Персональные инструменты
 

Задача о рюкзаке:динамическое программирование — различия между версиями

Материал из CustisWiki

Перейти к: навигация, поиск
м (реплицировано из внутренней CustisWiki)
м (Fixed TeX formulae)
Строка 14: Строка 14:
 
     T={0:0} #Хэш: самая большая стоимость набора для веса - {вес:стоимость}
 
     T={0:0} #Хэш: самая большая стоимость набора для веса - {вес:стоимость}
 
     Solution={0:[]}
 
     Solution={0:[]}
     #Цикл по всем предметам $\frac{c_i}{a_i}$
+
     #Цикл по всем предметам <math>c_i / a_i</math>
 
     for i in range(0,len(A)):
 
     for i in range(0,len(A)):
 
         print C[i],"/",A[i],":",
 
         print C[i],"/",A[i],":",
         T_old=dict(T)  #Копируем $T_{k-1}$ в $T_{old}$
+
         T_old=dict(T)  #Копируем <math>T_{k-1}</math> в <math>T_{old}</math>
 
         print T  
 
         print T  
 
         #Цикл по всем полученным частичным суммам
 
         #Цикл по всем полученным частичным суммам

Версия 14:17, 24 июля 2006

Методы динамического программирования дают возможность построить для задачи о рюкзаке псевдополиномиальные алгоритмы, использующие при своей работе массивы, превышающие (возможно экспоненциально) длину входных данных.

Например, следующий алгоритм использует хранение наилучших частичных решений-наборов, в хэш-таблице, т. е. для каждого веса, если существует набор с таким весом, храниться максимальная стоимость. Стартовав с пустого множества частичных наборов, и добавляя по одному, предметы, в каждый момент мы имеем не более B «лучших» частичных наборов, помещающихся в рюкзак. В конце остается только выбрать самый дорогой из них. Таким образом, хотя сложность этого алгоритма — O(nB) является экспоненциальной от длины входа, при ограниченных размерах рюкзака B, алгоритм может быть полезен и эффективен. Также можно организовать отбор наиболее легких решений, для каждой возможной стоимости набора, как это сделано в Задача о рюкзаке:PTAS.

Реализация алгоритма на Python и пример его выполнения:

 def knapsack_dylp(A,B,C):
    print "A=",A,"B=",B,"C=",C
    T={0:0} #Хэш: самая большая стоимость набора для веса - {вес:стоимость}
    Solution={0:[]}
    #Цикл по всем предметам <math>c_i / a_i</math>
    for i in range(0,len(A)):
        print C[i],"/",A[i],":",
        T_old=dict(T)  #Копируем <math>T_{k-1}</math> в <math>T_{old}</math>
        print T 
        #Цикл по всем полученным частичным суммам
        for x in T_old:
            if (x+A[i])<=B:
                if (not T.has_key(x+A[i])) or (T[x+A[i]]<T_old[x]+C[i]):
                    T[x+A[i]]=T_old[x]+C[i]
                    Solution[x+A[i]]=Solution[x]+[i]
        print "    -->",T
 
    ResultCost = max(T.values())
    Result = Solution[argmax(T)]
    print Result,":",ResultCost
    return (Result,ResultCost)
A= [6, 3, 2, 5, 5, 1] B= 10 C= [3, 4, 5, 6, 7, 8]
3 / 6 : {0: 0}
    --> {0: 0, 6: 3}
4 / 3 : {0: 0, 6: 3}
    --> {0: 0, 9: 7, 3: 4, 6: 3}
5 / 2 : {0: 0, 9: 7, 3: 4, 6: 3}
    --> {0: 0, 2: 5, 3: 4, 5: 9, 6: 3, 8: 8, 9: 7}
6 / 5 : {0: 0, 2: 5, 3: 4, 5: 9, 6: 3, 8: 8, 9: 7}
    --> {0: 0, 2: 5, 3: 4, 5: 9, 6: 3, 7: 11, 8: 10, 9: 7, 10: 15}
7 / 5 : {0: 0, 2: 5, 3: 4, 5: 9, 6: 3, 7: 11, 8: 10, 9: 7, 10: 15}
    --> {0: 0, 2: 5, 3: 4, 5: 9, 6: 3, 7: 12, 8: 11, 9: 7, 10: 16}
8 / 1 : {0: 0, 2: 5, 3: 4, 5: 9, 6: 3, 7: 12, 8: 11, 9: 7, 10: 16}
    --> {0: 0, 1: 8, 2: 5, 3: 13, 4: 12, 5: 9, 6: 17, 7: 12, 8: 20, 9: 19, 10: 16}
[2, 4, 5] : 20

Любые правки этой статьи будут перезаписаны при следующем сеансе репликации. Если у вас есть серьезное замечание по тексту статьи, запишите его в раздел «discussion».

Репликация: База Знаний «Заказных Информ Систем» → «Задача о рюкзаке:динамическое программирование»