[英]Knapsack constraint python
假设我有一个代表篮球运动员的元组列表,以及他们的姓名,位置,费用和预计得分,
listOfPlayers = [
("Player1","PG",Cost,projectedPoints),
("Player2","PG",Cost,projectedPoints),
("Player3","SG",Cost,projectedPoints),
("Player4","SG",Cost,projectedPoints),
("Player5","SF",Cost,projectedPoints),
("Player6","SF",Cost,projectedPoints),
("Player7","PF",Cost,projectedPoints),
("Player8","PF",Cost,projectedPoints),
("Player9","C",Cost,projectedPoints),
("Player10","C",Cost,projectedPoints)
]
假设所有名称,成本和预计点都是可变的。
我有一个传统的背包问题,他们可以根据给定的重量对背包进行分类和包装。 但是,这并不说明职位。
我想知道是否有一种方法可以编辑背包代码,使其仅包含每个位置之一,即(pg,sg,sf,pf,c)。
传统的0/1背包可以做到这一点,还是我需要切换到其他东西?
这称为“多项选择背包问题”。
您可以使用类似于动态编程解决方案的算法来解决0/1背包问题。
0/1背包问题的解决方案如下:(来自Wikipedia )
将
m[i, w]
定义为重量小于或等于w
使用i
项可获得的最大值。
我们可以递归定义m[i, w]
如下:m[i, w] = m[i-1, w] if w_i > w (new item is more than current weight limit) m[i, w] = max(m[i-1, w], m[i-1, w-w_i] + v_i) if w_i <= w.
然后可以通过计算
m[n,W]
找到解决方案。 为了有效地做到这一点,我们可以使用一个表来存储以前的计算。
现在,扩展名只是查找所有选择中的最大值。
对于n
位置i
可供选择的玩家( c_i_j
是选择j
的成本, p_i_j
是积分),我们将有:
m[i, c] = max(m[i-1, c],
m[i-1, c-c_i_1] + p_i_1 if c_i_1 <= c, otherwise 0,
m[i-1, c-c_i_2] + p_i_2 if c_i_2 <= c, otherwise 0,
...
m[i-1, c-c_i_n] + p_i_n if c_i_n <= c, otherwise 0)
所以,说我们有:
Name Position Cost Points
Player1 PG 15 5
Player2 PG 20 10
Player3 SG 9 7
Player4 SG 8 6
然后,我们将有2个职位“ PG”和“ SG”,每个职位将有2个选择。
因此,对于位置“ PG”(在i=1
),我们将有:
m[i, c] = max(m[i-1, c],
m[i-1, c-15] + 5 if 15 <= c, otherwise 0,
m[i-1, c-20] + 10 if 20 <= c, otherwise 0)
对于位置“ SG”(在i=2
),我们将有:
m[i, c] = max(m[i-1, c],
m[i-1, c-9] + 7 if 9 <= c, otherwise 0,
m[i-1, c-8] + 6 if 8 <= c, otherwise 0)
首先,达克林的出色回答。 我没有发表评论的特权,所以我正在写答案。 这实际上是一个“多选择背包问题”。 我实现了其中一种问题,并在Online Judge中成功运行了该问题。 杜克林算法的唯一问题是,它不会考虑先前项目集中的至少一项。 因此,从上面:
m[i, c] = max(m[i-1, c],
m[i-1, c-15] + 5 if 15 <= c, otherwise 0,
m[i-1, c-20] + 10 if 20 <= c, otherwise 0)`
这最多只适用于一种。 如果您为零添加一点校验,那么对于i=1
(“ PG”)而言,它恰好适合每种类型的一项:
m[i, c] = max(m[i-1, c],
m[i-1, c-15] + 5 if 15 <= c and m[i-1, c-15] != 0, otherwise 0,
m[i-1, c-20] + 10 if 20 <= c and m[i-1, c-20] != 0, otherwise 0)
对于i=2
(“ SG”):
m[i, c] = max(m[i-1, c],
m[i-1, c-9] + 7 if 9 <= c and m[i-1, c-9] != 0, otherwise 0,
m[i-1, c-8] + 6 if 8 <= c and m[i-1, c-8] != 0, otherwise 0)
等等。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.