资源优化:使用背包、蛮力还是其他方法？

Question

在一个资源分配问题中，我有n、桶大小和m资源。资源应该分配给桶，这样才会有最大的利用率。我需要用节点js编写算法。

问题是:假设我有两个大小分别为50和60的水桶。资源大小是20，25，40。以下是更恰当的表述和可能的解决办法：

解决方案1

#^ Size =#^Size=#^Size#^Size#^Size资源#^Size#.#^Size#.#^Size#.

*\x{e76f}\x{e76f}\x{e76f}=0.0 5 0 0.0.0 0 0.0.0.0.0.0.0.0.0.2 0 0%的产品

*_~_

这种情况下的总利用率是>1.5

解决方案2

#^ Size =#^Size=#^Size#^Size#^Size资源#^Size#.#^Size#.#^Size#.

*_~_

*\x{e76f}\x{e76f}=‘1，2.0. 1.0 .2.0/2.0/2.0/2.0/2

这种情况下的总利用率是1.5

推理：

-- 背包方法将返回解决方案2，因为它将根据更高的桶大小进行优化。

-Brute-强制方法将返回这两种解决方案。我对这种方法的关注之一是:考虑到我必须使用Node，而且它是单线程的，我对当n(桶)和m(资源)非常大时的性能几乎不抱怀疑态度。

Brute-Force会做得很好吗?还是有更好的方法/算法来解决这个问题？另外，我上面提到的关注在任何意义上都是正确的吗？

Answer 1

背包问题(这是背包问题)是NPC问题，这意味着你只能通过蛮力或与蛮力相同的O-复杂度，但在一般情况下可以更好地找到解。

它是单线程的，当n(桶)和m(资源)非常大时，我很少怀疑性能。

我不确定，你是否知道事情是如何运作的。如果您不创建子线程并处理它们(这不是那么容易)，那么每种标准语言都将在一个线程中工作，因此在一个处理器中工作。如果您需要更多的处理器，那么即使在Node.Js中也可以创建子线程。同样在复杂的问题中，如果解决方案需要更多的时间，如果“多重”是常数的话，这并不重要。在你的例子中，如果你有四核的话，我想“倍数”的意思是4。

有两个很好的解决方案：

1)回溯--基本上是先进的蛮力机制，在同样的情况下，返回解的速度要快得多。

2)动态规划()--如果你的项目值相对较低，那么当经典的蛮力无法在宇宙本身的预期时间内找到200个项目的解时，动态方法可以在(毫秒)内给出解。