我的问题如下：
我有一组值V1, V2, ... Vn
我有一个函数f(V) = g * V，其中g是一个比例因子，它将这些值映射到另一组值A1, A2, ... An。这些值对应于正方形的面积。
我也有W（宽度）和H（高度）变量。最后，我有一个盒装算法（具体来说是This one），它采用W和H变量以及A1 ... An区域，并尝试找到一个将区域打包到大小为W x H的盒子中的方法。如果区域A不太大，并且装箱算法成功地将这些区域放入盒子中，它将返回正方形的位置（左上角的坐标，但这无关紧要）。如果面积太大，将不会返回任何内容。
给出值V以及框W和H的尺寸，g的最大值是多少（{{1}中的比例因子） ）仍然适合盒子？
我尝试创建一种将f(V)设置为g的算法。如果值(W x H) / sum(V1, V2, ... Vn)的分布方式使其恰好适合盒子，而在两者之间不留任何空间，则可以立即为我提供解决方案。实际上，这永远不会发生，但似乎是一个很好的起点。使用V的初始值，我将计算出值g，然后将其馈送到盒装算法中。装箱算法将失败（不返回任何内容），之后我将A减少g（通过反复试验确定的完全任意值），然后重试。重复此循环，直到包装盒算法成功为止。
尽管此解决方案有效，但我认为应该有更快，更准确的方法来确定0.01。例如，取决于g和W与值H的总和相比，似乎应该有一种方法可以确定比V更好的值，因为如果差异非常大，算法将花费很长时间，而如果差异非常小，则算法将非常快但非常粗糙。另外，我觉得应该有一种比像这样强行强制的更有效的方法。有什么想法吗？
答案 0 :(得分：0)
我认为您的方法进展顺利！
我认为您不应该将价值降低固定的数量，而应尝试以更小的步伐实现价值。
这很好，因为您的起点很高。首先，您可以将g降低0.1 * g之类，检查打包是否成功，如果不成功，则以相同的步长继续降低，否则，如果打包正确，则以较小的步长增加g（例如step = step / 2）< / p>
有时，您的步骤将变得非常小，您可以停止搜索（定义“小”取决于您）
答案 1 :(得分：0)
您可以使用二进制搜索方法。如果您有两个g值，那么对于一个（g1）打包存在而对于第二个（g2）打包则不存在，请在半途中尝试值h =（g1 + g2）/ 2。如果存在用于h的打包，您将得到新的较大的最终g，然后可以对h和g2进行相同的检查。如果不存在包装，则可以使用值g1和h进行相同的检查。
每一步将可能结果最大值的间隔减半。您可以通过多次迭代获得尽可能精确的最终结果。