Question

我正在寻找一种能够找到最便宜，最有效的资源购买方式的算法。

示例数据（让我们以含有矿物质的岩石为基础）

Rock A (Contains 300 units of iron, 200 units of copper, 500 units of silver)
Rock B (Contains 150 units of iron, 400 units of copper, 100 units of silver)
Rock C (Contains 180 units of iron, 300 units of copper, 150 units of silver)
Rock D (Contains 200 units of iron, 350 units of copper, 80 units of silver)
Rock E (Contains 220 units of iron, 150 units of copper, 400 units of silver)
Rock F (Contains 30 000 units of iron, 150 units of copper, 400 units of silver)

每个单位花费1.因此，岩石花费了内部单位的总和。

例：

First case, needs 2600 units of Copper
Second case needs 5000 units of Iron
Third case needs 4600 units of Silver

我可以使用什么算法来估算哪些类型的岩石需要支付最低单价（尽可能低损失）。

那个案例我想出了一个算法，可以计算出每个项目浪费的比例与所需材料的比率在铁的情况下，仍然比率可能导致我获得摇滚.F.因为那将是最便宜的比例。但是石头的整体价值很大。由于我不需要30 000单位的铁，因此可以获得价值较低的宝石。

其次，方式更复杂。是结合所有3个案例，并获得最佳的石头组合，以最低的价格（浪费）满足所有要求。

Answer 1

这是无界的背包问题，但不是最大化，而是需要最小化。您需要的资源量是＆＃34; weight＆＃34;而成本就是＆＃34;价值＆＃34;。

这些是重写的属性：

m[0] = 0
m[w] = min(v[i] + m[w - w[i]]) for w[i] < w

其中m[j]是j资源量的解决方案，v[i]是i岩石的成本。

这是一些伪代码：

m[0] = 0
for i = 1 to W: # W is your target amount of resource i.e. 2600, 500, 4600
    minv = max_value_possible
    # rocks is the vector with the <cost,resource> pairs of each rock e.g.<650,150>
    # for Rock B, iron
    for r in rocks:
        if r.second < i: minv = min(minv, m[i - r.second] + r.first)
    m[i] = minv

Knapsack problem

您正在谈论的贪婪方法会给您一个不理想的解决方案。

Answer 2

在我看来，如果你遵循你的第一个想法，这将是最好的方式。矿物相对于总量的百分比可以得到最好的结果：

例如，如果您搜索矿物质铁：

摇滚A：300/1000 = 30％铁

岩石F：30000/30550 = 98.2％铁

找到最便宜的物品以获得一定数量资源的算法

2 个答案: