在资源分配问题中，我有 n 存储区大小和 m 资源。资源应以最大利用率的方式分配给存储桶。我需要在 Node js
问题在于：假设我有两个大小分别为50和60的桶。资源大小为20,25,40。以下是可能解决方案的更恰当的表示：
解决方案1 ：
| 50 | 20,25 | 45/50 = 0.9 |
| 60 | 40 | 40/60 = 0.667 |
在这种情况下的总利用率是> 1.5年
解决方案2 ：
| 50 | 25 | 25/50 = 0.5 |
| 60 | 20,40 | 60/60 = 1.0 |
在这种情况下的总利用率为1.5年。
推断：
- 背包方法将返回解决方案2，因为它将根据更高的存储桶大小进行优化
- Brute-Force 方法将返回两种解决方案。我对这种方法的一个担忧是;鉴于我必须使用Node js并且它是单线程的，当 n （存储桶）和 m （资源）非常大时，我对性能持怀疑态度。
Brute-Force会做得很好还是有更好的方法/算法可以解决这个问题？另外，我上面提到的问题在任何意义上都是有效的吗？
答案 0 :(得分：0)
背包问题（这是背包问题）是NPC，这意味着，你只能通过蛮力或alghoritms找到解决方案，其具有与暴力相同的O-复杂性，但在平均情况下可以更好...... < / p>
它是单线程的，我对n的性能持怀疑态度 （桶）和m（资源）将非常大。
我不确定，如果你知道这是怎么回事。如果你不创建子线程并处理它们（这并不容易），每种标准语言都可以在一个线程中工作，因此在一个处理器中。如果你想要更多的处理器，你甚至可以在Node.Js中创建子线程。 同样在复杂性问题中，如果解决方案需要多次，如果“倍数”是恒定的，则无关紧要。在你的情况下，我认为“倍数”意味着4，如果你有四核。
有两个好的解决方案：
1）回溯 - 它基本上是先进的强力机制，在相同情况下可以更快地返回解决方案。
2）动态编程 - 如果您的项目具有相对较低的值，那么虽然经典蛮力无法在Universe本身的预期时间内找到200个项目的解决方案，但动态方法可以为您提供解决方案（毫）秒。