momente şi schiţe de informatică şi matematică
To attain knowledge, write. To attain wisdom, rewrite.

Chestiunea cuplajelor existente în orarul şcolar

limbajul R | orar şcolar
2021 oct

Un orar iniţial

Considerăm orarul unei şcoli cu un singur schimb, dintr-un document PDF pe care l-am transformat (v. [1], [2]) în fişier .xlsx; extragem datele din acest fişier şi le „normalizăm” într-un obiect tibble – separăm variabilele (profesor, clasă, zi, ora), eliminăm valorile nule, corectăm unele nume de clasă (înlocuim "11 F" cu "11F" şi "5" cu "5G", de exemplu) şi anonimizăm numele profesorilor (în variabila 'prof' de tip factor):

# orar_orig.R
library(tidyverse)

sheets2lst_tb <- function(xlsx="") { 
    require(readxl) 
    xlsx  %>%
    excel_sheets()  %>%
    set_names()  %>%
    map(read_excel, path = xlsx)  # listă de 'tibble' asociate tablelor Excel
}

ltb <- sheets2lst_tb("General_profesori.xlsx")
lmk <- rbind(ltb[[2]], ltb[[4]]) %>% 
       filter(!is.na(`...1`))  # omite antetul dublu, "Luni... /r/n 1 2 ... 7..."
Zile <- c('Lu','Ma','Mi','Jo','Vi')
antet <- lapply(Zile, function(z) paste0(z, 1:7))  # "Lu1", "Lu2", etc.
names(lmk) <- c("prof", unlist(antet))
    # print(slice_sample(lmk, n=2))
    # A tibble: 2 x 36
    #  prof   Lu1   Lu2   Lu3   Lu4   Lu5   Lu6   Lu7   Ma1   Ma2   Ma3   Ma4   Ma5  
    #  <chr>  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
    #1 BUL…   11D   12A   10E   NA    11A   6     NA    10A   5     9C    11C   9B   
    #2 NEA…   NA    NA    NA    NA    NA    9E    9E    10D   9A    11 F  12B   NA   
    # … with 23 more variables: Ma6 <chr>, Ma7 <chr>, Mi1 <chr>, Mi2 <chr>, etc.

lmk[-1] <- lapply(lmk[-1], gsub, 
                  pattern=" ", replacement="", fixed=TRUE)  # corectează "11 F"
lmk <- lmk %>%
       pivot_longer(., cols=2:36, names_to="ZiOra", values_to="cls") %>%
       separate(ZiOra, c("zi", "ora"), sep=2) %>%
       filter(!is.na(cls)) %>%  # (elimină valorile nule)
       mutate(ora = as.integer(ora),
              cls = ifelse(nchar(cls)==1, 
                           paste0(cls, "G"), cls))  # "5" devine "5G"
# transformă 'prof' în "factor", cu nivelele "Pnn"
srt <- sort(table(lmk$prof), decreasing=TRUE)
lmk$prof <- factor(lmk$prof, levels=names(srt), ordered=TRUE)
numePr <- c(paste0("P0", (1:9)), paste0("P", (10:nlevels(lmk$prof))))  # "Pnn"
levels(lmk$prof) <- numePr 
    #> slice_sample(lmk, n=2)
    ## A tibble: 2 x 4
    #  prof  zi      ora cls  
    #  <ord> <chr> <int> <chr>
    #1 P25   Jo        2 8G   
    #2 P36   Mi        5 11A  
    #> nrow(lmk)
    # [1] 884  (numărul de ore)
saveRDS(lmk, file="orar_norm.RDS")  # păstrează orarul normalizat

Numărul total de ore ar fi 884 (fiecare linie din lmk înregistrează datele câte unei ore); de fapt, putem constata că există linii pe care diferă numai valoarea din coloana 'prof' – deci numărul de ore care se desfăşoară într-o săptămână este mai mic de 884…

Tocmai de cuplaje, începem aici să ne ocupăm; la unele obiecte (de exemplu, limbi străine), doi profesori partajează într-o aceeaşi oră o aceeaşi clasă (despărţind-o în grupe de elevi); cum să ţinem seama de această situaţie, în programele noastre de repartizare pe zile şi respectiv, pe orele zilei, a lecţiilor (v. [1], [2])?

Evidenţierea cuplajelor

În [1] aveam chipurile noroc: cuplajele erau explicitate cumva chiar în orar, prin linii precum "P_5 Mi 4 11C/11D/\r\n11E" – însemnând că în ora a 4-a din ziua "Mi", profesorul "P_5" partajează clasele indicate, cu alţi profesori (la care deasemenea găsim câte o astfel de linie). De data aceasta, valorile din celulele tablei Excel de la care am plecat sunt „curate” (cum şi trebuie să fie) – nu apar clase multiple (separate prin "/" sau "\r\n"); dar cum evidenţiem atunci, cuplajele existente?

Profesorii cuplaţi au nume diferite în coloana 'prof', dar au câte o aceeaşi valoare în celelalte trei coloane; prin split(list(<coloane>)) separăm liniile în obiecte tibble care conţin fiecare, linii cu aceleaşi valori în coloanele indicate; cuplajele vor corespunde acelora dintre obiectele listei obţinute, care au cel puţin două linii:

cpl <- lmk %>% split(list(.$zi, .$ora, .$cls))
cpl <- map(seq_along(cpl), 
           function(i) if(nrow(cpl[[i]]) > 1) cpl[[i]]) %>% 
       compact()  # elimină din listă valorile 'NULL'

map() a parcurs după indici lista returnată de split() şi a returnat o listă de aceeaşi lungime, înscriind NULL pentru obiectele excluse (cele cu un singur rând); prin compact() am eliminat în final, elementele nule. Avem, de exemplu:

> cpl[[1]]
# A tibble: 2 x 4
  prof  zi      ora cls  
  <ord> <chr> <int> <chr>
1 P06   Mi        2 10A  
2 P33   Mi        2 10A  

cu această semnificaţie: "P06" şi "P33" intră într-o aceeaşi zi şi oră la clasa "10A", lucrând (subînţelegem că în săli diferite) cu câte o grupă de elevi ai acestei clase.

Transformăm lista 'cpl' într-un tibble care conţine pe fiecare linie un vector de profesori (convertind prin as.character(), întregii asociaţi acestora prin factor-ul 'prof'), clasa şi numărul de ore pe care aceştia sunt cuplaţi:

cpl <- map_df(seq_along(cpl), function(i) 
             tibble(cup=paste(c(as.character(cpl[[i]]$prof)), collapse="-"),
                    cls=cpl[[i]]$cls[1])) %>%
       count(cup, cls)
#> cpl
## A tibble: 20 x 3
#   cup     cls       n                 #   cup     cls    n
#   <chr>   <chr> <int>
# 1 P01-P02 10A	    3		    #11 P06-P33 10F    1
# 2 P01-P02 11A	    3		    #12 P06-P33 9A     1
# 3 P01-P02 11B	    3		    #13 P06-P33 9B     1
# 4 P01-P02 12A	    3		    #14 P06-P33 9C     1
# 5 P01-P02 9A	    3		    #15 P08-P11 12E    1
# 6 P06-P33 10A	    1		    #16 P08-P25 12E    2
# 7 P06-P33 10B	    1		    #17 P08-P47 12E    5
# 8 P06-P33 10C	    1		    #18 P11-P44 11E    6
# 9 P06-P33 10D	    1		    #19 P34-P07 10E    5
#10 P06-P33 10E	    1		    #20 P34-P09 9E     5

Deci, în cazul de aici, avem 20 de cuplaje (care angajează 12 profesori), de cel mai simplu tip: doi profesori partajează o singură clasă. "P01" şi "P02" sunt cuplaţi pe câte 3 ore la fiecare dintre clasele 10A, 11A, 11B, 12A şi 9A; "P06" şi "P33" cuplează câte o oră la clasele a 10-a şi la 9ABC; la clasa 12E, "P08" cuplează cu "P11" pe o oră, cu "P25" pe două ore şi cu "P47" pe 5 ore; "P11" cuplează şi cu "P44", pe 6 ore, la clasa 11E; în sfârşit, "P34" cuplează cu "P07" pe 5 ore la 10E şi cu "P09" tot pe 5 ore, la 9E.

Ca idee, „profesorul” fictiv "P01-P02" va prelua orele partajate de "P01" şi "P02"…

Mascarea cuplajelor, prin profesori fictivi

Din orarul iniţial nu ne interesează decât datele referitoare la încadrarea profesorilor: câte ore are fiecare şi la care clase; plecând de la încadrarea respectivă, vrem să generăm (prin programele din [1], [2]) o repartizare cât mai omogenă a orelor pe zilele săptămânii şi apoi, orarele propriu-zise, corespunzătoare fiecărei zile.

Cuplajele prevăzute iniţial în încadrare contrazic din start, condiţia esenţială asumată într-un program de generare a unui orar: doi profesori nu pot intra simultan, la o aceeaşi clasă. Am avea două soluţii de conciliere: una practică – eliminăm pur şi simplu cuplajele, generăm orarul „de bază” şi ulterior, adăugăm interactiv şi cuplajele; şi o soluţie de investigat mai departe – mascăm cumva cuplajele, asociind fictiv orele respective unor noi profesori (sau unor noi clase).

Dacă am avea cuplaje mai complicate – în care doi (sau mai mulţi) profesori partajează nu o singură clasă, ci două sau mai multe – atunci probabil că ar trebui să optăm pentru înfiinţarea de noi clase; noi vizăm totuşi cazul cel mai obişnuit de cuplaje, pentru care ni se pare cel mai potrivit să înfiinţăm profesori fictivi.

Ca idee, dacă Px şi Py sunt cuplaţi pe n ore la clasa Q, atunci depistăm liniile din setul lmk pe care în coloana $prof apare Px sau Py şi în coloana $cls apare Q, iar pe acele dintre aceste linii care au câte o aceeaşi valoare în câmpurile $zi şi $ora, înscriem ca „profesor” (fictiv) "Px-Py"; să observăm că astfel, vor fi afectate 2×n linii – deci mai trebuie să şi eliminăm n dintre acestea.

La implementarea acestei idei avem de ţinut seama de faptul că variabila lmk$prof este deja de tip factor ordonat (şi am avea de modificat nivelele deja stabilite ale acestuia); noi preferăm să folosim operaţii generale "_join()", care dacă este cazul, transformă în mod implicit tipurile de date (în loc de "factor" <ord> vom avea <chr>).

Pentru o linie indicată din cpl, următoarea funcţie produce un tabel tibble care conţine cele 2×n linii din lmk descrise mai sus (şi îi adăugăm o coloană de cuplare):

trace_cpl <- function(i) {
    pr <- unlist(strsplit(as.character(cpl[i, 1]), "-"))
    q <- cpl[i, 2]
    ls2 <- lmk %>% filter(cls %in% q & prof %in% pr) %>% 
           split(list(.$zi, .$ora))
    trc <- map_df(seq_along(ls2), function(j) 
                  if(nrow(ls2[[j]]) > 1) ls2[[j]])
    trc %>% mutate(cpl[i, 1])  # înscrie profesorul fictiv, pe o nouă coloană
}
print(trace_cpl(16))
## A tibble: 4 x 5
#  prof  zi      ora cls   cup    
#  <ord> <chr> <int> <chr> <chr>
#1 P08   Ma        2 12E   P08-P25
#2 P25   Ma        2 12E   P08-P25
#3 P08   Jo        3 12E   P08-P25
#4 P25   Jo        3 12E   P08-P25

Lui P08-P25 va trebui să-i punem 2 ore (nu 4) la clasa 12E.

Aplicăm trace_cpl() tuturor liniilor din cpl şi reunim prin map_df() tabelele rezultate, obţinând obiectul tibble del; prin anti_join(), eliminăm din lmk liniile aduse în del (ignorând câmpul final del$cup), apoi înlocuim valorile din del$prof cu acelea din del$cup şi eliminăm coloana del$cup; în final, prin full_join() adăugăm în lmk liniile din del şi prin distinct() eliminăm liniile duble (încât din fiecare 2×n linii care înregistrau orele cuplate în del, rămân n linii):

del <- map_df(1:nrow(cpl), trace_cpl)  # print(del)
lmk <- anti_join(lmk, del[-5])  # implicit, factorul $prof este degradat la <chr>
del$prof <- del$cup  # fixează profesorii fictivi pe orele cuplate
del$cup <- NULL
lmk <- full_join(lmk, del) %>% distinct()  # lmk %>% print(n=Inf)  ## 836 ore

Iniţial, lmk conţinea linii cu câte o aceeaşi valoare în câmpurile $zi, $ora şi $cls, corespunzătoare cuplajelor; acum, introducând profesori fictivi pe orele cuplate, acest defect a fost îndepărtat şi numărul de linii din lmk este exact numărul total de ore (836) din săptămână.

Eliminăm în sfârşit, câmpurile $zi şi $ora; apoi, convertim iarăşi $prof în factor ordonat (descrescător, după numărul de ore ale profesorilor, incluzând şi pe cei fictivi):

lmk <- lmk %>% select(prof, cls)
srt <- sort(table(lmk$prof), decreasing=TRUE)
lmk$prof <- factor(lmk$prof, levels=names(srt), ordered=TRUE)
lmk <- lmk %>% arrange(prof)
saveRDS(lmk, file="lmk.RDS") 

Ilustrăm lmk prin 5 linii alese aleatoriu:

> print(slice_sample(lmk, n=5))
# A tibble: 5 x 2
  prof    cls  
  <ord>   <chr>
1 P31     10A  
2 P12     10D  
3 P34-P07 10E  
4 P27     12D  
5 P32     7G  

Desigur – fie în mod interactiv, fie direct în programul de repartizare pe zile a orelor din "lmk.RDS" – va trebui să corelăm orele plasate unui profesor fictiv, cu acelea plasate în aceeaşi zi celor doi profesori pe care îi cuplează; analog ulterior, pentru programul de repartizare pe orele zilei, a orelor plasate într-o aceeaşi zi.

Repartizarea lecţiilor pe zilele săptămânii

Programul "distribute_by_days.R" (redat şi reluat anterior de mai multe ori), prin funcţia principală alloc_by_class(), asigură distribuirea lecţiilor prof|cls pe zilele de lucru, angajând o singură condiţie: distribuţiile individuale, pentru profesorii cu măcar 10 ore, să fie „cvasi-omogene” (pentru fiecare, numărul de ore pe zi nu diferă de la o zi la alta, cu mai mult de 2 ore); punând această singură condiţie, obţinem o distribuţie pe zile într-un timp foarte scurt (în general, 2-5 minute). Rămâne celui care face orarul şcolii, să regleze interactiv distribuţia obţinută, pentru a ţine seama de diversele condiţii concrete, specifice fiecărei şcoli (profesorul cutare vine numai în cutare zile; cutare trebuie să aibă liber în cutare zile; etc., etc.).

În cazul cuplajelor, am avea această condiţie: în oricare zi, numărul de ore alocate cuplului şi oricăruia dintre parteneri să nu depăşească 6 ore (sau 7 ore, la unele clase); considerăm că şi această condiţie trebuie lăsată în seama reglării interactive ulterioare – pentru a lăsa celui care face orarul libertatea de a decide în funcţie de condiţiile concrete existente, cum să plaseze orele cuplate (de exemplu, poate că orele de „laborator” trebuie comasate în câte o anumită zi, la fiecare clasă).

Pentru încadrarea din "lmk.RDS", după ce am obţinut prin alloc_by_class() o distribuţie (cvasi-omogenă) pe zile a lecţiilor respective, am folosit aplicaţia interactivă /Recast (v. şi github), obţinând (în cam 30-40 minute) o distribuţie omogenă acceptabilă:

profLuMaMiJoVi
P03
10F
9B
11E
9E
10E
9C
9B
10B
12C
9C
10C
9D
9B
10B
11C
10D
9F
12B
11C
9F
9D
11F
10C
11E
9E
12E
8G
9C
P04
12F
5G
10E
11D
12A
12F
11C
5G
10E
11D
12F
11C
10E
11D
12A
12F
11C
5G
10E
11D
12A
12F
11C
5G
10E
12A
P05
9A
10B
8G
10C
11B
10F
9A
10B
8G
10C
10F
10B
11B
8G
10C
9A
11B
9D
8G
10C
10B
11B
9D
8G
9A
P10
9B
11E
11D
9C
9F
9B
9E
10E
9C
10D
9E
9F
10E
9C
12D
9B
12E
10D
9C
12D
9B
11E
12E
11D
P12
11B
12F
10D
10A
11B
12F
10D
11D
12D
12C
5G
10D
9A
10A
12B
12C
5G
10D
9A
12B
12F
5G
12D
11D
P13
11B
9E
8G
10A
9A
10D
9C
12A
7G
9B
12C
12E
10E
12B
10B
11E
11A
12D
11C
11A
9D
10C
11D
P14
9A
8G
11F
10A
9A
11E
8G
11F
10A
9A
11E
8G
11F
10A
9A
11E
8G
11F
9A
11E
8G
11F
P15
10B
12E
12D
10A
11E
12F
12E
12D
10C
11E
12F
12E
11D
12D
12F
12E
11D
12D
12E
11D
12D
11F
P16
9B
12B
10D
10C
12B
10D
6G
10C
10F
12B
11B
6G
10C
9B
11B
10C
9F
10F
9B
11B
9F
10C
P17
11C
5G
12A
12B
12B
11C
5G
10A
12A
11C
5G
10A
12A
12B
11C
5G
10A
12A
12B
5G
10A
12A
P18
10B
12C
11C
9D
10B
12C
11C
9D
10B
12C
11C
9C
12F
9E
10E
11F
9C
12C
9E
10E
9C
P19
12C
12E
10D
9D
12E
10D
9D
11B
11B
12C
10D
9D
11B
12C
12E
10D
9D
11B
12C
12E
10D
P07
12C
12F
10C
9C
9B
12F
10A
10C
9B
10A
12A
12F
5G
8G
9C
12A
12F
5G
8G
12C
P09
10B
11E
10D
11F
11C
10D
11F
7G
9A
12B
11C
11F
9A
12B
11C
11D
10B
11E
11D
7G
P20
10F
12F
8G
11A
12C
5G
8G
10A
12E
5G
10A
10C
10B
9F
12D
10C
10B
9F
10E
12D
P21
12E
10D
10A
7G
10F
11E
12E
7G
10F
11E
12E
9D
10F
11E
10D
6G
12E
10D
10C
9D
P22
9B
10B
12B
12D
9B
12B
11A
12D
10B
12B
11A
12D
9B
11A
12D
10B
9B
12B
11A
12D
P23
12C
11A
9F
11F
12B
11B
9F
11F
9B
12F
9F
11F
12F
8G
11F
12A
9A
10B
12F
8G
P24
9A
12B
6G
7G
11B
9E
9D
11D
10D
11D
9C
7G
9B
11E
6G
12A
11C
6G
11F
P26
11E
12F
9D
11F
9A
11E
12F
9D
11E
9E
9F
9D
12C
9E
9F
10F
10F
10B
11F
P08
9F
6G
12D
10F
11B
9F
12D
10F
11B
9D
6G
10F
12E
9D
10F
9F
9D
P11
10F
9B
9C
10F
9F
9E
12A
9F
9D
12A
7G
9E
9D
7G
9B
9D
9C
P25
11A
11F
10C
10B
11A
8G
10B
8G
10E
11F
11C
10E
11F
6G
11C
6G
10C
P27
9E
10E
11D
12D
9E
5G
12D
9E
5G
11D
10E
11C
11D
12D
10E
11D
12D
P28
11B
11C
10E
9B
10E
11D
12A
5G
6G
11D
11A
10D
11D
9C
10D
9C
10A
P29
12B
12C
9D
10B
12C
10C
11A
9A
10B
10C
9A
10B
12B
12C
12B
11B
12C
P30
12B
11C
12A
12B
11C
10A
8G
12B
12C
11C
11A
12B
12C
8G
12B
12C
10A
P31
9B
11C
10D
11C
6G
9C
9B
6G
9C
7G
9B
10A
7G
9B
11C
10A
12A
P06
12F
5G
11F
12F
9F
11D
12D
10F
8G
6G
12E
9D
7G
9E
11F
11E
P32
9A
10B
7G
9B
10E
9C
10B
9B
9C
10C
11B
9C
10C
9A
10B
7G
P01-P02
11B
10A
12A
9A
11A
12A
9A
11A
12A
9A
11B
11A
10A
11B
10A
P01
11A
12A
11A
12A
10A
11A
12A
6G
5G
10A
11A
10A
12A
P02
9A
11B
11D
9A
11B
11D
11B
12D
11B
12F
9A
11B
7G
P35
11A
10C
10F
11E
10E
10A
11B
11E
10B
11F
10D
11C
P36
10A
12A
9A
9A
11A
10A
11A
12A
10A
9A
11A
12A
P37
9F
9C
9D
7G
12C
9D
9B
9A
9F
12A
12B
P38
9E
10C
9E
9C
9E
10C
9C
9E
9C
9C
10C
P39
9E
10E
9D
9F
11F
12F
10D
11F
10F
7G
P06-P33
10F
9C
9A
10E
10B
10A
10C
9B
10D
P40
11A
7G
11A
7G
11A
7G
7G
11A
7G
P41
10F
7G
10F
7G
10F
7G
10F
7G
P42
12C
6G
12C
6G
12C
6G
12C
6G
P33
9F
9D
7G
9E
8G
5G
6G
P11-P44
11E
11E
11E
11E
11E
11E
P43
9F
11F
9F
9F
12F
9F
P45
10F
5G
9F
6G
11F
12F
P46
5G
8G
10E
9E
9F
10F
P08-P47
12E
12E
12E
12E
12E
P34-P07
10E
10E
10E
10E
10E
P34-P09
9E
9E
9E
9E
9E
P48
10F
9E
10D
9F
9D
P49
12D
12B
12D
12D
10C
P50
6G
6G
6G
6G
6G
P34
11A
10E
11A
9E
P51
8G
7G
7G
8G
P52
10D
9E
9E
10D
P53
10F
10E
10F
10E
P54
11F
12D
12F
11D
P55
8G
8G
7G
P56
5G
8G
6G
P08-P25
12E
12E
P57
12E
12E
P58
11D
11D
P59
5G
6G
P08-P11
12E
P60
9C
P61
8G
P62
7G

Pentru această distribuţie am respectat o serie de principii general valabile.
Cele 836 de lecţii sunt repartizate uniform pe zile: (167 167 167 168 167); pentru profesorii cu măcar 10 ore, distribuţiile individuale sunt omogene (cu două excepţii, la P36 şi P39) – de exemplu, pentru 16 ore avem distribuţii ca (4 3 3 3 3).
Bineînţeles că pentru fiecare clasă, distribuţia orelor pe zile este uniformă (numărul de ore pe zi diferă cu cel mult 1, de la o zi la alta).

Exceptând P01 şi P02 (care sunt cuplaţi pe câte 3 ore la 5 clase) şi poate, alte cupluri ("P11-P44", care la clasa 11E are 6 ore) – toţi profesorii intră câte o singură dată pe zi, la fiecare dintre clasele respective; în măsura în care această cerinţă nu este încălcată, profesorii care au puţine ore au câte un anumit număr de zile libere (P50 are numai 5 ore, dar toate la aceeaşi clasă – deci nu are zi liberă; P55 are numai 3 ore, dar 2 ore sunt la o aceeaşi clasă – deci distribuim cele 3 ore în două zile, nu într-una singură; P56 are 3 ore, la clase diferite – încât le-am putut plasa într-o singură zi).

Desigur că în realitate, plecând nu de la „principii”, ci de la „în ce zile puteţi veni” – distribuţia redată mai sus este de neacceptat; probabil că P50 va zice aşa: „am numai 5 ore, deci trebuie să mi le puneţi în 2 zile, anume cutare şi cutare” (încât P50 ar trebui să facă la clasa 6G, 2 ore într-o cutare zi şi 3 ore într-o altă cutare zi).
Şi acceptând o excepţie de la „principii”, va trebui apoi să înghesuim orele profesorilor, încât aceştia să şi le facă în cât mai puţine zile – fără a mai lua în seamă şi interesele fireşti ale elevilor, privitoare la distribuţia echilibrată a obiectelor pe parcursul săptămânii.

Repartizarea lecţiilor dintr-o aceeaşi zi, pe orele zilei

Programul anterior daySchoolSchedule.R preia din repartiţia pe zile obţinută mai sus, lecţiile repartizate într-o aceeaşi zi şi produce orarul propriu-zis al acelei zile – dar angajează iarăşi, o singură condiţie, privitoare la numărul de ferestre; însă în acest caz, s-ar cuveni probabil, ca instrumentarea cuplajelor existente să fie făcută chiar în program (în loc de a o lăsa iarăşi, în seama unei intervenţii interactive ulterioare).

Cele două programe de repartizare vizate mai sus, angajând câte o singură condiţie (aceea care şi este esenţială: omogenitatea distribuţiilor individuale şi respectiv, limitarea numărului de ferestre), îşi produc rezultatele foarte rapid; noi susţinem în continuare, că diversele condiţii particulare (inclusiv, cele privitoare la cuplaje) trebuie lăsate în seama unor intervenţii interactive ulterioare.

Totuşi, merită sau nu – vom încerca mai departe să modificăm daySchoolSchedule.R, încât să ţinem seama şi de cuplajele existente pe ziua respectivă.

vezi Cărţile mele (de programare)

docerpro | Prev | Next