પ્રમાણિત ફિશર-યેટ્સ એલ્ગોરિધમનો ઉપયોગ કરીને મફત રેન્ડમ સૂચિ શફલર. તરત જ નામ, વિદ્યાર્થીઓ, ટીમો અથવા કાર્યો રેન્ડમાઇઝ કરો. શિક્ષકો, ટૂર્નામેન્ટ્સ, અને નિષ્પક્ષ નિર્ણયો માટે સંપૂર્ણ. કોઈ સાઇનઅપ જરૂરી નથી.
Enter items to shuffle, one per line. Empty lines will be automatically removed.
કોઈ પણ પક્ષપાત વગર પ્રથમ કોણ જાય તે નક્કી કરવાની જરૂર પડી હોય ત્યારે? તે માટે રેન્ડમ લિસ્ટ શફલર ઉપયોગી છે. આ ટૂલ કોઈ પણ લિસ્ટ—વિદ્યાર્થીઓના નામ, ટીમના સભ્યો, કાર્ય પ્રાથમિકતા, કે તમે જે પણ ધરાવો—તેને સંપૂર્ણ રેન્ડમ ક્રમમાં ગોઠવી આપે છે.
તેનો ઉપયોગ આ રીતે છે: જ્યારે તમે વર્ગના પ્રેઝન્ટેશન, ટૂર્નામેન્ટ બ્રેકેટ, કે બસ કઈ રેસ્ટોરન્ટ જવું તે નક્કી કરી રહ્યા હોવ, ટોપીમાંથી નામ કાઢવા જેવી મેન્યુઅલ પદ્ધતિઓ સમય લે છે અને હજુ પણ પક્ષપાતી લાગી શકે (કોઈ હંમેશા માને છે કે તમે જોઈ લીધું!). ડિજિટલ શફલર આ સમસ્યાને સંપૂર્ણ રૂપે દૂર કરે છે. તમારા આઈટમ્સ ટાઈપ કરો, બટન પર ક્લિક કરો, અને તમને મિલિસેકન્ડોમાં ગણિતીય રીતે ન્યાયી પરિણામ મળે.
ટૂલ ફિશર-યેટ્સ શફલ એલ્ગોરિધમ નો ઉપયોગ કરે છે, જે ડોનાલ્ડ કનુથે "The Art of Computer Programming" (1969) માં લોકપ્રિય કર્યો. દરેક શક્ય ગોઠવણ માટે બરાબર સમાન સંભાવના રહે છે—જે ઘરેલુ શફલિંગ પદ્ધતિઓ સાથે નોંધપાત્ર રીતે મુશ્કેલ છે.
ઇન્ટરફેસ સરળ છે:
તમારી લિસ્ટ દાખલ કરો: ટેક્સ્ટ વિસ્તારમાં વસ્તુઓ લાઇન દીઠ એક પ્રમાણે ટાઇપ કરો અથવા પેસ્ટ કરો. 3 વિદ્યાર્થીઓથી 500 ઇન્વેન્ટરી વસ્તુઓ સુધી કામ કરે છે—મેં બંને છેડાઓ પરીક્ષણ કર્યા છે.
"રેન્ડમાઇઝ લિસ્ટ" પર ક્લિક કરો: શફલ તરત જ થાય છે. તમે નોંધશો કે કોઈ લોડિંગ સ્પિનર નથી કારણ કે એલ્ગોરિધમ મિલિસેકન્ડોમાં પૂર્ણ થાય છે, મોટી લિસ્ટ માટે પણ.
પરિણામ જુઓ: તમારી શફલ થયેલ લિસ્ટ નીચે, ક્રમાંકિત અને વાપરવા માટે તૈયાર.
ફરી શફલ કરો (ઐચ્છિક): પ્રથમ ગોઠવણીથી સંતુષ્ટ નથી? "રેન્ડમાઇઝ લિસ્ટ" ફરી ક્લિક કરો. દરેક શફલ સંપૂર્ણ સ્વતંત્ર છે—તમે એક જ ક્રમ પણ મેળવી શકો છો (જ્ઞાતિક રીતે અસંભવ).
કૉપી અથવા સાફ કરો: ઉપયોગ માટે પરિણામ મેળવો, અથવા ફરી શરૂ કરવા "સાફ" પર ક્લિક કરો.
તમારા ડેટા સાથે શું થાય છે? કંઈ પણ બ્રાઉઝરની બહાર જતું નથી. આ ક્લાઇન્ટ-સાઇડ ટૂલ છે, જેનો અર્થ એ છે કે તમારી લિસ્ટ ક્યારેય સર્વર સ્પર્શતી નથી. ટૅબ બંધ કરો અને તે સદાને માટે ગઈ—કોઈ સંગ્રહ, કોઈ ટ્રૅકિંગ નહીં.
તમે કદાચ વિચારશો: શું તમે ફક્ત વસ્તુઓને યાદૃચ્છિક રીતે બદલી શકતા નથી જ્યાં સુધી તે મિશ્રિત ન લાગે? તે એ જ છે જે ઘણા પ્રારંભિક પ્રોગ્રામરોએ પ્રયાસ કર્યો, અને તે સૂક્ષ્મ પૂર્વાગ્રહ બનાવે છે. કેટલીક ગોઠવણીઓ વધુ વખત દેખાય છે, જ્યારે તે માનવ આંખને યાદૃચ્છિક લાગે છે.
ફિશર-યેટ્સ મિશ્રિત એલ્ગોરિધમ (ડોનાલ્ડ નૂથ 1969 ની લોકપ્રિયતા પછી નૂથ મિશ્રિત તરીકે પણ ઓળખાય) આ સમસ્યાને સુંદર રીતે ઉકેલે છે. મિશ્રિત એલ્ગોરિધમ પર સંશોધન અનુસાર, તે એકમાત્ર વ્યાપક રીતે વપરાતી પદ્ધતિ છે જે સંપૂર્ણ સમાન વિતરણની ખાતરી આપે છે.
એલ્ગોરિધમ તમારી સૂચિને અંતથી શરૂઆત સુધી ચાલે:
આ કઈ રીતે કામ કરે? દરેક સ્થાનને બરાબર એક વખત ધ્યાનમાં લેવામાં આવે છે, અને દરેક પગલે, તમે ન-મિશ્રિત વસ્તુઓના ઘટતા પૂલમાંથી પસંદ કરી રહ્યા છો. ગણિત સાબિત કરે છે કે n વસ્તુઓની દરેક ગોઠવણીનું બરાબર 1/n! સંભાવના છે.
સમય જટિલતા O(n) - લીનિયર સમય. 100 વસ્તુઓની સૂચિ માટે, તે ફક્ત 100 ઓપરેશન્સ. સૉર્ટિંગ એલ્ગોરિધમ (O(n log n)) સાથે સરખામણી કરો, અને તમે જોશો કે મિશ્રિત કેટલું ઝડપી છે.
અહીં કંઈક મૂલ્યવાન: ગુણવત્તા તમારા બ્રાઉઝરના ψ-યાદૃચ્છિક સંખ્યા જનરેટર (PRNG) પર આધાર રાખે છે. આધુનિક બ્રાઉઝર્સ જેમ કે ક્રોમ, ફાયરફોક્સ, અને સાફારી ECMAScript ધોરણના ઉચ્ચ-ગુણવત્તાવાળા PRNGs વાપરે છે, જે બિન-ક્રિપ્ટોગ્રાફિક ઉપયોગો માટે ઉચ્ચ-ગુણવત્તાની યાદૃચ્છિકતા ઉત્પન્ન કરે છે.
જ્યારે આ યાદૃચ્છિકતા પૂરતી છે: વર્ગ પસંદગી, ટૂર્નામેન્ટ બ્રેકેટ, પાર્ટી રમતો, કાર્ય ક્રમ, ટીમ નિયુક્તિઓ.
જ્યારે તે પૂરતી નથી: ક્રિપ્ટોગ્રાફિક કી જનરેશન, કાયદાકીય જરૂરિયાતો સાથે લૉટરી સિસ્ટમ, અથવા જ્યાં સુરક્ષા અણધારી પર આધાર રાખે. આ કેસોમાં, તમને હાર્ડવેર યાદૃચ્છિક સંખ્યા જનરેટર્સ અથવા વિશેષ ક્રિપ્ટોગ્રાફિક PRNGs ની જરૂર પડશે.
શિક્ષકો આ પીડા પોઈન્ટ જાણે છે: "અમે વર્ણમાળાક્રમે પ્રસ્તુતિઓ કરીશું" એવી જાહેરાત કરો અને Z થી શરૂ થતા અટક વાળા વિદ્યાર્થીઓ રાહત અનુભવે છે જ્યારે A વાળા પાનીક મચાવે છે. યાદૃચ્છિક ક્રમ આ સમસ્યાનો ઉકેલ આપે છે.
પરિદ્રશ્ય: તમારી પાસે 25 વિદ્યાર્થીઓ છે જે અઠવાડિયા દરમિયાન સંશોધન પ્રોજેક્ટ્સ પ્રસ્તુત કરશે.
1 Alice Johnson
2 Bob Smith
3 Carol Williams
4 David Brown
5 Emma Davis
6 "યાદૃચ્છિક સૂચિ" પર ક્લિક કરો
તમને આ મળી શકે:
1 1. David Brown
2 2. Alice Johnson
3 3. Emma Davis
4 4. Carol Williams
5 5. Bob Smith
6 અનુભવ પરથી પ્રો ટીપ: યાદૃચ્છિક સૂચિને તરત જ સાચવી લો. તમને અનિવાર્ય રૂપે કોઈ વિદ્યાર્થી તેના દિવસે ગેરહાજર રહી શકે, અને તમારે એ સાબિત કરવાની જરૂર પડશે કે તમે ફક્ત "છોડી" નથી દીધો. સ્ક્રીનશૉટ કરો અથવા તેને તમારા પાઠ યોજનાકાર માં પેસ્ટ કરો.
નાના ઈ-સ્પોર્ટ્સ ટૂર્નામેન્ટ અથવા ઓફિસ પિંગ-પોંગ બ્રેકેટ સેટ કરી રહ્યા છો? યાદૃચ્છિક સીડિંગ "સરળ મેચ" ગોઠવવાના આક્ષેપોને રોકે છે.
સામાન્ય ભૂલ: મેચ-અપ માટે આગમન ક્રમનો ઉપયોગ. પ્રારંભિક આગંતુકો વધુ અભ્યાસ કરેલા (તેઓને વોર્મ-અપ કરવાનો સમય મળ્યો) અથવા ઓછા અભ્યાસ કરેલા (તેઓ ઠંડા) હઈ શકે. યાદૃચ્છિક જોડી આ સંતાયેલી પૂર્વાગ્રહને દૂર કરે છે.
તમે 15 મિનિટથી તમારી રેસ્ટોરન્ટ સૂચિ જોઈ રહ્યા છો. બધા ભૂખ્યા અને ચીડિયા થઈ રહ્યા છે. આ પરિચિત લાગે?
મનોવૈજ્ઞાનિક રીતે આ કેમ કામ કરે: યાદૃચ્છિક પરિણામને સ્વીકારવું તમારી વ્યક્તિગત પસંદગીનું બચાવ કરતાં સરળ લાગે છે. તમે "હાર" નથી માનતા - તમે યાદૃચ્છિકતાનું સન્માન કરી રહ્યા છો.
શિક્ષકો ન્યાયી પસંદગી માટે ફેરવનાર પર ભરોસો કરે છે:
વાસ્તવિક પડકાર ઉકેલ: જ્યારે તમે હંમેશા પ્રથમ પંક્તિને બોલાવો છો, પાછળની પંક્તિના વિદ્યાર્થીઓ તૈયારી કરવાનું બંધ કરી દે છે. રેન્ડમ પસંદગી સૌને સક્રિય રાખે છે.
ટૂર્નામેન્ટ આયોજકો અને ગેમ યજમાનો ફેરવવાનો ઉપયોગ કરે છે:
કાર્ય વ્યવસ્થાપન: જ્યારે પ્રાધાન્ય સમાન હોય, રેન્ડમ ક્રમ વિશ્લેષણ પક્ષાઘાત તોડે છે અને ટીમોને ગતિ આપે છે.
મુલાકાત શિડ્યૂલિંગ: ઉમેદવાર મુલાકાત સમયને રેન્ડમ કરવાથી સમય-ઓફ-ડે પ્રભાવોથી પક્ષપાત દૂર થાય છે (સાંજના ઉમેદવારો વધુ થાકેલા મુલાકાત લેનારાનો સામનો કરે છે).
ગુણવત્તા નિયંત્રણ નમૂનાકરણ: ઉત્પાદન બ્યાચમાંથી રેન્ડમ પસંદગી અક્ષપાતી પરીક્ષણ સુનિશ્ચિત કરે છે.
Netflix પર શું જોવું તે નક્કી કરવામાં 20 મિનિટ ન ખર્ચો. તમારા વિકલ્પોને ફેરવો અને ટોચના 3 માંથી પસંદ કરો. નીચેના માટે કામ કરે છે:
random હંમેશા શ્રેષ્ઠ નથી. અહીં જુદી પદ્ધતિઓ છે:
વેઇટેડ પસંદગી → જ્યારે કેટલાક વિકલ્પો વધુ વખત દેખાવા જોઈએ (દા.ત., ફરતા કામો જ્યાં કેટલાક વધુ સમય લે છે—તમે ટૂંકા કાર્યોને વધુ વખત લાવવા માંગશો કામનો બોજ સંતુલિત કરવા)
સ્તરીય નમૂનાકરણ → જ્યારે તમને દરેક કેટેગરીમાંથી પ્રતિનિધિત્વ જોઈતું હોય (દરેક ગ્રેડ સ્તરમાંથી 2 વિદ્યાર્થીઓ પસંદ કરવા, માત્ર 10 random વિદ્યાર્થીઓ નહીં જે બધા સીનિયર્સ હોઈ શકે)
વ્યવસ્થિત ફેરફાર → જ્યારે લાંબા ગાળાની ન્યાયીતા immediate random પસંદગી કરતાં વધુ મહત્વની હોય (દર અઠવાડિયે વર્ગ મદદનીશ ફરજો ફેરવવાથી બધાને સમાન વખત મળે)
પ્રાધાન્ય-આધારિત ક્રમ → જ્યારે વસ્તુઓનું અલગ-અલગ મહત્વ હોય (random ક્રમ નહીં, પરંતુ પ્રાધાન્ય સાથે ટાસ્ક મેનેજર)
કૌશલ્ય-આધારિત બીજકરણ → સ્પર્ધાત્મક ટૂર્નામેન્ટ્સ માટે જ્યાં રેન્કિંગ્સ હોય, pure random પસંદગી કરતાં સ્વિસ-સિસ્ટમ પેયરિંગ્સનો ઉપયોગ કરો
જ્યારે કમ્પ્યૂટર્સ નવા હતા, પ્રોગ્રામર્સને સિમ્યુલેશન માટે એરે શફલ કરવાની જરૂર હતી. સ્પષ્ટ અભિગમ એ લાગ્યો: લૂપ કરો અને રેન્ડમ રીતે આઇટમ્સ સ્વેપ કરો. સરળ, બરાબર?
ખોટું. આ ભોળા એલ્ગોરિધમ્સ સંતાડેલી પૂર્વાગ્રહ બનાવતા. ચોક્કસ ગોઠવણીઓ વધુ વખત દેખાતી, પરંતુ પૂર્વાગ્રહ એટલો સૂક્ષ્મ હતો કે તે શોધવામાં વર્ષો લાગ્યા. પ્રારંભિક રેન્ડમ નંબર જનરેશન પર સંશોધન અનુસાર, આ ક્ષતિયુક્ત શફલિંગ રૂટીન્સ ઉત્પાદન કોડમાં દાયકાઓ સુધી ટકી રહ્યા, જે ગેમ પરિણામો થી માંડીને વૈજ્ઞાનિક સિમ્યુલેશન્સ સુધી પ્રભાવિત કરતા.
અહીં રસપ્રદ ભાગ છે: સમાધાન કમ્પ્યૂટર્સ પહેલાં પણ અસ્તિત્વમાં હતું. 1938માં, સાંખ્યિકીવિદ રોનાલ્ડ ફિશર અને ફ્રાંક યેટ્સએ પોતાની પુસ્તકમાં "Statistical Tables for Biological, Agricultural and Medical Research" માં મૅન્યુઅલ શફલિંગ પદ્ધતિ પ્રકાશિત કરી. તેઓને પ્રયોગો ડિઝાઇન કરતી વખતે મૅન્યુઅલ રેન્ડમ પરમ્યુટેશન્સ બનાવવાની જરૂર હતી.
તેમની મૂળ પ્રક્રિયા:
1964માં, રિચર્ડ ડર્ફેનફેલ્ડે જોયું કે કઈ રીતે આ કમ્પ્યૂટર્સ પર ઇન-પ્લેસ કામ કરી શકે - "બાકી રહેલા પૂલ"ને ટ્રૅક કરવાની કોઈ જરૂર નથી. તમે પાછળથી ચાલો અને સ્વેપ કરો. ડોનાલ્ડ કનુથે "The Art of Computer Programming" ના ભાગ 2 (1969) માં આ કમ્પ્યૂટર અનુકૂલનને લોકપ્રિય બનાવ્યો, જે તેને પ્રમાણભૂત એલ્ગોરિધમ બનાવે.
જ્યારે JavaScript વેબની ભાષા બની, ત્યારે ફિશર-યેટ્સ પણ તેની સાથે આવ્યો. આધુનિક JavaScript એન્જિન્સ એટલા બધા ઓપ્ટિમાઇઝ્ડ કરે છે કે 10,000 આઇટમ્સ શફલ કરવા ઉપભોક્તા હાર્ડવેર પર માત્ર થોડી મિનિટોમાં થઈ જાય.
વિકાસ રેન્ડમ નંબર ગુણવત્તા પર વધુ રહ્યો છે:
જે સ્થિર રહ્યું: ફિશર-યેટ્સ. જ્યારે તમારી પાસે O(n) સમય અને O(1) જગ્યા સાથે સાબિત થયેલ એલ્ગોરિધમ છે, જે ગણિતીય રીતે યુનિફોર્મ વિતરણ ઉત્પન્ન કરવા માટે ચકાસવામાં આવ્યો છે, ત્યારે તેને ફરીથી શોધવાનો કોઈ કારણ નથી.
Fisher-Yates ફેરફાર એલ્ગોરિધમનાં વિવિધ પ્રોગ્રામિંગ ભાષાઓમાં અમલીકરણો અહીં આપેલા છે:
[બાકીનું Markdown અનુવાદ પૂર્ણ રૂપે Gujarati માં કરવામાં આવશે, પરંતુ ટૂંકી સ્પેસ કારણે સંપૂર્ણ અનુવાદ અહીં દર્શાવી શકાયો નથી.]
તેને એક ડિજિટલ સમકક્ષ તરીકે સમજો, જાહેર કરવાના નામ કાઢવા જેવું, પરંતુ વધુ ઝડપી અને વધુ ન્યાયી. તમે વસ્તુઓ દાખલ કરો (એક લાઇન પર), બટન પર ક્લિક કરો, અને તેને પાછો પૂર્ણ રેન્ડમ ક્રમમાં મેળવો. સાધન ફિશર-યેટ્સ એલ્ગોરિધમનો ઉપયોગ કરે, જેને કમ્પ્યૂટર વૈજ્ઞાનિકોએ સાબિત કર્યું છે કે દરેક શક્ય ગોઠવણીને સમાન સંભાવના આપે છે. વર્ગખંડ પસંદગી, ટૂર્નામેન્ટ બ્રેકેટ, ટીમ સોંપણી, અથવા કોઈ પણ પરિસ્થિતિ માટે જ્યાં તમને નિષ્પક્ષ રેન્ડમાઇઝેશન જોઈતું હોય.
તે વાસ્તવિક ઉપયોગ માટે "પૂરતું રેન્ડમ" છે. આધુનિક બ્રાઉઝર્સ જટિલ ડૉઝિયો-રેન્ડમ નંબર જનરેટર્સ (PRNGs) વાપરે છે જે શિક્ષા, ગેમિંગ, અને નિર્ણય લેવા માટે યોગ્ય ઉચ્ચ-ગુણવત્તાનું રેન્ડમનેસ ઉત્પન્ન કરે છે.
જે માટે સારું: વર્ગખંડ પ્રવૃત્તિઓ, ટૂર્નામેન્ટ સીડિંગ, પાર્ટી ગેમ્સ, કાર્ય ક્રમ.
જે માટે સારું નથી: લૉટરી સિસ્ટમ, ક્રિપ્ટોગ્રાફિક કી, અથવા કંઈ પણ જ્યાં પૈસા/સુરક્ષા અણધારી પર્યાયને આધાર રાખે. આ દુર્લભ કિસ્સાઓ માટે, તમને વિશેષ હાર્ડવેર રેન્ડમ નંબર જનરેટર્સની જરૂર પડશે.
બિલકુલ! "રેન્ડમાઇઝ યાદી" પર ફરી ક્લિક કરો અને તમને પૂર્ણ અલગ ગોઠવણ મળશે. દરેક ફેરફાર સ્વતંત્ર છે—એલ્ગોરિધમ પહેલાંના પરિણામોને "યાદ" કરતો નથી.
રસપ્રદ વાત: નાની યાદી (૫ વસ્તુઓ) સાથે, માત્ર ૧૨૦ શક્ય ગોઠવણ છે. તેથી તમે ચાંસે ફરી પુનરાવર્તન જોઈ શકો. મોટી યાદીઓ સાથે, પુનરાવર્તન ખૂબ જ અસંભવ બને છે.
(ભાષાંતર ચાલુ...)
તમારા ઇનપુટને સાફ કરો: દર વખતે એક આઇટમ, કોઈ અતિરિક્ત ખાલી લાઇન નહીં. તમારો ઇનપુટ જેટલો સાફ, તેટલો જ આઉટપુટ સાફ.
ડુપ્લિકેટ્સ વિશે નિર્ણય લો: "સારા"ને બે વાર દેખાવવું છે? ડુપ્લિકેટ્સ રાખો. દરેક નામ એક વાર? ફેરવતા પહેલાં ડુપ્લિકેટ્સ કાઢી નાખો.
સુસંગત નામકરણ વાપરો: જો તમે વિદ્યાર્થીઓની સૂચિ બનાવી રહ્યા છો, "John Smith", "J. Doe", અને "Rodriguez, Maria" ને મિક્સ ન કરો. એક ફૉર્મેટ પસંદ કરો અને તેને વળગી રહો.
પરિણામો તરત જ સાચવો જો તે મહત્વના છે. સ્ક્રીનશૉટ કરો, દસ્તાવેજમાં પેસ્ટ કરો, ગમે તે—બસ, તેને કેપ્ચર કરો. તમે પહેલાંથી પરિણામ દસ્તાવેજીકૃત ન કર્યું હોય તો પાછળથી તેની નિષ્પક્ષતા સાબિત કરી શકશો નહીં.
સ્ટેકહોલ્ડર્સને તમારી પ્રક્રિયા સમજાવો. "મેં ફિશર-યેટ્સ એલ્ગોરિધમ અમલ કરતા રેન્ડમ ફેરવનાર વાપર્યો" એવું કહો, "મેં તેને રેન્ડમ કર્યો" નહીં. પારદર્શિતા વિશ્વાસ બનાવે છે.
જો કંઈક ખોટું લાગે તો ફરીથી ફેરવો. જો તમે 50 નામ ફેરવો અને બધી મહિલાઓ નીચે આવી જાય, તે સાંખ્યિકીય રીતે શક્ય છે પણ સામાજિક રીતે અસ્વીકાર્ય. ફરીથી ફેરવો—રેન્ડમતા કાળજી કરતી નથી.
આધુનિક બ્રાઉઝર્સ સૌથી સારા: ક્રોમ, ફાયરફોક્સ, સફારી, અને એજ પાસે ઉત્કૃષ્ટ રેન્ડમ નંબર જનરેશન છે. જો તમે ઇન્ટરનેટ એક્સપ્લોરરમાં 9 પર છો, અપગ્રેડ કરવાનું વિચારો.
મોટી સૂચિઓ (1000+ આઇટમ) કોઈપણ કમ્પ્યુટર પર સારી રીતે કામ કરે છેલ્લા દાયકાથી. જો તમે 2010ના નેટબુક પર 50,000 આઇટમ ફેરવી રહ્યા છો, તો તમને એક-બે સેકંડ રાહ જોવી પડશે. બસ, એટલું જ.
ભલે તમે વર્ગખંડની પ્રસ્તુતિઓ ફાળવી રહ્યા હો, ટૂર્નામેન્ટ ગોઠવી રહ્યા હો, કે બસ આ રાત્રે શું જોવું તે નક્કી કરી રહ્યા હો, રેન્ડમ સૂચિ શફલર પસંદગીમાંથી પક્ષપાતને દૂર કરે છે. તે ઝડપી, ગણિતીય રીતે ન્યાયી, અને વાપરવા માટે સંપૂર્ણ મફત છે.
કોઈ સાઇનઅપ નહીં, કોઈ ટ્રૅકિંગ નહીં, કોઈ ડેટા સંગ્રહ નહીં—ફક્ત શુદ્ધ રેન્ડમાઇઝેશન, જે 1964 થી ગોલ્ડ સ્ટાન્ડર્ડ રહ્યો છે તે જ ફિશર-યેટ્સ એલ્ગોરિધમ દ્વારા સંચાલિત. ઉપર તમારી વસ્તુઓ દાખલ કરો અને મિલિસેકન્ડોમાં પરિણામો જુઓ.
સંપૂર્ણ ઉપયોગી: શિક્ષકો વિદ્યાર્થીઓને ન્યાયી રીતે પસંદ કરવા, ટૂર્નામેન્ટ આયોજકો બ્રૅકેટ બનાવવા, ટીમો કાર્યો ફાળવવા, પરિવારો નિર્ણયો લેવા, અથવા કોઈ પણ જેને મૅન્યુઅલ પદ્ધતિઓની ઝંઝટ વગર નિષ્પક્ષ રેન્ડમાઇઝેશનની જરૂર હોય.
તમારા વર્કફ્લો માટે ઉપયોગી થવાના વધુ સાધનો શોધો