我决定深入学习回溯的概念,我有以下任务:
给定n个投资者,m个城市,n个投资者偏好的m矩阵p(p[i,j]=1,当i-th投资者希望在j-th城市建立投资池时;p[i,j]=0,那么他是中立的,当p[i,j]=-1时,他是怀疑的)和接受水平l(如果对于给定的地点选择,投资者偏好的总和大于或等于L,我们认为他是确信的)找出可以说服的投资者的最大数量和应该在其中建立资金池的城市。
我试过使用回溯,但我想知道是否有可能优化它更多现在,在每个递归级别上,我都会跟踪有多少人可能被说服。如果这个数字小于或等于我当前的最大值,那么我返回(没有更好的答案)。

最佳答案

我不确定这是否是你要找的,但是只要一个小技巧,你就可以把问题表示成一个整数线性规划(ILP)。然后,您可以使用整数线性规划求解器(例如,glpk)来找到最优解。
s[i]为0-1个整数变量(i覆盖投资者),且c[j]为0-1个整数变量覆盖城市,且K为一个大数(L + the number of investors即可)。
然后,您的问题是最小化sum(s[i]),这样对于每个isum(P[i, j]*c[j]) + s[i] * K >= L最优解中sum(s[i])的值是不满意投资者的数量,c[j]表示是否在城市中建立一个投资池。
这个问题的公式是ILPs的标准形式,所以您可以去。

关于algorithm - 投资者和资金池-回溯,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/36673444/

10-11 16:13