今天yy和我提了一个现实问题。
因为他们公司财务对账需要,需要实现一个凑数的工具。
具体的需求基本就是:
财务出总帐。供应商这里有若干材料的单价。需要确定这若干材料的数量,使得总价能和财务账面一致。部分材料有约束条件,比如数量不能超过某个数。单价因为也是经过计算的,所以是小数点后有4位。
凑数算法的实现,应该有很多种方法。
其中最简单的一个就是穷举。穷举排列组合。穷举本身的实现不难。
这篇也就主要说说穷举。应该还有更好的算法。
穷举的缺点就是慢。数量是几何级扩展。和材料种类以及个数成正比。
计算总量是n1*n2*....nn
测试了一下以下代码的实际的工作效率,在jre下,一台普通的开发机器可以每秒验证1000万个组合。速度并不算慢。在jdk server模式下,差不多可以快4倍。每秒在4000万条左右。不过在实际的应用面前还是杯水车薪。假设有7种材料,每种约束区间是0-100,实际的组合约为100的7次方,即100万亿。这个数量级别,我估计就算是银河也要跑好一阵子了。
package com.allensoft.math;
import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;
import org.apache.commons.io.FileUtils;
public class CalNummber {
private static final int MAX_NUM = 100;
private static final int START_NUM = 1;
private static long caltimes = 0l;
private static Map<Integer,Integer> resultMap = new HashMap<Integer,Integer>();
public static void main(String[] args) {
//String filename = CalNummber.class.getClassLoader().getResource("/").getPath() + "number";
String filename = "number";
if(null != args && args.length > 0) {
filename = args[0];
} else {
filename = CalNummber.class.getResource("/").getPath() + "number";
}
//System.out.println(CalNummber.class.getResource("").getPath() + "number");
File paramFile = new File(filename);
List<String> lineList = null;
try {
lineList = (List<String>)FileUtils.readLines(paramFile, "UTF-8");
} catch (IOException e1) {
// TODO Auto-generated catch block
e1.printStackTrace();
}
List<Double> priceList = new ArrayList<Double>();
List<Integer> lowerList = new ArrayList<Integer>();
List<Integer> upperList = new ArrayList<Integer>();
double result = 0d;
if(null != lineList) {
for(String line : lineList) {
if(line.startsWith("result")) {
String[] temp = line.split("=");
result = Double.parseDouble(temp[1]);
} else {
String[] temp = line.split(",");
if(temp.length == 3) {
priceList.add(Double.valueOf(temp[0]));
lowerList.add(Integer.valueOf(temp[1]));
upperList.add(Integer.valueOf(temp[2]));
} else {
priceList.add(Double.valueOf(line));
lowerList.add(Integer.valueOf(START_NUM));
upperList.add(Integer.valueOf(MAX_NUM));
}
}
}
}
isCalable(priceList, lowerList, upperList, result);
long current = System.currentTimeMillis();
try{
if(cal(0d,result,priceList,lowerList,upperList,0)) {
System.out.println(caltimes);
System.out.println("Cal take " + (System.currentTimeMillis() - current) + " ms");
verify(resultMap,priceList,result);
} else {
System.out.println("no result found");
}
} catch(Exception e) {
e.printStackTrace();
}
}
private static boolean cal(Double startPrice, Double targetPrice,
List<Double> priceList, final List<Integer> lowerList, final List<Integer> upperList, int indexNum) {
double currentPrice = 0;
for(int i = lowerList.get(indexNum); i <upperList.get(indexNum); i++) {
caltimes++;
if(caltimes%1000000000 == 0) {
System.out.println(caltimes);
}
if(caltimes == Long.MAX_VALUE - 1) {
caltimes = 0;
}
currentPrice = startPrice + i*priceList.get(indexNum);
if(currentPrice == targetPrice) {
System.out.println(indexNum + 1 + "---" + priceList.get(indexNum) + "---" + i);
resultMap.put(indexNum, i);
return true;
}
if(currentPrice > targetPrice) {
if(indexNum == priceList.size() -1) {
//System.out.println((indexNum + 1) + "---" + priceList.get(indexNum) + "---" + actualNumber);
return false;
} else {
if(cal(startPrice, targetPrice, priceList,lowerList,upperList, indexNum + 1)){
System.out.println((indexNum + 1) + "---" + priceList.get(indexNum) + "---" + (i-1));
resultMap.put(indexNum, (i-1));
return true;
}
continue;
}
} else {
if(indexNum == priceList.size() -1) {
continue;
} else {
if(cal(currentPrice, targetPrice, priceList, lowerList,upperList, indexNum + 1)){
System.out.println((indexNum + 1) + "---" + priceList.get(indexNum) + "---" + i);
resultMap.put(indexNum, i);
return true;
}
continue;
}
}
}
return false;
}
private static void isCalable(List<Double> priceList, List<Integer> lowerList,final List<Integer> upperList, double targetValue) {
System.out.println("If cal able ...");
StringBuffer formular = new StringBuffer("Lower = 0");
double calValue = 0d;
for(int i=0; i<priceList.size(); i++) {
formular.append("+" + lowerList.get(i) + "*" + priceList.get(i));
calValue = calValue + lowerList.get(i)*priceList.get(i);
}
formular.append(" = " + calValue);
formular.append(" < " + targetValue);
System.out.println(formular);
System.out.println("Verify result = " + Boolean.valueOf(calValue < targetValue));
calValue = 0d;
formular = new StringBuffer("Upper = 0");
for(int i=0; i<priceList.size(); i++) {
formular.append("+" + upperList.get(i) + "*" + priceList.get(i));
calValue = calValue + upperList.get(i)*priceList.get(i);
}
formular.append(" = " + calValue);
formular.append(" > " + targetValue);
System.out.println(formular);
System.out.println("Verify result = " + Boolean.valueOf(calValue > targetValue));
}
private static void verify(Map<Integer,Integer> resultMap, List<Double> priceList, double targetValue) {
System.out.println("Verify ...");
StringBuffer formular = new StringBuffer("0");
double calValue = 0d;
for(Entry<Integer,Integer> entry : resultMap.entrySet()) {
formular.append("+" + entry.getValue() + "*" + priceList.get(entry.getKey()));
calValue = calValue + entry.getValue()*priceList.get(entry.getKey());
}
formular.append(" = " + calValue);
System.out.println(formular);
System.out.println("Verify result = " + Boolean.valueOf(calValue == targetValue));
}
}
有没有办法在穷举上做一些优化呢?事实上是有的。事实上,实际使用中也是这么做的。
其实可以看到,有一些计算结果会和实际偏离很大,要么太小,要么太大。
isCalable方法其实就是想要表明这个问题。
如果上限的组合总价和目标总价距离很近,则说明事实上,每种材料的取材数量就接近上限,压根没有必要以下限进行计算。反之,距离下限很近,则可能每种材料数量都很小。所以,实际的材料数量取值区间,可以参照上下限的总价,以及目标总价的比值,进行一个优化调整,这样实际计算的数量就会大大减少。
除了穷举法之外,还有没有更好的方法呢? 应该是有的。代码还没有去写。不过提供一个思路。其实上,这个有点类似于a1x1 + a2x2 + ...+anxn = y的线程方程求解。可以对方程做初等变换,得到x1的表达式。令x1等于一个确定的值。再做初等变换。可以得到x2的表达式。最后,如果xn是非负整数,则结果成立。反正,从新拟推x1的值。以此类推。这种算法的好处就是可以避免盲目的穷举。效率应该会更高。
分享到:
相关推荐
指定范围生成随机数,并且随机数总和等于指定值
在C#编程中,"数据组合"是一种常见的问题,特别是在解决数学、算法或者数据分析相关的问题时。本主题探讨的是如何从一组数据中找到所有组合,这些组合的和等于给定的目标值。这个问题通常被称为“子集和”或“背包...
桌面winform小工具,已知一个和,以及一堆的加数,找到这个和可以由哪些组合进行相加得到,目前只最多打印50个组合,多余的组合不打印。源码已公开,C#写的,如果需要,可以自己拿源码改一下。 ...
《Delphi7编程:探索凑数组合算法》 在日常生活中,我们经常遇到需要将一组数值拼凑成特定总和的场景,例如报销时发票金额的凑整。Delphi7作为一个经典的面向对象的编程环境,提供了强大的编程能力来解决此类问题。...
例如,对于“凑数问题”,我们需要找到四个正整数p、q、r、s,使得1/p + 1/q + 1/r + 1/s = 1。穷举法在此问题中表现为从最小可能的数值开始,逐步增加,直到找到符合条件的解。通过限制0 ,我们可以逐步缩小搜索...
【分治算法概述】 分治算法是一种常用的计算机科学中的算法设计策略,它的核心思想是将一个复杂的大问题分解成若干个规模较小、相对简单的子问题,然后分别解决这些子问题,最后将子问题的解组合起来,得到原问题的...
总之,“VB.NET发票凑数”源码提供了一个学习VB.NET编程、数据库操作、用户界面设计和算法应用的良好实践案例。通过深入研究和理解这段代码,开发者不仅可以提升VB.NET的编程技巧,还能对实际业务问题的解决方案有所...
Hash 函数也被称为“凑数函数”,但这个名称很少被采用,70 年代之前也被称为散列函数,现在我们经常将其称之为 Hash 或译为哈什。 Hash 技术是一种提供高速数据存储与检索方式的优秀技术,已有近 50 年的发展历史...
- **蓝桥杯**是一项面向全国高校学生的专业信息技术竞赛,旨在通过一系列算法和技术挑战,选拔和培养优秀的IT人才。 - 该赛事涵盖多种编程语言和技术领域,包括但不限于C++、Java等。 #### 二、数论基础 - **最大公...
总结来说,Excel VBA结合恰当的算法可以很好地解决凑数问题,为实际工作带来便利。通过学习并理解这个示例,你可以进一步提升Excel VBA的编程能力,解决更多实际问题。在实践中不断探索和优化,你会发现VBA是解决...
这里我们将详细探讨如何用Python实现凑24的算法。 首先,我们来看`get24.py`这个文件。这个文件很可能是实现基础凑24算法的核心代码。它可能包含一个函数,接受四个数字作为输入,然后使用递归或者回溯法遍历所有...
斐波那契数列在计算机科学中有着广泛的应用,包括算法设计、数据结构以及模拟自然现象。 在Delphi中实现斐波那契数列求和,首先需要了解Delphi的基本语法和面向对象编程概念。以下是一个简单的Delphi代码示例,用于...
在编程竞赛中,如“蓝桥杯”,经常会遇到各种类型的算法问题,包括但不限于数论、数据结构、数学应用等。本篇笔记主要讨论了两个具体题目,分别是“小数第 n 位1”和“包子凑数1”。 ### 1. 小数第 n 位1 该题目的...
标题中的“凑数字 凑金额 的最佳递归程序”指的是一个使用递归算法解决特定问题的程序,其目标是在一组给定的数字中找到最佳组合,使得这些数字相加尽可能接近或者等于一个预设的目标金额。这样的问题在实际生活中...
单位结算,共14个账单(A列),但是只给28608元(欠钱的是大爷!),还没有告诉是哪几个账单凑出来的,于是找了这个财务凑数的东东。
// 凑数结果 const int N1 = 13, N2 = 4; // 4个从1到13的数 const int C1 = 5, C2 = 10, C3 = 15, C4 = 20; // 盘数 ``` - `Precision`:用于判断两个浮点数是否相等的精度阈值。 - `M`:目标值24。 - `N1` 和 `N2...
在"描述"中提到的"我在人间凑数的日子"可能是这个网站的主题或者语句库的一部分,它反映了网站设计的情感基调,即伤感或者深沉。这种类型的网站可能包含一个数据库,存储各种伤感的句子,通过编程逻辑随机选取并展示...
本篇文章将深入探讨标题和描述中提及的七个练习,它们涵盖了基础数学概念、数据结构和算法,这些都是Python编程的重要组成部分。 1. **鸡兔同笼问题**:这是一个经典的数学问题,旨在通过已知的头和脚数量来计算...
1. **IK Solver**:这是IK的核心算法,用于解决从目标位置到骨骼关节的最优化路径。在Unity中,这可能涉及到骨骼链的逆向计算,确保肢体在到达目标位置的同时保持物理真实感。 2. **Weighting System**:混合IK需要...