Algorithm 掠夺者困境算法

我将在前一篇文章的基础上再做一次更详细的报道

问题: 问题在于劫掠者必须在地图上前往不同的城市。起始位置是已知的。每个城市都有固定的战利品。掠夺者的目标是穿越各种地形。就地形而言，我的意思是，每对城市之间的旅行成本各不相同。他必须最大限度地利用所获得的战利品

我们所做的： 我们已经生成了一个邻接矩阵（每个节点的战利品路径成本），然后采用了启发式分析。它给出了一些合理的输出

现在，问题是，每个城市都有少量或更多的车辆，可以（通过付费）购买并用于旅行。车辆在实际中的作用是降低路径成本。一旦购买了一辆车，它将一直保留到购买下一辆车时。这取决于是否购买车辆以及如何购买

---

在这一点上我需要帮助。如何将车辆理念融入到我们已有的产品中？此外，任何可能帮助我们实现利润最大化的进一步想法。如果需要，我可以发布代码。谢谢

一种方法是将承载车辆成本的定向边指向一个成本降低的复制图。如果你愿意的话，你甚至可以这样做，使减少的幅度比一个百分比还要小

不利的一面是，这可能会大大增加图表的大小（不同车辆的副本数量，加上它们之间的链接），如果您的启发式不是最优的，您可能必须修改它，以便它积极地考虑新的边缘。

听起来似乎适合这个问题。波束搜索使用启发式函数H和参数k，其工作原理如下：

将集合S初始化为初始游戏位置

将T设置为空集

对于S中的每个游戏位置，在掠夺者移动一步后生成S的所有可能的后续位置。（移动是为了抢劫、购买车辆、移动到邻近城市，或者掠夺者可以做的任何事情。）将每个这样的继任者位置添加到集合T中

对于T中的每个位置p，计算启发式函数H的H（p）（启发式函数可以考虑战利品的数量、车辆的占有量、剩余未上路城市的数量，以及您认为相关且易于计算的任何其他因素。）

如果搜索时间不足，请返回T中的最佳得分位置

否则，将S设置为T中的最佳得分k位置，然后返回步骤2

---

如果将T存储为包含k个元素的a的形式，则该算法运行良好。

如何降低成本？这是一个固定的百分比减少，还是你得到了一套全新的成本？百分比减少。如果说步行的话（这是正常的交通方式）会变成0.9。他是一个掠夺者，他不买车！我可能会为此投反对票，但绝对值得！这一点也不清楚@维韦克，你能举个例子解释一下吗？掠夺者的选择是什么，他们试图优化什么？他的最终目标是最大化他的利润或战利品。现在，由于与正常旅行相比，买车降低了旅行成本，因此如果他可能获得比买车更多的收益，他就会买。如果旅行的费用高于获得的战利品，他也可以跳过城市。类似于带有proifts的TSP！我想是的。因为车辆的类型可能足够大（比如10或20），所以实现起来应该不会太难，因为它只包括对图形的预处理。然后你就能知道额外的费用是否真的是个问题。它还应该告诉您是否需要修改启发式。根据我们目前的知识，我们发现这有点困难！请帮忙好的，这里有一个提纲：1。生成图形副本（每辆车一个），跟踪对应关系。2.将可以购买车辆的位置的定向边添加到相应子图中的相应位置，并将成本与该车辆关联。3.在扩充图上运行现有算法问题是，我们必须为购买车辆付费。所以，除非我们的投资没有恢复，否则我们为什么要在下一个城市购买一辆车，而购买这辆车是否有利可图，只有在我猜我们知道全部路径的情况下才能知道。（例如，我们投资了300，但由于路径成本，只额外获得了150），因此这不是最好的选择！我发布的是原始问题的一个子集。它还涉及一些图像处理的东西。但是，核心功能很容易看到，您可以在这里看到（）