我有两组这种形式的数据:
x | y | z x1 | y1 | z1
ab1 | 1 | 2 ab1 | 1 | 2
ab1 | 2 | 3 ab1 | 1.8 | 2
ab2 | 2 | 3 ab1 | 1.8 | 2
列数可以在 1 到 30 之间变化。两组的行数很可能不同。 每组的平均行数可以在几百到几百万之间变化。 对于每一列,将应用不同的匹配规则,例如:
x: perfect match
y: +/- 0.1
z: +/- 0.5
当所有条件都满足时,两行是等价的。 我的最终目标是在第一组中找到第二组中没有匹配项的行。
朴素的算法可能是:
foreach a in SetA
{
foreach b in SetB
{
if (a == b)
{
remove b from SetB
process the next element in SetA
}
}
log a is not in SetB
}
现阶段我对算法的效率不是很感兴趣。我相信我可以做得更好,我可以降低复杂性。 我更关心结果的正确性。让我们尝试一个非常简单的例子。 两组数:
A B
1.6 1.55
1.5 1.45
4 3.2
如果满足以下条件,则两个元素相等:
b + 0.1 >= a >= b - 0.1
现在,如果我运行朴素算法,我将找到 2 个匹配项。 然而,算法的结果取决于两组的顺序。例如:
A B
1.5 1.55
1.6 1.45
4 3.2
该算法只会找到一个匹配项。
我想找到最大匹配行数。
我估计在现实世界的数据中,其中一列将存储一个 id,因此可能的多重匹配的数量将是原始集合的一个小得多的子集。 我知道我可以尝试在第一次扫描后通过后期处理来解决这个问题。 但是,我不想重新发明轮子,我想知道我的问题是否等同于一些著名的、众所周知的和已经解决的问题。
PS:我也将问题标记为 C++、C# 和 Java,因为我将使用其中一种语言来实现它。
最佳答案
它可以转化为一个图论问题。让 X 成为一个集合,其中包含第一个集合中每一行的一个节点。让 Y 成为另一组,其中包含第二组中每一行的一个节点。
图中的边定义为:对于给定的 X 中的 x 和 Y 中的给定 y,如果对应于 x 的行与对应于 y 的行匹配,则存在一条边 (x,y)。
构建此图后,您可以在其上运行“最大二分匹配”算法,您就完成了。
关于c# - 找到最好的区间匹配结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7837537/