背包算法，大容量

Question

我目前正在开发播放列表播放器，因此遇到问题。 我的播放列表中有可变长度的间隙，我想填充特殊的音频文件。 这些文件的长度也可变，通常短于我在播放列表中的间隔。

这听起来像一个经典的背包问题，所以我尝试实现此算法。 这对于较小的间隙效果很好，但是每当我有30分钟的间隙时，该算法就会使用大量内存。 这是可以预期的，因为im使用动态编程来解决该问题。

背包具有{gap in milliseconds}的容量，背包项目具有以毫秒为单位的音频文件的权重。

这是非常低效的。 所以我想知道我是否可以使用其他算法，或者将权重和容量更改为较小的变量。 到目前为止，我一直在考虑将所有内容除以任意数，但是如果这样做，il会失去精度。

有人有什么想法吗？

编辑：

我有大约500个填充物可以填补空白。 并且无法更改音高。 填充剂组应具有完美的解决方案。 我确实想要毫秒级的精度，但是我可以在100ms以下的时间内生存。

Answer 1

您说的是播放列表，所以我假设您有歌曲，一首典型的歌曲大约需要3分钟，因此您的解决方案将是大约10首歌曲。 因此，您可以将所有时间除以50，然后一首歌的典型错误将为正负25毫秒，因此，对于10首随机歌曲，该错误通常约为（25毫秒* sqrt（10））<100毫秒。 如果要更好地保证错误，则可以将歌曲时间和目标时间除以20或10，但是可以肯定的是，如果将时间除以10，则很少会出现100毫秒以上的错误。 除以10意味着您将针对精确的O（WN）动态编程解决方案将内存除以10，因此它可以使内存适合与否（如果您处于临界点）有所不同。

Answer 2

您可以使用迭代加深近似，在其中用所有适合的最长填充物填充间隙。 然后删除它们（从短到长），然后在每一个之后使用动态算法求解剩余空间。 由于每次清除都会增加剩余间隙的长度，因此每个问题都会更加困难。 一旦时间或内存用完，请停止操作，并使用最后生成的解决方案。