王者编程大赛之三 — 01背包

栏目: 编程工具 · 发布时间: 5年前

内容简介:首发于服务目前每月会对搬家师傅进行评级,根据师傅的评级排名结果,我们将优先保证最优师傅的全天订单。

首发于 樊浩柏科学院

服务目前每月会对搬家师傅进行评级,根据师傅的评级排名结果,我们将优先保证最优师傅的全天订单。

王者编程大赛之三 — 01背包

假设师傅每天工作 8 个小时,给定一天 n 个订单,每个订单其占用时间长为 $T_i$,挣取价值为 $V_i$,现请您为师傅安排订单,并保证师傅挣取价值最大。

输入格式

输入 n 组数据,每组以逗号分隔,并且每一个订单的编号、时长、挣取价值以空格分隔

输出格式

输出争取价值和订单编号,订单编号按照价值由大到小排序,争取价值相同,则按照每小时平均争取价值由大到小排序

示例:

输入:[MV10001 2 100,MV10008 2 30,MV10003 1 200,MV10009 6 500,MV10010 3 400]

输出:730 MV10010 MV10003 MV10001 MV10008

输入:[M10001 2 100,M10002 3 210,M10003 3 300,M10004 2 150,M10005 1 70,M10006 2 220,M10007 1 10,M10008 3 30,M10009 3 200,M10010 2 400]

输出:990 M10010 M10003 M10006 M10005

解题思路

由于本题每个订单每天只被安排一次,是典型地采用 动态规划 求解的 01 背包问题。

动态规划概念

:每次决策依赖于当前状态,又随即引起状态的转移。一个决策序列就是在变化的状态中产生出来的,所以,这种多阶段最优化决策解决问题的过程就称为动态规划。

:动态规划与分治法类似,都是把原问题拆分成不同规模相同特征的小问题,通过寻找特定的递推关系,先解决一个个小问题,最终达到解决原问题的效果。

建立动态方程

假设,师傅挣取价值最大时的订单为 $x_1$,$x_2$,$x_3$,...,$x_i$(其中 $x_i$ 取 1 或 0,表示第 i 个订单被安排或者不安排),$v_i$ 表示第 i 个订单的价值,$w_i$ 表示第 i 个订单的耗时时长,$wv(i,j)$ 表示安排了第 i 个订单,师傅总耗时为 j 时的最大价值。

可得订单价值和耗时的关系图:

i 1 2 3 4 5
w(i) 2 2 1 6 3
v(i) 100 30 200 500 400

因此,可得:

$$wv(i,j) = begin{cases}

wv(i-1,j)(j < w(i)) \

max(wx(i-1,j),wv(i-1,j-w(i))+v(i))(j geq w(i))

end{cases}$$

说明:$j<w(i)$ 表示订单不被安排,$j \geq w(i)$ 表示订单被安排。

确定边界

可以确定边界条件 $wx(0,j) = wx(i, 0) = 0$,$wx(0,j)$ 表示一个订单都没安排,再怎么耗时价值都为 0,$wx(i,0)$ 表示没有耗时,安排多少订单价值都为 0。

王者编程大赛之三 — 01背包

求解

求解过程,可以填表来进行模拟:

1) 如 i=1,j=1 时,有 $j<w(i)$,故 $wx(1,1) = wx(1-1,1) = 0$;

2) 又如 i=1,j=2 时,有 $j=w(i)$,故 $wx(1,2) = max(wx(1-1,1), wx(1-1,2-w(1)) + v(1) = 100$;

3) 如此下去,直至填到最后一个,i=5,j=8 时,有 $j<w(i)$,故 $wx(5,8) = max(wx(5-1,8), wx(5-1,8-w(5)) + v(5) = 730$;

4) 在耗时没有超过 8 小时的前提下,当前 5 个订单都被安排过时,$wx(5,8) = 730$ 即为所求的最大价值;

王者编程大赛之三 — 01背包

解的组成

尽管过程已经求出了最大价值,但是并没有得出哪些订单被安排了,也就是没有得出解的组成部分。

但是在求解的过程中不难发现,寻解方程满足如下定义:

$$x(i) = begin{cases}

wv(i,j) = wv(i-1,j) \

wv(i,j) neq wv(i-1,j)

end{cases}$$

从表格右下到左上为寻解方向,寻解过程如下:

王者编程大赛之三 — 01背包

1) i=5,j=8 时,有 $wv(5,8) != wv(4,8)$,故 $x(5) = 1$,此时 $j -= w(5)$,$j = 5$;

2) i=4 时,无论 j 取何值,都有 $wv(4,j) == wv(3,j)$,故 $x(5) = 0$,此时 $j = 5$;

3) i=3,j=5 时,有 $wv(3,5) != wv(2,5)$,故 $x(3) = 1$,此时 $j -= w(3)$,$j = 4$;

4) i=2,j=4时,有 $wv(2,4) != wv(1,4)$,故 $x(2) = 1$,此时 $j -= w(2)$,$j = 2$;

5) i=1,j=2时,有 $wv(1,2) != wv(1,2)$,故 $x(1) = 1$,此时 $j -= w(1)$,$j = 0$,寻解结束;

编码实现

实现的类结构如下,特殊的方法已提取出,并将一一详细说明。

class Knapsack
{
    //物品重量,index从1开始表示第1个物品
    public $w = array();
    //物品价值,index从1开始表示第1个物品
    public $v = array();
    //最大价值,$wv[$i][$w]表示前i个物品重量为w时的最大价值
    public $wv = array();
    //物品总数
    public $n = 0;
    //物品总重量
    public $W = 0;
    //背包中的物品
    public $goods = array();

    /**
     * Knapsack constructor.
     * @param array $goods 物品信息,格式如下:
     * [
     *   [index, w, v]   //good1
     *   ...
     * ]
     * @param $c
     */
    public function __construct(array $goods, $c)
    {
        $this->goods = $goods;

        $this->W = $c;
        $this->n = count($goods);
        //初始化物品价值
        $v = array_column($goods, 2);
        array_unshift($v, 0);
        $this->v = $v;
        //初始化物品重量
        $w = array_column($goods, 1);
        array_unshift($w, 0);
        $this->w = $w;
        //初始化最大价值
        $this->wv = array_fill(0, $this->n + 1, array_fill(0, $this->W + 1, 0));

        $this->pd();
        $this->canPut();
    }

    public function getMaxPrice()
    {
        return $this->wv[$this->n][$this->W];
    }
}

动态求解过程:

public function pd()
{
    for ($i = 0; $i <= $this->W; $i++) {
        for ($j = 0; $j <= $this->n; $j++) {
            //未放入物品和重量为空时,价值为0
            if ($i == 0 || $j == 0) {
                continue;
            }

            //决策
            if ($i < $this->w[$j]) {
                $this->wv[$j][$i] = $this->wv[$j - 1][$i];
            } else {
                $this->wv[$j][$i] = max($this->wv[$j - 1][$i], $this->wv[$j - 1][$i - $this->w[$j]] + $this->v[$j]);
            }
        }
    }
}

寻解过程:

public function canPut()
{
    $c = $this->W;
    for ($i = $this->n; $i > 0; $i--) {

        //背包质量为c时,前i-1个和前i-1个物品价值不变,表示第1个物品未放入
        if ($this->wv[$i][$c] == $this->wv[$i - 1][$c]) {
            $this->goods[$i - 1][3] = 0;
        } else {
            $this->goods[$i - 1][3] = 1;
            $c = $c - $this->w[$i];
        }
    }
}

按照订单价值降序获取订单信息(若订单价值相同则按单位时间平均价值降序排列):

public function getGoods()
{
    $filter = function($value) {
        return $value[3];
    };
    $goods = array_filter($this->goods, $filter);
    usort($goods, function($a, $b) {
        if ($a[2] == $b[2]) {
            if ($a[2] / $a[1] < $b[2] / $b[1]) {
                return 1;
            }
            return 0;
        }
        return $a[2] < $b[2];
    });

    return $goods;
}

接收标准输入处理并输出结果:

$arr = explode(',', $input);
$filter = function ($value) {
    return explode(' ', $value);
};

$knapsack = new Knapsack(array_map($filter, $arr), 8);
$goods = $knapsack->getGoods();

echo $knapsack->getMaxPrice(), ' ', implode(' ', array_column($goods, 0)), PHP_EOL;

总结

该题使用动态规划求解,算法的时间复杂度为 $O(nc)$,当然也可以采用其他方式求解。例如先将订单按照价值排序,然后依次尝试进行安排订单,直至剩余耗时不能再被安排订单。

有关动态规划的其他典型应用,请参考 常见的动态规划问题分析与求解 一文。


以上所述就是小编给大家介绍的《王者编程大赛之三 — 01背包》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Google 广告高阶优化(第3版)

Google 广告高阶优化(第3版)

【美】Brad Geddes(布兰德.盖兹) / 宫鑫、康宁、王娜 / 电子工业出版社 / 2015-9 / 99.00元

《Google 广告高阶优化(第3版)》可以说是Google AdWords的终极指南,内容非常丰富,第三版在内容上进行了全面更新。介绍了AdWords的最新最完整的功能,阐释其工作原理,也提供了相应的优化方法、策略和实践教程,读者可以随时在自己的PPC广告系列中进行实践。第三版增添了50多页新内容,涵盖Google系统最近的所有变动,包括广告系列结构的变化、出价调整器、重定向、视频广告功能、全新......一起来看看 《Google 广告高阶优化(第3版)》 这本书的介绍吧!

RGB转16进制工具
RGB转16进制工具

RGB HEX 互转工具

在线进制转换器
在线进制转换器

各进制数互转换器

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具