Question

我有一个函数，它接受两个值作为输入，并返回一个值为＆＃34;组合＆＃34;两个通过第二个函数（为简单起见，f2返回输入值的总和）。在python中它是：

f1 (in1, in2):
    return f2(in1,in2)

f2 (in1, in2):
    return in1 + in2

现在，in1和in2与时间点相关联; in1可以包含3个值：0，1和2。我想做的是＆＃34;展望未来＆＃34;对于n=4个时间点，并确定in1值的最佳序列，这将给我最高的回报值。所以，让我们说in2最初是10.我需要做的是评估：

a = f1(0, 10)
b = f1(1, 10)
c = f1(2, 10)

然后，对于我获得的每个结果，我需要使用in1的可能值进行评估：

a0 = f1(0, a);  a1 = f1(1, a); a2 = f1(2, a)
b0 = f1(0, b);  b1 = f1(1, b); b2 = f1(2, b)
c0 = f1(0, c);  c1 = f1(1, c); c2 = f1(2, c)

所以我在n次迭代后停止并确定最佳输入序列（在此示例中它将是2 2 2 2，因为10+12+14+16是最高值）。可以在这个实例中使用递归（可能是深度优先搜索）吗？编码它的最佳方法是什么？蛮力方法是嵌套4 for循环，但如果n = 10？

Answer 1

如果您事先知道f1和f2的数学性质，那么您应该将其表示为数学程序（例如，如果f1和f2相对于in1和in2是线性的，则使用PuLP库。）

以下是您提到的使用PuLP建模并使用CBC解决的示例：

from pulp import *

model = LpProblem("Maximize f1", LpMaximize)

in1 = LpVariable.dicts("in1", 0, 2, LpInteger)
in2 = 10

model += in1 + in2  # f1 and f2 combined

model.solve()

print(in1.varValue)

虽然这个问题很简单（in1 = 2）。不确定你的时间段是如何形成的，因为你没有指定f1或f2的时间依赖性。

如果你不知道f1和f2的形式，并且不能假设它们相对于in1和in2是连续的，平滑的或凸的，那么你可能需要强制它并计算所有（ in1，in2）组合。深度优先和广度优先将花费相同的时间来详尽地计算它们。

具有多重输入值的递归

1 个答案: