我正在尝试找到一种最佳算法,该算法可以找到最大的子集,其中元素的总和最小,同时覆盖所有元素。
例如: - 想象一下A B C是零售商而W X Y Z是产品,目标是最小化访问量并降低价格。
A B C
W 4 9 2
X 1 3 4
Y 9 3 9
Z 7 1 1
So it appears my top two choices are
a) B:{XYZ} - 7 C:{W} - 2
b) C:{WXZ} - 7 B:{Y} - 3
So a) is picked because since it has a lower cost, i.e 9.
这个问题看起来类似于顶点覆盖和其他线性编程算法,但我无法弄清楚正确的算法。
更新:
似乎我需要添加一个额外的变量。介绍t。如果访问最少的零售商和下一个最少的零售商的成本是> t,接下来的前者被选中。
Continuing with the example.
say t = 5,
The largest subset containing all elements would be B:{WXYZ} with a cost of 16.
The next largest subset(s) is B:{XYZ} - 7 C:{W} - 2 with a cost of 9.
t = 16 - 9 > 5. So we pick B:{XYZ} - 7 C:{W} - 2
but if we did A:{X}, B:{Y}, C:{WZ} - 5, t = 9 - 5 < 5.
So B:{XYZ} - 7 C:{W} - 2 is picked
如果已经有一种适合这种模式的算法,我真的很感兴趣。我不能成为第一个需要这种优化的人。
答案 0 :(得分:1)
您遇到两个目标的问题:1。最大限度地降低产品的总体成本,以及2.尽量减少访问的商店数量。 (@btilly的评论正确地显示了两个相互竞争的解决方案。)
在这些类型的整数编程问题中,多个目标相当普遍。 See MCDM。 要解决此问题,您需要两种类型的费用(目前只有一种。)
C_rp
C_r
直觉:如果C_r非常高,那么我们将从一家零售商那里购买所有产品。如果C_r很小,那么我们会去多个零售商那里购买最便宜的卖家。
您的问题可以建模为“Assignment Problem”的变体。此外,如果您需要更多参考,请阅读所谓的fixed-charge transportation problems
(FCTP)。 (一次访问零售商需要缴纳固定费用。)
那么对整数编程的表述:
决策变量
Binary
X_rp = if product p is purchased from retailer r, 0 otherwise
Y_r = 1 if retailer r is visited, 0 otherwise
目标函数
Min C_rp X_rp + C_r Y_r
约束
(Sum over r) X_rp = 1 for all p (Every product must be bought from some retailer)
接下来,我们需要确保Y_r是1,如果该零售商的X_rp中有一个是1。通常情况下,我们采用Big M方法,但在这个问题上更容易。
X_rp <= Y_r for all p, for all r.
如果任何X变量变为1,则强制Y_r变为1.模型将支付价格C_r。
要解决此问题,您可以使用任何LP解算器。好消息是问题具有完整性,这意味着即使使用线性编程解决方案技术,整数解也会自然发生。
希望有所帮助。