Python：用遗传算法解决背包优化？
Player Pos Salary My Proj
0 James Harden PG/SG 10600 51.94472302
1 Jose Juan Barea PG/SG 4200 22.20823452
2 Stephen Curry PG/SG 8700 42.95809374
3 Eric Gordon SG 5400 27.45218158
4 Nikola Vucevic C 7400 37.00103015
5 Wilson Chandler SF/PF 4900 24.83866589
希望这是有意义的，我基本上是在寻找一些关于如何开始在Python 3中处理这个任务的见解。提前感谢您能提供的任何东西！
共有1个答案
这里有一个好的开始：
充分了解遗传算法的基础知识，很好的例子在这里。
遗传算法的美妙之处在于，一旦你定义了如何评估适应度，其他一切都将自行到位。你可以从完全随机的项目开始，经过连续几代，它将变得有序。阵容和背包问题是非常非常相似的，如果你处理它的方法是正确的。你已经知道有多少项目可以满足（领先）；你现在只需要选择哪一个，这就是GA的作用。
-
null
-
几周前，我问了一个关于如何在R中进行优化（使用Optimize R优化向量）的问题。现在我已经掌握了R中的基本优化，我想开始使用遗传算法来解决问题。 考虑到目标函数： 我使用genalg软件包进行优化，特别是“rbga.bin”函数。但问题是一个人似乎不能传递多个参数，即不能传递vol和cov。小地毯是我遗漏了什么，还是理解错误了。 编辑：在genalg包中，有一个名为rbga的函数。垃圾箱就是我
-
在程序里生宝宝, 杀死不乖的宝宝, 让乖宝宝继续生宝宝 所有的遗传算法 (Genetic Algorithm), 后面都简称 GA, 我们都需要一个评估好坏的方程, 这个方程通常被称为 fitness 在 GA 中有基因, 为了方便, 我们直接就称为DNA吧. GA 中第二重要的就是这DNA了, 如何编码和解码DNA, 就是你使用 GA 首先要想到的问题. 传统的 GA 中,DNA我们能用一串二进
-
本文向大家介绍Python基于贪心算法解决背包问题示例，包括了Python基于贪心算法解决背包问题示例的使用技巧和注意事项，需要的朋友参考一下 本文实例讲述了Python基于贪心算法解决背包问题。分享给大家供大家参考，具体如下： 贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解。 贪心算法不是对所有
-
本文向大家介绍C#用递归算法解决经典背包问题，包括了C#用递归算法解决经典背包问题的使用技巧和注意事项，需要的朋友参考一下 1.引子 我们人类是一种贪婪的动物，如果给您一个容量一定的背包和一些大小不一的物品，裝到背包里面的物品就归您，遇到这种好事大家一定不会错过，用力塞不一定是最好的办法，用脑子才行，下面就教您如何解决这样的问题，以获得更多的奖品。 2.应用场景 在一个物品向量中找到一个子
-
我试图用Python解决背包问题，实现一个贪婪的算法。我得到的结果对我来说毫无意义。 背包： 结果：
-
在维基百科中，背包的算法如下： 我在网上找到的所有例子的结构都是一样的<我无法理解的是，这段代码是如何考虑到最大值可能来自较小的背包这一事实的？E、 如果背包容量为8，那么最大值可能来自容量7（8-1）<我找不到任何逻辑来考虑最大值可能来自较小的背包。这是错误的想法吗？