Python 我如何找到一个动态规划的解决方案，以最大限度地满足，最短的时间问题？

我正在尝试使用动态编程（python）找到以下问题的优化解决方案：

假设存在满意度值、实现此类满意度所需的时间以及最佳时间（与每个单独时间进行比较），如何安排满意度值以在尽可能短的时间内获得最大满意度

如果满意值用s表示，达到满意的时间用t表示，则向量对可以表示为：

<(s1, t1), (s2, t2) ... (sn, tn)>

我的问题是：

这可以看作是问题的动态解决方案吗

背包问题的哪种变体可以考虑

我如何用数学表示它

---

这是背包的一个变体，背包是值，t是权重。背包解决方案为您提供了一个“时间t内可实现的最大满意度”表，您可以查找任何满意度，并找到达到该满意度水平的最短时间。在术语或编程方面，我敢说，需要进行转换才能将向量更改为（wsn，tn）其中，wsn是加权满意度wrt。考虑到tn大于所有tn，所需时间和简单地从向量max（wsn）中移除。我不确定你在问什么，你能澄清一下吗？你是在寻找解决方案，还是在寻找问题类别的名称？“我如何考虑最佳时间，比如说方程式中的X？”–什么方程式？这是背包的一种变化，t是值，t是重量。背包解决方案为您提供了一张“时间t中可实现的最大满意度”表“，您可以查找任何满意度，并找到达到该满意度水平所需的最短时间。在术语或编程方面，我敢说，需要进行转换才能将向量更改为（wsn，tn），其中wsn是加权满意度wrt。所需时间，只需从向量最大值（wsn）中删除即可。”考虑到tn def pp(satifactions, satisfaction_values, time_values, optimal_time, memo): list4 = [] for i, j in zip(satisfaction_values, time_values): if (i,j,optimal_time) not in memo: memo[i,j,optimal_time] = (i * (optimal_time/j)) list4.append(memo[i,j,optimal_time]) zipped_lists = zip(list4, satifactions) sorted_pairs = sorted(zipped_lists) tuples = zip(*sorted_pairs) list4, satifactions= [list(tuple) for tuple in tuples] return list(reversed(satifactions)) def getPP (satifactions, satisfaction_values, time_values, optimal_time): memo = {} return pp(satifactions, satisfaction_values, time_values, optimal_time, memo) print(getPP(["LOK", "MP", "HM", "AR", "SG", "VV"], [0.37, 0.87, 0.27, 0.87, 0, 0.56], [6, 1, 15, 3, 3, 3], 6))