实习分配系统(想模拟高考分配的系统)一些算法不太会 求大神指点

艾比利夫 2013-04-08 04:26:54
用软件VS2008C# 和 SQL SERVER2008
给各位大神大概介绍一下要实现的功能吧
就是和高考报志愿一样 我们专业40个人要去实习了
每人能填报3个想去的实习单位(分为第一第二第三志愿)
先有7家公司供选择,7家公司所需人数加起来刚好40人。

我想用的方法是已成绩为参考对象,把40个人按成绩从高到低排列,然后逐个分配。
现在已经把40个人的所有资料包括成绩,3个志愿等等录入数据库。C#也链接好了数据库。

想问大神们的就是如何按成绩高低把40个人的相关信息提取出来,然后逐个分配。

望指点
...全文
462 23 打赏 收藏 转发到动态 举报
写回复
用AI写文章
23 条回复
切换为时间正序
请发表友善的回复…
发表回复
jxjx1277 2014-04-27
  • 打赏
  • 举报
回复
请问各位大神, 这个实习分配系统好做不,做好之后外行能不能使用,我是一所学校管理实习的老师,很需要类似这种系统,哪位大神如果可以帮帮忙(有偿帮忙)请加我QQ:280905654;叩谢!
Angie_GSB 2014-04-27
  • 打赏
  • 举报
回复
广医?。。谁发一个算法给我看看呗。。邮箱是352444418@qq.com。
Angie_GSB 2014-04-27
  • 打赏
  • 举报
回复
广医?。。谁发一个算法给我看看呗
康宪英 2014-03-10
  • 打赏
  • 举报
回复
晕,一搜都是同校的
那个卓研 2014-03-06
  • 打赏
  • 举报
回复
做好了可以分享一下吗?
lxejyo 2013-04-29
  • 打赏
  • 举报
回复
哈哈,不小心搜到你的。
艾比利夫 2013-04-13
  • 打赏
  • 举报
回复
引用 16 楼 silwol 的回复:
引用 13 楼 u010094611 的回复:引用 12 楼 llyyqq123 的回复:按部就班的根据需求写这个算法不就好了吗 哥们 说点有用的吧 你这么回答就好像我问这道题怎么做 你答:好好做。。 这不和没说一样么。。 下面是你的原话: 就是先把40个人按分数从高到低排好 然后从第一个(也就是分数最高的)的学生开始分配,看他的第一志愿是什么……
引用 16 楼 silwol 的回复:
引用 13 楼 u010094611 的回复:引用 12 楼 llyyqq123 的回复:按部就班的根据需求写这个算法不就好了吗 哥们 说点有用的吧 你这么回答就好像我问这道题怎么做 你答:好好做。。 这不和没说一样么。。 下面是你的原话: 就是先把40个人按分数从高到低排好 然后从第一个(也就是分数最高的)的学生开始分配,看他的第一志愿是什么……
我已经做好啦 谢谢
silwol 2013-04-11
  • 打赏
  • 举报
回复
引用 13 楼 u010094611 的回复:
引用 12 楼 llyyqq123 的回复:按部就班的根据需求写这个算法不就好了吗 哥们 说点有用的吧 你这么回答就好像我问这道题怎么做 你答:好好做。。 这不和没说一样么。。
下面是你的原话: 就是先把40个人按分数从高到低排好 然后从第一个(也就是分数最高的)的学生开始分配,看他的第一志愿是什么,然后非配到该志愿。 然后看第二个,以此类推。 假如看到第N个时,他的第一志愿已经够人了,不录取了,那就看他第二志愿,假如还有空缺,就非配到该志愿,要是还是够人了,就看第三志愿。若3个都满了,则先不分配。 一直到第40个人。 这就是分配规律,现在就想说这个算法该怎么在程序里实现 ============= “按部就班的根据需求写这个算法不就好了吗”,我觉得这话一点问题都没有啊,因为你的描述基本上已经是伪代码了啊。

按成绩排序();
for 第一名 to 第四十名
{
  if (第一志愿没满)
    分配(第一志愿);
  else if (第二志愿没满)
    分配(第二志愿);
  else if (第三志愿没满)
    分配(第三志愿);
  else
    一边凉快去();
}

输出();
馒头仔 2013-04-11
  • 打赏
  • 举报
回复
如果需求上没有说明志愿分配原则的话,你可以采取先报名先得的原则,先按报名时间排序 如果遇到三个志愿都已经满员的,则先暂时不分配,把后面的分配完 最后将没有分配到的人员随机分配到剩余的单位
艾比利夫 2013-04-09
  • 打赏
  • 举报
回复
引用 8 楼 wanghui0380 的回复:
这东西如果你数据库设计比较合理的话,查询和显示都不太困难 查询先不说了,这个和你的表结构有关,你先把表结构列出来,我们在处理 而显示部分,可以用交叉透视表控件 ps:和上面一样,俺们只说查询和显示,至于分配俺们就不说了,这个和你分配的业务规则有关,因为实际上大部分这种分类都是手工挑选,机器一般只列查询结果,并不参与实际分配
查询和显示已经实现
艾比利夫 2013-04-09
  • 打赏
  • 举报
回复
引用 12 楼 llyyqq123 的回复:
按部就班的根据需求写这个算法不就好了吗
哥们 说点有用的吧 你这么回答就好像我问这道题怎么做 你答:好好做。。 这不和没说一样么。。
馒头仔 2013-04-09
  • 打赏
  • 举报
回复
按部就班的根据需求写这个算法不就好了吗
背负着生活 2013-04-09
  • 打赏
  • 举报
回复
按7家公司循环分配,比如第一家公司A,循环一次1-40(依据分数高低来排),查找每个人的志愿,如果该人志愿含有A公司,即分配,做个标识!!!以此循环完7家公司,剩余没有分配出去的人员再手工处理!
xjieloving 2013-04-09
  • 打赏
  • 举报
回复
引用 5 楼 u010094611 的回复:
引用 2 楼 xjieloving 的回复:楼主这是作业么? 我刚好有这个算法 除了成绩之外还加了一些其他因素 发来看看呗 邮箱445498925@qq.com 多谢多谢
你是10级的学生么 哈哈!!!
wanghui0380 2013-04-08
  • 打赏
  • 举报
回复
这东西如果你数据库设计比较合理的话,查询和显示都不太困难 查询先不说了,这个和你的表结构有关,你先把表结构列出来,我们在处理 而显示部分,可以用交叉透视表控件 ps:和上面一样,俺们只说查询和显示,至于分配俺们就不说了,这个和你分配的业务规则有关,因为实际上大部分这种分类都是手工挑选,机器一般只列查询结果,并不参与实际分配
艾比利夫 2013-04-08
  • 打赏
  • 举报
回复
引用 4 楼 king_1632009 的回复:
好像没什么算法之说吧!!!完全看分配的条件!!!!
您好 分配条件看6楼啦 多谢
艾比利夫 2013-04-08
  • 打赏
  • 举报
回复
引用 1 楼 bdmh 的回复:
怎么分配,你问我们有啥用,文使用的人,人家按什么规律分配,你就怎么做
您好 我在帖子里已经写了分配规律 就是先把40个人按分数从高到低排好 然后从第一个(也就是分数最高的)的学生开始分配,看他的第一志愿是什么,然后非配到该志愿。 然后看第二个,以此类推。 假如看到第N个时,他的第一志愿已经够人了,不录取了,那就看他第二志愿,假如还有空缺,就非配到该志愿,要是还是够人了,就看第三志愿。若3个都满了,则先不分配。 一直到第40个人。 这就是分配规律,现在就想说这个算法该怎么在程序里实现
艾比利夫 2013-04-08
  • 打赏
  • 举报
回复
引用 2 楼 xjieloving 的回复:
楼主这是作业么? 我刚好有这个算法 除了成绩之外还加了一些其他因素
发来看看呗 邮箱445498925@qq.com 多谢多谢
背负着生活 2013-04-08
  • 打赏
  • 举报
回复
好像没什么算法之说吧!!!完全看分配的条件!!!!
yixian2007 2013-04-08
  • 打赏
  • 举报
回复
看不懂要求,我随便写点。 按成绩顺序在数据库排序后获得,你会用SQL语言排序吧。 如果你想把志愿加进去,可以这样,模拟一个临时表,有几个字段,学号,成绩,志愿编号(就是1、2、3),将你原来的表中的数据,即每一行拆开成新表中的三行(你不会?),按编号,成绩组合排序,获得表。 以上是数据库操作。 然后是算法,按编号、成绩排序后,首先循环编号,再按成绩高至低取N位,每取一位,将DataTable中的该学生的三行数据删除,继续刚才的过程,直到N位已满,再按新的编号继续刚才的过程。
加载更多回复(2)
推荐算法系统实战全系列精品课 :一、课程优势本课程有陈敬雷老师的清华大学出版社配套新书教材《分布式机器学习实战》人工智能科学与技术丛书,新书配合此实战课程结合学习,一静一动,互补高效学习!本课程由互联网一线知名大牛陈敬雷老师全程亲自授课,技术前沿热门,这个《推荐算法系统实战全系列精品课》来自陈敬雷在一线大型互联网公司的多年实战经验总结,比较完备的包含了各个算法系统模块,实实在在的重量级干货分享!听完此系列课,可以实现一个完整的推荐系统!二、课程简介       首先推荐系统不等于推荐算法,更不等于协同过滤。推荐系统是一个完整的系统工程,从工程上来讲是由多个子系统有机的组合,比如基于Hadoop数据仓库的推荐集市、ETL数据处理子系统、离线算法、准实时算法、多策略融合算法、缓存处理、搜索引擎部分、二次重排序算法、在线web引擎服务、AB测试效果评估、推荐位管理平台等,每个子系统都扮演着非常重要的角色,当然大家肯定会说算法部分是核心,这个说的没错,的确。推荐系统是偏算法的策略系统,但要达到一个非常好的推荐效果,只有算法是不够的。比如做算法依赖于训练数据,数据质量不好,或者数据处理没做好,再好的算法也发挥不出价值。算法上线了,如果不知道效果怎么样,后面的优化工作就无法进行。所以AB测试是评价推荐效果的关键,它指导着系统该何去何从。为了能够快速切换和优化策略,推荐位管理平台起着举足轻重的作用。推荐效果最终要应用到线上平台去,在App或网站上毫秒级别的快速展示推荐结果,这就需要推荐的在线Web引擎服务来保证高性能的并发访问。这么来说,虽然算法是核心,但离不开每个子系统的配合,另外就是不同算法可以嵌入到各个子系统中,算法可以贯穿到每个子系统。       从开发人员角色上来讲,推荐系统不仅仅只有算法工程师角色的人就能完成整个系统,需要各个角色的工程师相配合才行。比如大数据平台工程师负责Hadoop集群和数据仓库,ETL工程师负责对数据仓库的数据进行处理和清洗,算法工程师负责核心算法,Web开发工程师负责推荐Web接口对接各个部门,比如网站前端、APP客户端的接口调用等,后台开发工程师负责推荐位管理、报表开发、推荐效果分析等,架构师负责整体系统的架构设计等。所以推荐系统是一个多角色协同配合才能完成的系统。       下面我们就从推荐系统的整体架构以及各个子系统的实现给大家深度解密来自一线大型互联网公司重量级的实战产品项目!!!推荐算法系统实战课程大纲如下:1、推荐系统架构设计2、推荐数据仓库集市3、推荐系统ETL数据处理4、CF协同过滤用户行为挖掘5、推荐算法ALS交替最小二乘法6、推荐系统ContentBase文本挖掘算法7、用户画像兴趣标签提取算法8、基于用户心理学模型推荐9、推荐系统多策略融合算法10、准实时在线学习推荐引擎11、Redis分布式缓存处理12、分布式搜索引擎13、推荐Rerank二次重排序算法(基于逻辑回归、GBDT、随机森林、神经网络的算法做二次排序)【可试听】14、推荐Rerank二次重排序算法(基于Learning TO rank排序学习思做二次排序)15、推荐Rerank二次重排序算法(基于加权公式思做二次排序)16、在线Web实时推荐引擎服务原理及核心处理算法17、在线Web实时推荐引擎服务核心源代码解析18、在线AB测试推荐效果评估19、离线AB测试推荐效果评估20、推荐位管理平台 21、大数据用户画像系统架构图深度解密与详细介绍22、大数据用户画像系统中各个子系统详细讲解三、老师介绍陈敬雷  充电了么创始人,CEO兼CTO陈敬雷,北京充电了么科技有限公司创始人,CEO兼CTO,十几年互联网从业经验,曾就职于用友、中软、凡客、乐蜂网(唯品会)、猎聘网、人民日报(灵思云途)、北京万朝科技,曾任架构师、首席技术官、首席科学家等职务,对业务领域B端、C端、电商、职场社交招聘、内容文娱、营销行业都有着丰富的经验,在技术领域,尤其在大数据和人工智能方向有丰富的算法工程落地实战经验,其中在猎聘网任职期间主导的推荐算法系统项目获得公司优秀项目奖,推荐效果得到5倍的提升。陈敬雷著有清华大学出版社两本人工智能书籍,分别是《分布式机器学习实战(人工智能科学与技术丛书)》已出版、《自然语言处理原理与实战(人工智能科学与技术丛书)》。目前专注于大数据和人工智能驱动的上班族在线教育行业,研发了充电了么app和网站,用深度学习算法、nlp、推荐引擎等技术来高效提升在线学习效率。
一、课程优势本课程有陈敬雷老师的清华大学出版社配套书籍教材《分布式机器学习实战》人工智能科学与技术丛书,新书配合此实战课程结合学习,一静一动,互补高效学习!本课程由互联网一线知名大牛陈敬雷老师全程亲自授课,技术前沿热门,是真正的互联网工业级实战项目。二、课程简介       大数据和算法类的系统和传统的业务系统有所不同,一个是多了离线计算框架部分,比如Hadoop集群上的数据处理部分、机器学习和深度学习的模型训练部分等,另一个区别就是大数据和算法系统的是数据驱动、效果驱动,通过AB测试评估的方式,看看新策略是否得到了优化和改进。所以在系统架构上,需要考虑到怎么和离线计算框架去对接,怎么设计能方便我们快速迭代的优化产品,除了这些,像传统业务系统那些该考虑的也照样需要考虑,比如高性能、高可靠性、高扩展性也都需要考虑进去。这就给架构师非常高的要,一个是需要对大数据和算法充分了解,同时对传统的业务系统架构也非常熟悉。        本节课就对当前几个热门的大数据算法系统架构(推荐系统架构设计、个性化搜索引擎架构设计、用户画像系统架构设计)做一个深度解析!1.个性化推荐算法系统 是一个完整的系统工程,从工程上来讲是由多个子系统有机的组合,比如基于Hadoop数据仓库的推荐集市、ETL数据处理子系统、离线算法、准实时算法、多策略融合算法、缓存处理、搜索引擎部分、二次重排序算法、在线web引擎服务、AB测试效果评估、推荐位管理平台等。如下就是我们要讲的个性化推荐算法系统架构图,请大家仔细欣赏、品味:      这节课我们就对推荐系统的整体架构和各个子系统做了详细的讲解,解开个性化推荐算法系统神秘的面纱!2.个性化搜索引擎 和个性化推荐是比较类似的,这个架构图包含了各个子系统或模块的协调配合、相互调用关系,从部门的组织架构上来看,目前搜索一般独立成组,有的是在搜索推荐部门里面,实际上比较合理的应该是分配在大数据部门更好一些,因为依托于大数据部门的大数据平台和人工智能优势可以使搜索效果再上一个新的台阶。下面我们来详细的讲一下整个架构流程的细节。如下就是我们要讲的个性化搜索架构图,请大家仔细欣赏、品味:这节课我们就对个性化搜索的整体架构和各个子系统做了详细的讲解,解开搜索引擎神秘的面纱! 3.大数据用户画像系统 用户画像是一个非常通用普遍使用的系统,从我们的架构图中可以看出,从数据计算时效性上来讲分离线计算和实时计算。离线计算一般是每天晚上全量计算所有用户,或者按需把用户数据发生变化的那批用户重新计算。离线计算主要是使用Hive SQL语句处理、Spark数据处理、或者基于机器学习算法来算用户忠诚度模型、用户价值模型、用户心理模型等。实时计算指定的通过Flume实时日志收集用户行为数据传输到Kafka消息队列,让流计算框架Flink/Storm/SparkStreaming等去实时消费处理用户数据,并触发实时计算模型,计算完成后把新增的用户画像数据更新搜索索引。个性化推荐、运营推广需要获取某个或某些用户画像数据的时候直接可以毫秒级别从搜索索引里搜索出结果,快速返回给调用方数据。这是从计算架构大概分了两条线离线处理和实时。下面我们从上到下详细看下每个架构模块。如下就是我们要讲的大数据用户画像架构图,请大家仔细欣赏、品味:这节课我们就对大数据用户画像系统的整体架构和各个子系统做了详细的讲解,解开用户画像系统神秘的面纱!三、老师介绍陈敬雷  充电了么创始人,CEO兼CTO陈敬雷,北京充电了么科技有限公司创始人,CEO兼CTO,十几年互联网从业经验,曾就职于用友、中软、凡客、乐蜂网(唯品会)、猎聘网、人民日报(灵思云途)、北京万朝科技,曾任架构师、首席技术官、首席科学家等职务,对业务领域B端、C端、电商、职场社交招聘、内容文娱、营销行业都有着丰富的经验,在技术领域,尤其在大数据和人工智能方向有丰富的算法工程落地实战经验,其中在猎聘网任职期间主导的推荐算法系统项目获得公司优秀项目奖,推荐效果得到5倍的提升。陈敬雷著有清华大学出版社两本人工智能书籍,分别是《分布式机器学习实战(人工智能科学与技术丛书)》、《自然语言处理原理与实战(人工智能科学与技术丛书)》。目前专注于大数据和人工智能驱动的上班族在线教育行业,研发了充电了么app和网站,用深度学习算法、nlp、推荐引擎等技术来高效提升在线学习效率。 

110,538

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Web++
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧