Wpis użytkownika EXCV31 w Programowanie

def knapsack(tasks, difficulty_levels):
n = len(tasks)
dp = [[0] * (n + 1) for _ in range(9)] # Tablica przechowująca wyniki

# Obliczanie optymalnego rozwiązania
for i in range(1, n + 1):
task_time = tasks[i - 1]
difficulty = difficulty_levels[i - 1]
for j in range(1, 9):
if difficulty <= j:
dp[j][i] = max(dp[j][i - 1], dp[j - difficulty][i - 1] + task_time)
else:
dp[j][i] = dp[j][i - 1]

# Odtworzenie rozwiązania
selected_tasks = []
j = 8
for i in range(n, 0, -1):
if dp[j][i] != dp[j][i - 1]:
selected_tasks.append(i)
j -= difficulty_levels[i - 1]

return selected_tasks

# Przykładowe dane
tasks = [1, 1, 1, 1, 4]
difficulty_levels = [1, 1, 1, 1, 5]

selected_tasks = knapsack(tasks, difficulty_levels)
total_time = sum(tasks[i - 1] for i in selected_tasks)

# Wyświetlenie wyniku
for task_index in selected_tasks:
print(f"Task{task_index}: Zajął {tasks[task_index - 1]}h")

print(f"\nSUMA: {total_time:.2f}h")

@EXCV31 https://en.wikipedia.org/wiki/Subset_sum_problem ? Przepraszam, ale nie do końca rozumiem problem. Co to dokładnie znaczy „podzieli te taski tak, aby ich sumaryczny czas wynosił 8.00h”? Jak rozdzielę monety o łącznej wartości 100 zł pomiędzy iluś ludzi, to ich łączna wartość dalej będzie wynosiła 100 zł.

Komentarz usunięty

@EXCV31 Eeee… nie rozumiem. Chodzi o problem plecakowy, czy jak?

Wygląda mi to na typowy problem plecakowy lub któryś z jego wariantów:
- https://en.wikipedia.org/wiki/Knapsack_problem#Multi-objective_knapsack_problem
- https://en.wikipedia.org/wiki/Bin_packing_problem

Jeśli poziom trudności zawsze jest tak samo przeliczany na czas (np. trudność 1 zawsze oznacza 1 godzinę), to można go zignorować i od razu mówić o czasie. Czyli twój problem brzmi: "mam X kontenerów o pojemności Y (tutaj: 8h), do którego mam wrzucić przedmioty różnej wielkości (tutaj: o różnym czasie trwania) tak, aby maksymalnie zapełnić kontenery".

Ja osobiście bym zrobił prosty, zachłanny algorytm "wpakuj największy pasujący task aż zabraknie miejsca", ale skoro planujesz użyć Pythona, to na pewno znajdziesz miliard bibliotek z lepszymi algorytmami.

Knapsack problemThe knapsack problem is the following problem in combinatorial optimization: Given a set of items, each with a weight and a value, determine which items to include in the collection so that the total weight is less than or equal to a given limit and the total value is as large as possible.It derives its name from the problem faced by someone who is constrained by a fixed-size knapsack and must fill it with the most valuable items. The problem often arises in resource allocation where the decision-makers have to choose from a set of non-divisible projects or tasks under a fixed budget or time constraint, respectively. The knapsack problem has been studied for more than a century, with early works dating as far back as 1897. The name "knapsack problem" dates back to the early works of the mathematician Tobias Dantzig (1884–1956), and refers to the commonplace problem of packing the most valuable or useful items without overloading the luggage...Wikipedia

Patrzcie jaki zwyrodnialec - story pointy na godziny chce przeliczać ( ͡° ͜ʖ ͡°)
A może po prostu od razu wyceniać w jednostkach czasu? Albo przyjąć 1 punkt trudności = 1 godzina?
1. Sumujesz wszystkie trudności z wszystkich tasków.
2. Obliczasz współczynnik godzin na stopień trudności (chyba nie muszę pisać jakie działanie tutaj zastosować?).
3. Mnożysz stopień trudności przez współczynnik i masz wynik w godzinach ¯\\(ツ)/¯

Łączny czas / suma trudności i masz ile zajmuje jedna jednostka pracy. Żadnego fancy algorytmu nie trzeba o ile zakładamy że trudność i czas są liniowo powiązane