स्वतंत्र रैंकिंग
GroupMixer random groups, teams, classrooms, workshops और repeat-minimizing schedules के लिए सार्वजनिक Awesome Group Generators समीक्षा सूची में सबसे ऊपर है।
रैंकिंग देखेंशुरुआत एक आसान रैंडम स्प्लिट से करें। जब ज़्यादा नियंत्रण चाहिए हो, GroupMixer उसी जगह आगे बढ़ता है।
नामों की कोई भी सूची पेस्ट करें और तुरंत साफ़ समूह विभाजन पाएँ।
चर्चा, अभ्यास, लैब, peer review या प्रोजेक्ट के लिए छोटे समूह बनाएँ।
प्रतिभागियों को exercises, table work या discussion groups में बाँटें।
skill, role, department या level जैसे attributes से समूहों को बेहतर संतुलित करें।
कई sessions बनाएँ और repeated pairings कम करें ताकि लोग नए साथियों से मिलें।
लोगों को साथ रखें, अलग रखें या किसी खास group में pin करें।
अपने नाम टेक्स्ट बॉक्स में चिपकाएँ (हर पंक्ति में एक नाम), समूहों की संख्या या प्रति समूह लोगों की संख्या सेट करें, और "Generate Groups" पर क्लिक करें। आपके समूह तुरंत दिखाई देंगे।
हाँ। GroupMixer पूरी तरह मुफ्त उपयोग के लिए उपलब्ध है। अगर यह आपको उपयोगी लगे और आप विकास में सहयोग करना चाहें, तो GitHub Sponsors के माध्यम से दान कर सकते हैं। GitHub Sponsors पर दान करें।
नहीं। GroupMixer पर उपयोग की कोई सीमा नहीं है।
नहीं। आपको खाते या साइन-अप की ज़रूरत नहीं है। नाम चिपकाएँ, सेटअप समायोजित करें, और तुरंत समूह बनाएँ।
इसी डिवाइस पर आपके ब्राउज़र में। काम करते समय आपकी प्रतिभागी सूची और आपके द्वारा दर्ज किया गया अन्य सारा डेटा आपके डिवाइस पर ही रहता है।
हाँ। पेज लोड हो जाने के बाद, आप अपने ब्राउज़र में GroupMixer को ऑफ़लाइन भी उपयोग करते रह सकते हैं।
हाँ। उन्नत विकल्प खोलकर Keep Together (साथ रखें) और Keep Apart (अलग रखें) नियम, कई सत्र, और attribute balancing जोड़ सकते हैं।
हाँ। अपने प्रतिभागियों में भूमिका, कौशल, जेंडर या विभाग जैसे attributes जोड़ें, फिर चुनें कि समूहों में किस attribute का संतुलन रखना है।
हाँ। उन्नत विकल्पों में Pinned people का उपयोग करके विशिष्ट लोगों को सभी सत्रों में किसी विशिष्ट समूह से पिन कर सकते हैं। यह नेताओं, प्रस्तुतकर्ताओं, या उन लोगों के लिए उपयोगी है जिन्हें किसी ज्ञात समूह में रहना आवश्यक है।
हाँ। सत्रों की संख्या सेट करें और राउंड्स में दोहराव कम करने के लिए "Avoid repeat pairings" सक्षम करें।
Zoom प्री-असाइन CSV या प्रतिभागियों के ईमेल वाली स्प्रेडशीट आयात करें, कमरों और सत्रों की संख्या चुनें, “दोहराई गई जोड़ियाँ कम करें” चालू रखें, और समूह बनाएँ। फिर Share & Export → Download Zoom breakout CSV इस्तेमाल करें। कई सत्रों के लिए GroupMixer हर राउंड का अलग Zoom CSV एक ZIP में डाउनलोड करता है; उस राउंड से पहले सही CSV को Zoom के Breakout Room pre-assign स्क्रीन में अपलोड करें। Zoom लोगों को ईमेल पते से मिलाता है, इसलिए प्रतिभागियों को उसी ईमेल से जुड़ना चाहिए।
हाँ। आंशिक उपस्थिति के लिए scenario editor का उपयोग करें। शेड्यूल बनाने से पहले आप सेट कर सकते हैं कि प्रत्येक सत्र में कौन से प्रतिभागी शामिल होंगे।
हाँ। scenario editor का उपयोग करके custom group capacities सेट करें, जिसमें अलग-अलग समूहों या सत्रों के लिए अलग-अलग क्षमताएँ शामिल हो सकती हैं।
हाँ। scenario editor में Group Visits का उपयोग करके चुने गए लोगों और चुने गए समूहों के लिए चुने गए सत्रों में सटीक, न्यूनतम या अधिकतम visit counts सेट करें। यह station rotations, task exposure और visit caps के लिए उपयोगी है।
scenario editor का उपयोग उन नियंत्रणों के लिए करें जिन्हें यह पेज नहीं दिखाता, जैसे partial attendance, समूह और सत्र के अनुसार custom capacities, session-specific rules, weighted preferences, Encounters, Group Visits, advanced tuning, solver settings, previous results, और result analysis।
हाँ, लेकिन यह केवल नामों को shuffle नहीं करता। ब्राउज़र में हर run ब्राउज़र की cryptographically secure randomness API से नया seed प्राप्त करता है। वह seed स्थानीय Rust और WebAssembly solver में randomized exploration को चलाता है। group sizes, requirements, balancing, repeat reduction और चुने गए अन्य goals तय करते हैं कि कौन सा valid schedule लौटाया जाए; इसलिए GroupMixer यह दावा नहीं करता कि वह हर संभावित grouping से समान रूप से sample करता है।
GroupMixer एक hybrid optimization pipeline उपयोग करता है। यह scenario को dense indexed representation में compile करता है, एक उच्च-गुणवत्ता वाला feasible starting schedule बनाता है, फिर score-preserving move previews, record-to-record acceptance, adaptive move-family selection, diversification, और runtime-scaled stopping के साथ local-search optimizer चलाता है। Auto solver architecture map देखें।
solver एक weighted score को minimize करता है। मुख्य घटक repeat-limit penalties, attribute-balance penalties, weighted soft-constraint penalties, और unique contacts के लिए reward हैं। कम स्कोर बेहतर है: repeat और constraint violations स्कोर बढ़ाते हैं, जबकि नए unique pairings उसे घटाते हैं।
GroupMixer पूरी तरह random grouping से शुरू नहीं करता। यह पहले bounded constraint-scenario/oracle-guided constructor आज़माता है। वह constructor hard-valid scaffold बनाता है, जहाँ repeats कम करने में मदद मिलती है वहाँ pure Social Golfer structure उपयोग करता है, उस structure को वास्तविक scenario में वापस project करता है, और search शुरू होने से पहले result validate करता है।
dense search engine मौजूदा schedule में बार-बार local changes प्रस्तावित करता है। optimizer यह तय करे कि बदलाव रखना है या नहीं, उससे पहले प्रत्येक candidate change को scoring model के विरुद्ध preview किया जाता है, ताकि search hard validity बनाए रखते हुए schedule सुधार सके।
हाँ। मुख्य search record-to-record या threshold-accepting व्यवहार वाला iterated local-search style optimizer है: सुधार करने वाली moves स्वीकार की जाती हैं, और शुरुआती चरण में सीमित non-improving moves भी स्वीकार हो सकती हैं ताकि search local optima से बाहर निकल सके। GroupMixer specialized repeat-minimization paths में adaptive neighborhood selection, diversification bursts, और tabu-inspired machinery भी उपयोग करता है। यह सिर्फ एक textbook metaheuristic नहीं है; यह group-assignment scoring model के आसपास कई search ideas को मिलाता है।
repeat reduction local search से पहले शुरू हो जाता है। GroupMixer एक मजबूत social-golfer-style contact pattern बनाने की कोशिश करता है, और जब वे scenario से मेल खाते हैं तो exact या near-exact zero-repeat structures उपयोग करता है। उसके बाद dense search pair-contact counts track करता है, first-time contacts को reward देता है, repeat excess को penalize करता है, और requirements तोड़े बिना schedule सुधारता है।
attendance, capacity, Fixed Placements, Keep Together और Keep Apart जैसी requirements अनिवार्य हैं। Balance Attributes, Attribute Totals, Prefer Together, Prefer Apart, Encounters और Group Visits जैसी preferences चुने हुए people, groups या sessions के लिए weighted targets हैं। Avoid Repeats और Maximize Contacts पूरे schedule की quality के global objectives हैं।
requirements को पूरा करना जरूरी है। preferences चुने हुए people, groups या sessions के scoped weighted targets हैं। Avoid Repeats और Maximize Contacts पूरे schedule की quality मापने वाले global objectives हैं।
अगर GroupMixer को 0 का score मिलता है, तो यह active scoring model के लिए optimality दर्शाता है: सुधारने के लिए कोई scored violations या repeat penalties बाकी नहीं हैं। लेकिन कई constrained scenarios में true optimum 0 से अधिक हो सकता है, क्योंकि requirements आपस में टकराती हैं या design गणितीय रूप से असंभव होता है। GroupMixer positive score को globally optimal साबित करने के लिए डिज़ाइन नहीं किया गया है, और कई complex scenarios में ऐसा proof व्यवहार में पूरी तरह infeasible होता है।
नहीं। requirements को suggestions नहीं, बल्कि feasibility rules माना जाता है। GroupMixer पहले quality-oriented constructors आज़माता है; अगर वे schedule नहीं बना पाते, तो यह SAT-based feasibility constructor पर fall back कर सकता है। अगर SAT solver साबित कर दे कि requirements unsatisfiable हैं, तो GroupMixer उन्हें relax करने के बजाय fail करता है। अगर satisfying schedule मिल जाता है, तो GroupMixer उसे starting point के रूप में उपयोग करता है और preferences तथा अन्य quality objectives को optimize करना जारी रखता है।
अधिकांश मामलों में, शायद नहीं। OR-Tools जैसे general optimization tools इस समस्या के कुछ हिस्सों को model कर सकते हैं, लेकिन अधिकांश practical scenarios में generic solver अकेले उपयोग करके GroupMixer से बेहतर schedules पाना बेहद कठिन है। GroupMixer search को problem-specific construction heuristics के साथ मिलाता है जिन्हें generic constraint search कम लागत में दोबारा नहीं खोज पाएगा: round-robin pair schedules, Kirkman और nearly Kirkman triple systems, finite-field affine-plane और transversal-design constructions, MOLS और MOLR constructions, quasi-difference-matrix RTDs, resolvable BIBDs, own-social-golfer starter banks, published schedule banks, और recursive lifting। GroupMixer को हराने के लिए आमतौर पर सिर्फ generic model नहीं, बल्कि दूसरा combined algorithm चाहिए।
कृपया feature request page के माध्यम से रिपोर्ट करें। scenario shape, GroupMixer result, बेहतर schedule, और आपने उसे कैसे score किया—ये सब शामिल करें। जिन cases में कोई अन्य method GroupMixer से बेहतर होता है, वे विशेष रूप से उपयोगी हैं क्योंकि वे solver सुधारने के लिए regression tests या benchmark cases बन सकते हैं। feature request भेजें।
जब तक deterministic seed न दिया जाए, search randomized exploration उपयोग करता है। इसलिए अलग-अलग runs समान score या मिलते-जुलते scores वाले अलग high-quality schedules खोज सकते हैं। scenario editor में, reproducibility महत्वपूर्ण होने पर advanced users seed सेट कर सकते हैं।
