Question

+++
我们在下面的表格中列出了3个城市中每个城市的无家可归者人数，其中 n 将建造的房屋数量。

City    n=0  n=1  n=2
 A       15   12   10
 B        9    8    4
 C        8    6    5

我们正在实施一项最小化总数的住房战略在给定数量的房屋的所有3个城市中无家可归的人 n 家庭对无家可归者的最佳分配是什么？有多少无家可归者会导致无家可归？解决方案是采用动态编程和在Python中。
它似乎是容量 n 的无限背包问题，但很难找到的是价值＆amp;用作算法参数的权重请分享您的观点 +++

Answer 1

+++
我已设法将任务解决为具有多个值的有界背包案例如下。

def assign_home(cpct, tbl):
    ctNum = len(tbl[0])
    wghts = [1] * ctNum
    vls = get_vls(tbl)
    hms = [0] * ctNum
    HMSBND = 2
    hmlsVal = [sum(row[0] for row in tbl) for hmIndx in range(min(cpct + 1, ctNum * HMSBND + 1))]
    for hmIndx in range(min(wghts), min(cpct + 1, ctNum * HMSBND + 1)):
        chsn = -1
        for ct, wght in enumerate(wghts):
            if wght <= hmIndx and hms[ct] < HMSBND and hmlsVal[hmIndx] > hmlsVal[hmIndx - wght] - vls[ct][hms[ct]]:
                hmlsVal[hmIndx] = hmlsVal[hmIndx - wght] - vls[ct][hms[ct]]
                chsn = ct
        if chsn != -1:
            hms[chsn] += 1
    return hmlsVal[min(cpct, ctNum * HMSBND)], hms

def get_vls(tbl):
    [A, B, C] = tbl
    Adf = [A[0] - A[1], A[1] - A[2]]
    Bdf = [B[0] - B[1], B[1] - B[2]]
    Cdf = [C[0] - C[1], C[1] - C[2]]
    return [Adf, Bdf, Cdf]

tbl=[[15, 12, 10], [9, 8, 4], [8, 6, 5]]
print(assign_home(5, tbl))
# (20, [2, 2, 1])

+++

+查找动态编程值＆amp;权重+

1 个答案: