Question

我正在尝试为数组找到最低预期成本的最佳顺序。

输入是：

input = [[390, 185, 624], [686, 351, 947], [276, 1023, 1024], [199, 148, 250]]

这是一个包含四个选项的数组，第一个数字是成本，第二个数字是获得结果的概率，第一个（[i][1]）是分子，第二个是{{1 }}是分母。

目标是找到这些价值/概率对的最佳顺序，以最低的总成本提供结果。

[i][2]

运行：

def answer(input):

    from itertools import permutations

    length = len(input)
    best_total = 999
    for combination in permutations(input):
        # print combination
        total = 0.0
        for i in range(0, length):
            current_value = 1.0
            for j in range(0, i):
                current_value = current_value * (1.0 -  \
                (float(combination[j][1]) / float(combination[j][2])))
            total = total + (float(combination[i][0]) * current_value)
            if total > best_total:
                i = length
        # print total
        if total <= best_total:
            best_total = total
            best_combination = combination

    answer = map(input.index, best_combination)

    return answer

应该返回

print answer(input)

用于给定的输入。

这显然是一次详尽的搜索，只要有四个以上的选择就会很快变得很慢。我已经考虑过二叉搜索树，因为它们的输入非常相似，但我无法弄清楚如何实现它。

我已经为此工作了四天，似乎无法提出适用于任何输入的快速版本（假设成本和概率都是正确的）。

这不是作业或其他任何东西，只是我一直想弄清楚的谜题。

Answer 1

我将确定原始数组中每个案例的值，存储这些值，然后对列表进行排序。这是在python 3中，所以我不知道这是否会影响你。

确定原始数组中每个案例的值并存储它们：

inputA = [[390, 185, 624], [686, 351, 947], [276, 1023, 1024], [199, 148, 250]]
results = []
for idx,val in enumerate(inputA):
    results.append((val[0]*val[1]/val[2], idx))

对列表进行排序，提取位置：

l = lambda t:t[1]
print(list(map(l,sorted(results,reverse=True))))

对列表进行迭代为O(n)，排序为O(nlogn)。地图/列表/打印再次对O(n)进行迭代，因此效果应为O(nlogn)。

比python中的嵌套循环更快的搜索方式

1 个答案: