[英]How do I pick elements from two arrays such that their sum is minimum?
我有兩個相等長度的數組填充整數(可能是正數或負數但從不為0)。 在每個索引處,我可以選擇array1的元素或者從array2中選擇元素,並且這些元素之和的absoulute值應該是最小的。
例如:
a1 = [2, 2, 1]
a2 = [-3, -3, -4]
正確的答案是選擇這樣的:
At index 0 : -3 from a2
At index 1 : 2 from a1
At index 2 : 1 from a1
因此,最終總和將為0。
首先,簡化問題:
b
,其中b[i] = a1[i] - a2[i]
。 sumA1
= a1
中每個元素的總和。 然后問題變成:
從
b
找到一個子數組,標記為c
,將其總和標記為sumC
,它應該最接近sumA1
。或者,您也可以說它應該具有最小的
Math.abs(sumC - sumA1)
。順便說一句,如果
c
為空,它也是有效的,這意味着從a1
選擇所有索引。
然后這個問題類似於這個: 給定一個輸入數組找到給定總和K的所有子數組
或者,參考這篇文章:
並且,回到OP的問題:
b
中選取的任何指數均為a2
。 b
中選取的任何指數均為a1
。 這是一個動態編程解決方案,它找到pos + abs(neg + pos)
的最小值(根據OP的更新)並打印一個候選解決方案。 我們需要將總和和正整數之和保存為dp狀態以找到最小值。 我不確定如果沒有pos
維度我們是否可以解決它。 時間復雜度為O(#elements * (sum of absolute values of elements)^2)
。 當然,如果個別數字非常大,這不是一個可行的解決方案。 在這種情況下,當元素數量為~20
時,蠻力方法將起作用。
a1 = [2, 1, 1, -1]
a2 = [-1, -2, -2, -4]
memo = {} # to store dp state
nxt = {} # for reconstructing path
def foo(a1, a2, index, total, pos):
if index == len(a1):
return pos + abs(total)
if (index, total, pos) in memo:
return memo[(index, total, pos)]
# take from first array
if a1[index] > 0:
r1 = foo(a1, a2, index+1, total + a1[index], pos+a1[index])
else:
r1 = foo(a1, a2, index+1, total + a1[index], pos)
# take from second array
if a2[index] > 0:
r2 = foo(a1, a2, index+1, total + a2[index], pos+a2[index])
else:
r2 = foo(a1, a2, index+1, total + a2[index], pos)
# save path taken at this step
if r1 < r2:
nxt[index] = 0
else:
nxt[index] = 1
memo[index, total, pos] = min(r1, r2)
return min(r1, r2)
print('minimum sum:', foo(a1, a2, 0, 0, 0)) # minimum sum: 2
# path reconstruction
path = []
node = 0
while node < len(a1):
path.append(nxt[node])
node += 1
print('path:', path) # path: [1, 0, 0, 0]
import itertools as iter
a = [a1, a2]
p = len(a1)
idx_to_pick = min(iter.product(*([[0, 1]]*p)),
key=lambda b: abs(sum([a[i][j] for i, j in zip(b, range(p))])))
這段代碼建議選擇a1[0] + a1[1] + a2[2] = 2 + 2 + (-4)
,與OP的選擇不同,但也是正確的。
更新每個OP的后續問題,對此答案發表評論:
import itertools as iter
a1 = [2, 2, 1]
a2 = [-3, -3, -4]
a = [a1, a2]
p = len(a1)
def obj_func(b):
arr = [a[i][j] for i, j in zip(b, range(p))]
return sum([x for x in arr if x > 0]) + abs(sum(arr))
idx_to_pick = min(iter.product(*([[0, 1]]*p)), key=obj_func)
使用新的目標函數,仍然有多種解決方案。 它可以是(-3,2,1)或(2,-3,1)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.