Java实现平均分配算法(附代码)
最近公司有业务需求:要求实现批量分配操作,详情如下:
- 选择多个客户
- 选择多个员工
- 给每个员工分配客户
- 要求分配的客户数量尽量平均
- 选择的员工数大于选择的客户数时,一个员工分配一个客户,不够的就不分配
- 选择的员工数等于客户数时,一个员工对应一个客户
- 分配的客户最好是随机的。
为了实现上述需求,需要设计一个随机平均分配算法
- 一开始我的设计思路比较简单,遍历员工集合和客户集合,依次分配单个客户给每个员工,直到分完为止,但是这种实现效率很低,也达不到随机的效果。
- 转变思路,先分析、设计数据存储结构,入参为两个List<String>集合,返回数据类型为:
一、 Map<String, List<String>>,每个员工作为key,value为分配的客户列表;
二、List<Map<String, List<String>>>,员工作为key,value为分配给他的客户,每个员工-客户列表都对应一个Map<String, List<String>>集合,这样所有的员工-客户列表组合成一个List<Map<String, List<String>>>集合
最终我采用了第二种数据结构,下面是实现代码:
import com.google.common.collect.Lists;
import com.google.common.collect.Maps;
import com.google.common.collect.Sets;
import org.apache.commons.collections.CollectionUtils;
import org.apache.commons.lang3.RandomStringUtils;
import org.apache.commons.lang3.RandomUtils;
import org.apache.commons.lang3.StringUtils;import java.util.ArrayList;
import java.util.HashMap;
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import java.util.Set;/**
* @author gxl
* @version 1.0
* @description 平均分配算法
* @date 2019-09-11 08:53
*/
public class AverageDataUtil {/*** 定义存储待分配数据集合*/private static List<String> list = Lists.newArrayList();/*** 定义存储分组数据的结构,Map去除泛型,适配多种数据类型格式,使用时需注意*/private static List<Map> los = Lists.newArrayList();/*** 供外部调用的平均分配方法** @param visitorIds 客户列表* @param sellerIds 员工列表* @return List<Map>*/public static List<Map> averageData(List<String> visitorIds, List<String> sellerIds) {initCollections(visitorIds, sellerIds);if (visitorIds.size() >= sellerIds.size()) {groupByData(los.size());return getMaps();} else {groupByData(list.size());return getMaps();}}/*** 返回数据,清空静态缓存** @return List<Map>*/@NotNullprivate static List<Map> getMaps() {List<Map> listMap = Lists.newArrayList();listMap.addAll(los);//清空静态数据los = Lists.newArrayList();list = Lists.newArrayList();return listMap;}/*** 分配数据** @param size 分组大小*/private static void groupByData(int size) {List<String> augmented = list;List<List<String>> lists = chunk2(augmented, size);for (int i = 0; i < size; i++) {Map map = los.get(i);Iterator iterator = map.keySet().iterator();if (iterator.hasNext()) {String next = (String) iterator.next();map.put(next, lists.get(i));}}}/*** 初始化集合数据** @param visitorIds 待分配数据* @param sellerIds 分配目标*/private static void initCollections(List<String> visitorIds, List<String> sellerIds) {//每次调用前清空数据if (list.size() > 0) {list = Lists.newArrayList();}if (los.size() > 0) {los = Lists.newArrayList();}list.addAll(visitorIds);List<Map<String, List<String>>> list1 = new ArrayList<>();for (String sellerId : sellerIds) {Map<String, List<String>> map = new HashMap<>(16);List<String> list = new ArrayList<>();map.put(sellerId, list);list1.add(map);}los.addAll(list1);}/*** 分组数据-核心算法,勿动** @param list 需分配数据* @param group 分组大小* @param <T> 分组数据泛型* @return 分组结果*/private static <T> List<List<T>> chunk2(List<T> list, int group) {if (CollectionUtils.isEmpty(list)) {return Lists.newArrayList();}List<List<T>> result = Lists.newArrayList();Map<Integer, Set<T>> temp = Maps.newHashMap();for (int i = 0; i < list.size(); i++) {if (temp.containsKey(i % group)) {Set<T> ts = temp.get(i % group);ts.add(list.get(i));temp.put(i % group, ts);} else {Set<T> ts = Sets.newHashSet();ts.add(list.get(i));temp.put(i % group, ts);}}for (Set<T> ts : temp.values()) {result.add(Lists.newArrayList(ts));}return result;}public static void main(String[] args) {List<String> visitorIds = new ArrayList<>();visitorIds.add("aa");visitorIds.add("bb");visitorIds.add("cc");visitorIds.add("dd");visitorIds.add("ee");visitorIds.add("ff");visitorIds.add("gg");visitorIds.add("hh");visitorIds.add("ii");visitorIds.add("jj");visitorIds.add("kk");List<String> sellerIds = new ArrayList<>();sellerIds.add("11");sellerIds.add("22");sellerIds.add("33");sellerIds.add("44");sellerIds.add("55");sellerIds.add("66");sellerIds.add("77");sellerIds.add("88");sellerIds.add("99");sellerIds.add("1010");sellerIds.add("1111");List<Map> maps = averageData(visitorIds, sellerIds);System.out.println(maps);}}
这个代码可能还存在部分问题,可以继续优化改进,有什么建议的话,可以在评论区回复,毕竟我也只是个码农,对算法什么的不是很了解 - -
Java实现平均分配算法(附代码)相关推荐
- 智能优化算法:帝国主义竞争算法-附代码
智能优化算法:帝国主义竞争算法-附代码 文章目录 智能优化算法:帝国主义竞争算法-附代码 1.算法原理 1.1 帝国集团的初始化 1.2 帝国集团内部调整 1.3 交换帝国和殖民地的位置 1.4 帝国 ...
- 基于蜣螂算法改进的随机森林回归算法 - 附代码
基于蜣螂算法改进的随机森林回归算法 - 附代码 文章目录 基于蜣螂算法改进的随机森林回归算法 - 附代码 1.数据集 2.RF模型 3.基于蜣螂算法优化的RF 4.测试结果 5.Matlab代码 6. ...
- 路径规划算法:基于樽海鞘算法的路径规划算法- 附代码
路径规划算法:基于樽海鞘优化的路径规划算法- 附代码 文章目录 路径规划算法:基于樽海鞘优化的路径规划算法- 附代码 1.算法原理 1.1 环境设定 1.2 约束条件 1.3 适应度函数 2.算法结果 ...
- 路径规划算法:基于灰狼优化(GWO)的路径规划算法- 附代码
路径规划算法:基于灰狼优化(GWO)的路径规划算法- 附代码 文章目录 路径规划算法:基于灰狼优化(GWO)的路径规划算法- 附代码 1.算法原理 1.1 环境设定 1.2 约束条件 1.3 适应度函 ...
- 路径规划算法:基于蜻蜓算法的路径规划算法- 附代码
路径规划算法:基于蜻蜓优化的路径规划算法- 附代码 文章目录 路径规划算法:基于蜻蜓优化的路径规划算法- 附代码 1.算法原理 1.1 环境设定 1.2 约束条件 1.3 适应度函数 2.算法结果 3 ...
- 路径规划算法:基于鸟群优化的路径规划算法- 附代码
路径规划算法:基于鸟群优化的路径规划算法- 附代码 文章目录 路径规划算法:基于鸟群优化的路径规划算法- 附代码 1.算法原理 1.1 环境设定 1.2 约束条件 1.3 适应度函数 2.算法结果 3 ...
- 智能优化算法:多元宇宙优化算法-附代码
智能优化算法:多元宇宙优化算法-附代码 文章目录 智能优化算法:多元宇宙优化算法-附代码 1.算法原理 2.算法流程图 3.算法结果 4.参考文献 5.MATLAB代码 6.python代码 摘要:多 ...
- 智能优化算法:正余弦优化算法-附代码
智能优化算法:正余弦优化算法-附代码 文章目录 智能优化算法:正余弦优化算法-附代码 1.算法原理 2.算法流程 3.算法结果 4.参考文献 5.MATLAB代码 6.Python代码 摘要:正 余 ...
- 智能优化算法:蚁狮优化算法-附代码
智能优化算法:蚁狮优化算法-附代码 文章目录 智能优化算法:蚁狮优化算法-附代码 1.算法原理 1.1 蚂蚁的随机游走 1.2蚁狮对蚂蚁随机游走的影响 1.3自适应机制 1.4 精英策略 2.算法步骤 ...
最新文章
- 告别「灭霸式审稿」,IJCAI-21 的投稿者爽到家!
- java web自定义监听器_Android自定义监听器Listener(自定义Java Callback回调事件)
- 快速学会MySQL常用操作方法
- 碾压谷歌量子霸权!中国量子计算原型机 九章 问世,比超级计算机快百万亿倍...
- UltraIso-写入硬盘映像
- .NET6之MiniAPI(二十二):HttpClient
- 变形监测期末复习_材料力学复习题
- python中bind的用法_Javascript中bind()方法的使用与实现
- LinkButton中添加删除确认框
- Nginx日志安全分析脚本
- android源码上面开发App
- 仿制美团购物的网站源码
- Java--汽车之家论坛反爬虫破解
- 基于VUE使用Hbuilder工具开发的思维导图工具
- 四个月宝宝厌奶期症状?
- 中国建筑石材行业产销现状与投资策略分析报告2022-2028年
- js红宝石书第四版--P446有点不严谨的地方的指出
- 安徽大学计算机专业参考书目,安徽大学计算机科学与技术(专业学位)考研参考书目...
- 利元转债,奕瑞转债上市价格预测
- Hexo(sakura)建立标签云hexo-tag-cloud
热门文章
- notepad++官网地址 https://notepad-plus-plus.org/;notepad++ 官网地址 https://notepad-plus-plus.org/
- Python爬取携程酒店信息
- 稳定靠谱的企业云桌面选择
- echarts地图城市标注,较完整版本
- AvaSpec-ULS2048光谱仪测定地物高光谱曲线的方法
- Mycloud 安装 SVN 折腾笔记2
- 大数据Flink电商实时数仓实战项目流程全解(六)DWM层业务实现
- 什么是FCC认证?亚马逊FCC认证办理流程?
- CodeSynthesis XSD使用入门
- Sharding-Sphere 3.X今日瞩目登场如约而至!