动态规划–资源离散分配(python代码)
问题:资源离散分配问题
动态规划的思想在于把一个大问题化成一些同类型的子问题,然后逐个求解。从边界条件开始递推,每一个子问题的解决,均使用到了前面子问题的最优结果,对于本题而言,就是要在逆向递推的过程中,不断更新价格表与问题的最佳选择,具体的代码如下:
import numpy as np
#动态规划
#资源离散分配问题
#某工业部门根据国家计划的安排,拟将某种高效率的设备五台,
#分配给所属的甲、乙、丙三个工厂,各工厂若获得这种设备之后,可以为国家提供的盈利如下表所示。
#问:这五台设备如何分配给各工厂,才能使国家得到的盈利最大。
mat = np.array([[0,0,0,],
[3,5,4],
[7,10,6],
[9,11,11],
[12,11,12],
[13,11,12]])
mat_new = mat.copy()
m = mat.shape[0]
n = mat.shape[1]
bestChoice = np.zeros((m,n)).astype(int)
for k in range(n-1):
for i in range(m):
max = 0
for j in range(i+1):
if mat[j][n-2-k] + mat_new[i-j][n-1-k] > max:
max = mat[j][n-2-k] + mat_new[i-j][n-1-k]
bestChoice[i][n-2-k] = j
bestChoice[i][n-1-k] = i-j
mat_new[i][n-2-k] = max #根据算出来的每一阶段的最优价格不断更新价格表与最佳选择表
print("最大盈利为:")
print(mat_new[m-1][0])
print("最佳分配方案为:")
print(bestChoice[m-1][0])
for i in range(n-2):
print(bestChoice[m-1][i+1] - bestChoice[m-1][i+2])
print(bestChoice[-1][-1])