不太可能只除了1就分配好了

break

print(lst)

if __name__ =='__main__':

p =[432,333,235] #从大到小比较好,为了一次性使用所有方法

n =10

rate_method(p,n)

q_value(p,n)

d_Hondt(p,n)

二:席位分配常用的三种方法:

1.比例分配 :公平而又简单

2.Q值法:(摘自:数学模型-姜启源-)

设两方人数分别 p1 和 p2 ,占有席位分别是 n1 和 n2 ,则两方每个席位代表的人数分别为 p1/n1 和 p2/n2 .显然仅当 p1/n1 = p2/n2 时席位的分配才是公平的.但是因为人数和席 位都是整数,所以通常 p1/n1 ≠ p2/n2 ,这时席位分配不公平,并且 pi ni (i= 1, 2)数值较大的一方吃亏,或者说对这一方不公平.

不妨假设 p1/n1 > p2/n2 ,不公平程度可用数值 p1/n1 - p2/n2 衡量.如设 p1 = 120, p2 = 100, n1 = n2 = 10,则 p1/n1 - p2/n2 = 12 - 10 = 2,它衡量的是不 公平的绝对程度,常常无法区分两种程度明显不同的不公平情况.例如上述双方 人数增加为 p1 = 1 020 和 p2 = 1 000,而席位 n1 , n2 不变时, p1/n1 - p2/n2 = 102 - 100 = 2,即绝对不公平程度不变.但是常识告诉我们,后面这种情况的不公 平程度比起前面来已经大为改善了.

为了改进上述绝对标准,自然想到用相对标准.仍记 p1 , p2 为 A, B 两方的 固定人数, n1 , n2 为两方分配的席位(可变),若 p1/n1 > p2/n2 ,则定义

rA ( n1 , n2 ) =(p1 /n1 - p2 /n2)/( p2 /n2)     (1) 为对 A 的相对不公平度.

若 p2 n2 > p1 n1 ,则定义

rB ( n1 , n2 ) =(p2 /n2 - p1/ n1 )/(p1 n1)    (2)    为对 B 的相对不公平度

建立了衡量分配不公平程度的数量指标 rA ,rB 后,制定席位分配方案的原 则是使它们尽可能小. 确定分配方案 假设 A, B 两方已分别占有 n1 和 n2 席,利用相对不公平 度 rA 和 rB 讨论,当总席位增加 1 席时,应该分配给 A 还是 B. 不失一般性可设 p1 /n1 > p2 /n2 ,即对 A 不公平.当再分配 1 个席位时,关 于 pi ni (i= 1,2)的不等式可能有以下 3 种情况: 1 . p1/ ( n1 + 1) > p2 /n2 ,这说明即使 A 方增加 1 席,仍然对 A 不公平,所以 这一席显然应分给 A 方. 2 . p1 /(n1 + 1) < p2 /n2 ,说明当 A 方增加 1 席时将变为对 B 不公平,参照 (2)式可计算出对 B 的相对不公平度为rB ( n1 + 1, n2 ) =p2 /(n1 + 1) /(p1 /n2)- 1     (3)3 . p1 /n1 > p2/ ( n2 + 1),即当 B 方增加 1 席时将对 A 不公平,参照(1)式可 计算出对 A 的相对不公平度为

rA ( n1 , n2 + 1) =p1 (/ n2 + 1) (p2/ n1) - 1     (4)

(不可能出现 p1 /n1 < p2 /( n2 + 1)的情况.为什么 ?) 因为公平分配席位的原则是使得相对不公平度尽可能地小,所以如果 rB ( n1 + 1, n2 ) < rA ( n1 , n2 + 1) (5) 则这 1 席应分给 A 方;反之则分给 B 方.根据(3),(4)两式,(5)式等价于 (p2 ^2) /(n2 (n2 + 1) )< (p1^2 )/ n1 ( n1 + 1) (6) 还不难证明,上述第 1 种情况的 p1 /( n1 + 1) > p2 /n2 也会导致(6)式.于是我们 的结论是:当(6)式成立时增加的 1 席应分给 A 方,反之则分给 B 方.或者,若记 Qi =( p i^2)/ (ni( ni + 1)),i= 1,2,则增加的 1 席应分给 Q 值较大的一方. 上述方法可以推广到有 m 方分配席位的情况.设第 i 方人数为 pi,已占有 ni 个席位,i= 1,2,⋯, m.当总席位增加 1 席时,计算

Qi =(pi^2)/(ni( ni + 1)), i= 1,2,⋯, m    (7)

应将这一席分给 Q 值最大的一方.这种席位分配方法称 Q 值法.

3.d’ Hondt 方法:

将各组人数用正整数 n = 1, 2, 3,⋯相除,将所得商数从大到小取前 n个(n 为席位数)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这是一个简单的席位分配问题Python 代码实现。 ```python import numpy as np # 定义数据 n = 5 # 选手数目 m = 3 # 席位数目 a = np.array([[1, 2, 3], [2, 3, 1], [3, 1, 2], [2, 1, 3], [3, 2, 1]]) # 选手对席位的偏好程度 # 初始化席位分配结果 x = np.zeros((n, m)) # 进行席位分配 for j in range(m): # 计算每个选手对当前席位的偏好程度之和 s = np.sum(a * (x == j), axis=1) # 找到偏好程度之和最大的选手 i_max = np.argmax(s) # 将席位分配给该选手 x[i_max, j] = 1 print(x) ``` 输出结果: ``` [[1. 0. 0.] [0. 1. 0.] [0. 0. 1.] [0. 0. 0.] [0. 0. 0.]] ``` 说明: - `n` 表示选手数目,`m` 表示席位数目。 - `a` 是一个 $n \times m$ 的矩阵,表示每个选手对每个席位的偏好程度。 - `x` 是一个 $n \times m$ 的矩阵,表示席位分配结果。其中,如果第 $i$ 个选手被分配到第 $j$ 个席位,则 $x_{ij} = 1$,否则 $x_{ij} = 0$。 - 在代码中,我们首先初始化了席位分配结果 `x`,然后按照以下步骤进行席位分配: 1. 对于每个席位 `j`,计算每个选手对该席位的偏好程度之和 `s`。 2. 找到偏好程度之和最大的选手,并将该席位分配给该选手。 3. 重复上述步骤,直到所有席位都被分配完毕。 这个问题的本质是一个线性规划问题,可以使用线性规划求解器来求解。不过,在选手数目和席位数目比较小的情况下,使用上述方法也可以得到较好的结果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值