matlab 转换为正整数_python(二)：正整数分两堆，各堆之和的差最小问题的求解

1、问题描述：

输入一组任意个数的正整数，将正整数分为两堆，使得各堆之和的差最小，如：

输入：[1, 2, 6, 9]

输出：

class1: [1, 2, 6]; class2: [9]; delta: 0

这个问题也可以多解，如：

输入：[1, 2, 6, 9, 5, 19, 14, 1, 8]

输出：

class1: [9, 14, 1, 8]; class2: [1, 2, 6, 5, 19]; delta: 1

class1: [2, 6, 5, 19]; class2: [1, 9, 14, 1, 8]; delta: 1

class1: [1, 2, 9, 5, 14, 1]; class2: [6, 19, 8]; delta: 1

class1: [1, 2, 6, 9,14]; class2: [5, 19, 1, 8]; delta: 1

2、求解思路：

（2.1）问题的转换

设输入序列n的各元素之和为sum，“两堆之和的差最小”，可以转换为“选择一些数字组成其中的一堆，其和在满足sum(1)<=floor(sum/2)条件下，使得sum(1)最大”，显然此时选择出来的这一堆数之和sum(1)和剩下的数之和sum(2)的差就是最小的。(换句话说，就是让两堆数之和尽量接近sum/2)；

（2.2）动态规划求解

前述转换的描述便是一个“0-1 背包问题”，可以利用动态规划求解：

（2.2.1）定义一个价值矩阵value，第i行讨论的是第i个元素，第j列讨论的是背包容量为j，value[i, j]就是背包容量为j时，考虑完第i个元素是否添加后的价值(最大化的对象，这里即为和sum(1))；

（2.2.2）value的递推公式：value[i, j] = max(not_take, take) = max(value[i-1, j], value[i-1, j-n(i)] + n[i])，其中n(i)为第i个元素的价值，这也是一个独立的子问题的解。

（**理解**）假设前面(i-1)个元素的最大化问题都已经解决了，那么当容量为j时考虑第i个元素后的价值计算，只需要看两种情况：

（a）不选择i，此时的价值(sum(1))就和(i-1)个元素在j容量约束时的最大价值是一样的；

（b）选择i，那么此时的价值(sum(1))就是(i-1)个元素在(j-n[i])容量约束时的最大价值，加上i元素的价值n[i]；

只需要在（a）和（b）里选择最大的价值，在value[i, j]这个节点上就做到了最大化，因而有(2.2.2)式；

（2.2.3）边界条件：

背包容量为0时，value[:, 0] = 0；

考虑第0个元素时，value[0, :] = 0；

递推时，如果j<n(i)，让take取很小的值(如-1，一定是不取的情况，这意味着容量j还没有元素i的价值大)

（2.2.4） value[:,-1]这一列的最大值，即为sum(1)的最大值

（2.3）取数编码取数

（2.2）解决了选出来的堆的和的最大值是多少的问题，但是还需要知道具体取了哪些数，这里如下处理：

（2.3.1）假设用二进制为序列n进行编码，总共有len(n)位，假如选择了第i个元素n[i]，则第i位为1，否则为0，比如：n包含了5个正整数，选择了其中的第2、5个数，则生成一个编码01001，利用这个编码即可从序列n中取数了。

（2.3.2）取数编码is_take也有递推公式(思路上和value的递推是一致的)：

is_take[i, j] = is_take[i, j-1]，如果不取第i个元素

is_take[i, j] = 2^(num-i) + is_take[i-1, j-n[i]]，如果取第i个元素

（2.3.3）最后利用value[: -1]最大值时的取数编码is_take，就可以在输入序列n中取出所选择的值了。

3、python代码实现

div_2_class.py​github.com

输入可以是一个正整数的list，也可以是一个正整数的np.array。test例子的结果如下：

其中，class1和class2的非0表示该组选择了该位上的数字，0表示没有选择到该位上的数字。当然，结果还没有做到完全去重，如第一个例子，两个结果实际上是同一种分组，未来会继续改进这一点。

4、参考资料

主要是学习了动态规划的思想，如下链接讲得还是比较简洁易懂的：

最通俗易懂的背包问题