使用动态规划解决童年难题
Posted 字节流
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用动态规划解决童年难题相关的知识,希望对你有一定的参考价值。
题图 | Kyle Johnson
记得小时候,央视有一档综艺节目叫做《超市大赢家》,大致内容是:规定在一段时间内以及只有一辆购物车的情况下,每队可以在超市内任意选购,当然每种商品数量有所限制。
在游戏时间结束时,购物车中商品总价格最高的一队获胜,并且可以免费带走购物车内所有商品。
相信很多人在童年时都看过这档节目,当时对我产生了极大的冲击,简直就是我的人生梦想。
但问题也随之而来了,对于那时生活和购物经验都不足的我来说,到底哪些商品既价格高,所占空间又小呢?而且由于对相同商品的数量有着限制,那么势必需要合理分配购物车的空间,才能使价值最大化,但这又该如何操作和计算呢?
童年的我陷入了矛盾,后来我并没有机会去参加这个节目,不过问题却一直留了下来。
我相信,直到现在,对于这个问题或者类似的问题,依然会有很多人无从下手。我也是在接触了算法之后,才回忆起这个童年难题,并用动态规划去解决它。
我觉得,这也是人们即使不以计算机为职业,不过仍有需要学一些编程知识的意义之一吧。
编程亦如创作
那么我们接下来就以编程的思维去解决这个有意思的问题。
假设我们现在有多种商品,数量都是为一。有人可能会觉得,计算机运行速度那么快,那么我们就把所有可能的情况都列举出来,再计算总价进行比较,不就得出答案了吗?
这样真的可行吗?我们来列出一张表格。
元素数量 | 集合数量 |
---|---|
3 | 8 |
4 | 16 |
5 | 32 |
32 | 40亿 |
40 | 10240亿 |
假设超市只有40种商品,就已经出现了10240亿个集合数量。如果一个小超市有上百种商品,用现在的个人电脑,应该从你的童年到老年也计算不出结果。
显然这是不合理的,我们可以使用动态规划,动态规划的思想是:
将待求解的问题分解成若干个相互联系的子问题,先求解子问题,然后再将子问题的解作为上层问题的条件,直至求出原问题的解。
童年的小刘不知不觉长大了,在他18岁生日之际,他觉得作为成年人,当然需要一些电子产品,爸爸给了他一个空间为4的包,承诺可以为其中的东西付款。小刘调查了商品一下价格,开始筹划怎样才能最大化地坑爹。
商品名称 | 价格 | 空间 |
---|---|---|
手机 | 3000 | 1 |
平板 | 4000 | 3 |
电脑 | 8000 | 4 |
动态规划既然是要将大问题分为若干子问题,那么我们是否可以这么考虑:
假如商场只卖手机。
1.1 包的空间为1
1.2 包的空间为2
1.3 包的空间为3
1.4 包的空间为4假如商场只卖手机和平板(1的结果可以为2所用)
2.1 包的空间为1
2.2 包的空间为2
2.3 包的空间为3
2.4 包的空间为4…
这是我们的思路过程。思路过程种,不难发现,这似乎是一张二维的表:
那我们就开始尝试计算吧。
先只看第一行,只有手机可以挑选,在包的空间递增的过程中,会出现以下情况:
现在继续看下一行,此时有手机和平板可供选择,包的空间在递增,此时已经存在第一行的数据可以使用,不必重复计算:
我们不难归纳出算法:
获取上一行同列商品的价格
获取当前行商品的价格+剩余空间可放置价格
对以上两者进行比较,取其大者
这样,我们可以得到,在能够选择的商品种类下,随着包的空间递增,能够获取的最大的价值。那么我们的终极目标,就是右下角的那个格子的值。
现在我们尝试用代码来实现一下,我这里选择的是Python,当然算法的实现和语言本身没有任何关系,哪种最顺手,最便捷即可。
1def dp_func(bill,zone):
2 #首先生成二维数组
3 bill_list=list(bill.keys())
4 array_row=len(bill)
5 array_column=zone+1
6 array=[[0]*array_column for i in range(array_row)]
7 #开始判断
8 for i in range(0,array_row):
9 for j in range(1,array_column):
10 previous=array[i-1][j]#上一行同列商品的价格
11 current_goods_price=bill[bill_list[i]][0]#当前行商品的价格
12 current_goods_zone=bill[bill_list[i]][1]#当前行商品的空间
13 if j-current_goods_zone>=0:
14 left_price = array[i - 1][j - current_goods_zone] # 剩余空间可放置的商品价格
15 if previous > current_goods_price + left_price:
16 array[i][j] = previous
17 else:
18 array[i][j] = current_goods_price + left_price
19 else:
20 array[i][j] = previous
21 return array
22
23if __name__ == '__main__':
24 test_bill={"手机":[3000,1],"平板":[4000,3],"电脑":[8000,4]}
25 cart_zone=4
26 print(dp_func(test_bill,cart_zone))
可左右滑动查看
输出:
计算出最后的结果是8000元,由于商品数量比较少,这时候我们可以将这个数据与枚举方法所得的结果进行比较检验,发现是与预期结果一样的,
为了更一般化,可以更改几组测试用例进行多次测试。
需要注意的是,动态规划很强大,但是局限在与:每个子问题都必须是离散的,即相互之间不存在依赖。
童年,电视机是一个世界
童年,曾经有一道复杂的难题摆在我面前,我不会解,等我现在能够解决了,却发现依旧没有能力为我的购物车支付,人世间最痛苦的事莫过于此。
如果上天能够给我一个再来一次的机会,我会对小时候的我说:早点学计算机。
P.S. 如果你觉得本文还不错,麻烦随手点赞与转发吧。 以上是关于使用动态规划解决童年难题的主要内容,如果未能解决你的问题,请参考以下文章