У меня есть профиль студента со значениями по нескольким предметам, таким как физика, химия и математика. Мне нужно найти список доминирующих студентов в зависимости от индивидуальной оценки по предметам. Например:
let students = [{name: "A", phy: 70, chem: 80, math: 90},
{name: "B", phy: 75, chem: 85, math: 60},
{name: "C", phy: 78, chem: 81, math: 92},
{name: "D", phy: 75, chem: 85, math: 55}];
Учащийся будет доминировать над другим, если он выполнит следующие два условия. 1. student_1> = student_2 для всех параметров 2. student_1> student_2 хотя бы для одного параметра
Я попытался использовать вложенный цикл. Может быть, это алгоритм грубой силы. Я добавил еще один параметр с именем «пройден», чтобы отслеживать, доминирует ли он над другими. Вот код:
let students = [{ name: "A", phy: 70, chem: 80, math: 90, passed: true },
{ name: "B", phy: 75, chem: 85, math: 60, passed: true },
{ name: "C", phy: 78, chem: 81, math: 92, passed: true },
{ name: "D", phy: 75, chem: 85, math: 55, passed: true }];
let weak_student: any;
for (let student_1 of students) {
if (student_1.passed == false ||
students[students.length] === student_1) {
continue;
}
let compareList = students.filter(i => i.name != student_1.name && i.passed == true);
for (let student_2 of compareList) {
if ((student_1.phy >= student_2.phy &&
student_1.chem >= student_2.chem &&
student_1.math >= student_2.math)
&&
(student_1.phy > student_2.phy ||
student_1.chem > student_2.chem ||
student_1.math > student_2.math)
) {
weak_student = students.find(i => i.name === student_2.name);
weak_student.passed = false;
} else if (student_1.phy < student_2.phy &&
student_1.chem < student_2.chem &&
student_1.math < student_2.math) {
student_1.passed = false;
break;
}
}
}
console.log(students);
Я нашел ожидаемый результат, так как флаг студента A & D "пройден" == false. Теперь мне нужен тот же результат, используя разные алгоритмы, такие как «Разделяй и властвуй», «Ближайший сосед», «Разветвление и связывание» и т. Д. Или любые другие эффективные способы. Мне нужно сравнить алгоритмы сложности времени и пространства для больших наборов данных.