如何用Python解决《戴森球计划》中的生产规划问题

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

PS：如有需要Python学习资料的小伙伴可以点击下方链接自行获取

python免费学习资料、代码以及交流解答点击即可加入

---

目录

• 如何用Python解决《戴森球计划》中的生产规划问题
• Python基础定义
• 算法背景
• 第一步：流水线匹配
• 第二步：链式的解决流水线

1.如何用Python解决《戴森球计划》中的生产规划问题

《戴森球计划》是一款国人工作室（他们只有五个人）出品的游戏，1月22日在Steam上线进入EA（抢先体验阶段）以来，45分钟即占领了销量榜，并创下了1周销量45万的好成绩。

 

 

 

这个游戏的背景很简单：《戴森球计划》的名字来源于戴森球，指的是科技高度达到一定水平的未来世界，这个世界会有能力制作一个包裹住整个恒星的球壳，来收集恒星的全部能量。

 

在游戏里，你作为主人公机器人，搭载着科技和工程的知识，在一颗行星着陆，你可以在这个行星上采集资源点，排布熔炉和工厂，建立起一套完整的工业体系，最终建立起一个覆盖整个恒星的戴森球。

为什么好玩，这要从游戏的基本元素开始讲起。在这个异世界搭建简化的工业体系，基础元素只有两个：1、自然资源 2、工业制成品。而自然资源可以通过工厂制作成工业制成品。

总共三个概念，这样简单的概念为什么好玩呢？好玩就好玩在这个体系的关系可以发展得非常复杂。我们以一个游戏的实例作为演示：

资源点石油，可以采集“原油”，原油的产量如图所示，是105.9每分钟（如果电力充足，产量还可以提高）

 

 

而原油可以被原油精炼厂加工，2个单位的原油，可以产出2个单位的精炼油和1个单位的氢：

 

同样的工厂，也可以继续加工精炼油，公式是：2个单位的氢和1个单位的精炼油，可以生成3个单位的氢和1个单位的高能石墨，每分钟产量是15即 45个单位的氢：

 

这样一路传递下去的工业链条，就充满了复杂性。我们先从简单的小学应用题开始:每分钟100产量的原油，可以产出多少精炼油和氢？答案是100个精炼油和50个氢。

第二题：如果不产出精炼油，最多可以产出多少氢和多少高能石墨？这就需要比比划划一下才能计算明白了：

看上面两个图的公式，可以注意到，原油-精炼油-高能石墨的关系正好是1:1:1，答案是每分钟100个高能石墨，再反推：本来生产了高能石墨同时产出了300个氢，生产流水线中，意味着上游一定输入了200个氢，从产出中扣除，还有是原油裂解产出的50个氢，最终的答案就是150个氢。

第三题：如果我们需要在产出的时候，保证高能石墨的数量和精炼油是1:2，那么此时需要安排几个工厂？（这题亦不难，留待读者后续自行回答）。1个资源，4种产物。

上述仅仅涉及了1种资源，4种工业制品，如果工业链条更长了，那计算就会更加复杂了。

举一个目前笔者的产业链的产品，超级磁场环为例：

那么需要的链条是：
1. 1个高能石墨，3个磁铁，2个电磁涡轮=1个超级磁场环。每分钟产量20个
2. 2个电动机，2个磁线圈=1个电磁涡轮。每分钟产量30个
3. 1个铜板，2个磁铁=1个磁线圈。每分钟产量60个
4. 1个铁矿=1个磁铁。每分钟产量40个
5. 1个铜矿=1个铜板。每分钟产量60个
6. 1个磁线圈，1个齿轮，2个铁板=1个电动机。每分钟产量30个
7. 1个铁矿=1个铁板。每分钟产量60个
8. 1个铁板=1个齿轮。每分钟产量60个
9. 上面说过的1单位原油刚好能产出1单位高能石墨

 

里面涉及了3种资源：原油、铁矿、铜矿，公式也只有9个，意味着最简单我只需要安排8个工厂，遵循上下游关系就好，但是问题就在于：这每个工厂的输入和产出并不是完全对等的，需要把流水线安排合理，才能达到最大的产量。

第四题：如果要使得超级磁场环产量达到每分钟20个，那么我需要多少资源产量，如何安排上述流水线？

还需要手动计算吗？不，我要用Python来解决这个问题！

2.Python基础定义

首先从游戏的基本概念定义起
1. 资源。不妨直接定义资源的产量
2. 工厂。工厂输入产品或者资源，经过一个流水线，输出产品
3. 产品。

在Python中，我们可以通过类与继承关系完成这样的代码。我们的开发环境是Python3.6，使用的也是Python的基础语法，不涉及第三方库。

首先从资源和产品开始，因为他们都可以作为工厂的输入，不妨让资源成为一个类

上述代码展示了定义一个类、定义类的初始化函数__ init __和魔法方法__ str __，这个魔法方法可以让类转换为字符串时，构造出一个字符串来方便展示。

 

运行代码可以得到：

 

 

和游戏中的铁矿采集等同：

 

工厂类的定义则需要思考：输入的每种产品，对应的数量是消耗的数量，而输出的产品，数量对应的即出产的数量。工厂的名称无关紧要，我们其实只关心流水线的输入和输出。

 

上面的代码主要涉及了Python的知识点：

1. 列表推导式
   ["%sx%s" % (p.name,num) for p,num in input_products]
   直接构造出了一个列表

2. 字符串格式化，join的内置方法，和%s format

那么定义一个流水线的结果如下：

 

 

 

这样看起来非常漂亮。上述的第四题，我们可以用一个列表数据结构，来表达我们第四题说到的流水线了

用一长串文本来定义上面的流水线，

定义：英文冒号:用来区分名称和数量,英文逗号用来分割多个产品，英语句号.用来分割输入输出,

运行代码的结果如下：

有了工厂的定义，接下来就是开始流水线的计算了，也即：如果我们需要最终产物超级磁场环，那么每个流水线都需要几条？这里主要涉及的是算法的知识。

 

3.算法背景

在算法领域，像这样的生产规划问题，尤其是这种简单的A-B-C的线性流程规划问题，被定义为动态规划问题.。动态规划问世以来，在经济管理、生产调度、工程技术和最优控制等方面都得到了广泛的应用。例如最短路线、库存管理、资源分配、设备更新、排序、装载等问题，用动态规划方法比用其它方法求解更为方便。

对于复杂的应用场景，动态规划可能会出现许多变形，例如在《戴森球计划》的场景中，不同的流水线可能产出相同的产物，而他们的生产代价显然是不同的。好在我们上面出现的这些流水线，都是简单的流程，因此后面出现的动态规划算法也可以用简单的代价实现。

第一步：流水线匹配

首先来实现一个小型的功能：给定一个产物的数量、已知上述的所有工厂流水线，找到1条流水线，使得产出的数量匹配

 

 

定义的函数如上，这里的need_product是所需的产品和数量，类型是一个元组

经过简单的思考，可以想到，这里只需要做一个流水线输出产品到流水线的映射关系就好了，那么通过数据结构dict即可实现。考虑同样的产品，可能由不同的流水线产生，那么我们dict的value应当是一个list，这样用标准库中的defaultdict，可以自带初始化的空列表

样子大概长这样：

 

 

而当我们找到了某条流水线，例如原油x30 = 精炼油x30 + 氢x30 这条好了，流水线的数量和我们需要的产品数量，如何能够完美的匹配起来呢？比如需要氢40个的时候。我们其实有两种策略：1、寻找满足要求的最少的流水线倍数，这会使得需求的资源更为节省 2、寻找最小公倍数，这样尽可能会使得资源不会剩余。

本期我们实现的是第一种。需求的流水线倍数，即为需求量除以产出量，整数向上取整。用到的是标准库的ceil函数

 

 

综上，我们可以把“获得单条产品”所需的流水线数量，和产物的数量得到了，实现的代码如下：

 

关于产品映射关系的product_map，放在了函数外面，也就是初始化一次即可

结果：

 

第二步：链式的解决流水线

有了第一步作为基础，接下来的工作也就很简单了，如果我们要一路往上寻找，直到所有的流水线的需求都被满足，那么应当遵循以下原则。
1. 输入所需的产品和数量，加入“需求池”
2. 如果需求池不为空，那么1、看需求池能否从供给池直接扣减 2、寻找需求池中需要被满足的产品，如果需求池内所有的产品都已经是最基本的资源了，表达都被满足了，那么返回结果，否则往下走
3. 寻找能输出这个产品的流水线，会返回所需流水线的数量
4. 对于第3步找到的流水线，首先将流水线的输出，从需求池中扣除，如果还有多余的，加入“供给池”
5. 流水线的输入，加入“需求池”，继续回到第二步的循环

按照我们上面的例子，需要的产物是超级磁场环，它进一步需要磁铁，那么流水线数量*磁铁的数量加入需求池，继续寻找磁铁的依赖关系。

那么加入一点点细节：

from collections import Counter
basic_resources = {"铁矿", "铜矿", "原油"}
def filter_pool(pool):
    # 过滤掉数量为0的，即为所需要的真正的产品
    return {key: value for key, value in pool.items() if value}
def all_need_is_resources(pool):
    pool = filter_pool(pool)
    return all(map(lambda prod:prod in basic_resources, pool.keys()))

def fine_link(need_product):
    require_pool = Counter() #需求的产品: 数量
    provide_pool = Counter() #现有流水线产出的产品: 数量
    pipeline_count = Counter()
    # fact, pipeline_num, product_num = find_pipeline(need_product)[0] # 如果寻找到多条流水线，就用第一条
    product_name,number =need_product
    require_pool[product_name]+=number
    while 1:# 循环条件：如果需要的池子都已经是资源了，那么退出循环
        # # 特别的逻辑：
        require_pool = Counter(filter_pool(require_pool))
        provide_pool = Counter(filter_pool(provide_pool))
        # 需求池不为空，那么遍历需求池
        for product_name, number in list(require_pool.items()):
            if product_name in basic_resources: #如果所需的是基础资源，那么直接加就好，不需要寻找流水线
                require_pool[product_name] += number
            elif number:
                fact, pipeline_num = find_pipeline((product_name,number))
                # 找到流水线之后：流水线的所有输出乘以数量后 放入供给池
                for output_prod, output_num in fact.outputs:
                    provide_pool[output_prod.name] += (pipeline_num * output_num)
                pipeline_count[str(fact)] += pipeline_num
                # 流水线的所有输入乘以数量后 放入需求池
                for input_prod, input_num in fact.inputs:
                    require_pool[input_prod.name] += (pipeline_num * input_num)
                # 供给池如果有能满足需求池的，那么需求池减掉供给池
                for provide_key,provide_num in provide_pool.items():
                    if provide_key in require_pool:
                        require_num = require_pool[provide_key]
                        require_pool[provide_key] -= min(provide_num, require_num)
                        provide_pool[provide_key] -= min(provide_num, require_num)
        if all_need_is_resources(require_pool):
            break
    require_pool = Counter(filter_pool(require_pool))
    provide_pool = Counter(filter_pool(provide_pool))
    return require_pool,provide_pool,pipeline_count

做好啦：