Valore dello zaino zero-uno
Massimizza il valore di al massimo 64 coppie peso-valore con capacità intera da zero a 1000, usando ogni oggetto una volta.
def knapsack_value(items, capacity):
items = tuple(tuple(item) for item in items)
if type(capacity) is not int or not 0 <= capacity <= 1000:
raise ValueError("capacity.range")
if len(items) > 64 or any(len(item) != 2 for item in items):
raise ValueError("items.shape")
if any(type(w) is not int or type(v) is not int or not 1 <= w <= 1000 or not 0 <= v <= 1000000 for w, v in items):
raise ValueError("item.range")
best = [0] * (capacity + 1)
for weight, value in items:
for limit in range(capacity, weight - 1, -1):
best[limit] = max(best[limit], best[limit - weight] + value)
return best[capacity]Controlla prima di applicare
Confronta il comportamento effettivo con il risultato atteso. Se una verifica fallisce, indaga la causa prima di altre modifiche.
Modelli
Configura un endpoint compatibile con OpenAI o Anthropic usando URL di base e chiave API, se necessaria. Prova la connessione. Il server locale deve essere in esecuzione; gli strumenti remoti possono trasmettere dati separatamente.
Progetto
Prova capacità zero e un oggetto troppo pesante, rifiutando pesi nulli od operandi non interi prima di creare la tabella.
def knapsack_value(items, capacity):
items = tuple(tuple(item) for item in items)
if type(capacity) is not int or not 0 <= capacity <= 1000:
raise ValueError("capacity.range")
if len(items) > 64 or any(len(item) != 2 for item in items):
raise ValueError("items.shape")
if any(type(w) is not int or type(v) is not int or not 1 <= w <= 1000 or not 0 <= v <= 1000000 for w, v in items):
raise ValueError("item.range")
best = [0] * (capacity + 1)
for weight, value in items:
for limit in range(capacity, weight - 1, -1):
best[limit] = max(best[limit], best[limit - weight] + value)
return best[capacity]Distingui la regola di selezione dal codice che la implementa
PackSerein supporta il lavoro software assistito da IA in uno spazio di progetto Windows dove discutere requisiti di ottimizzazione insieme ai file d'implementazione. Descrivi che cosa si può selezionare, quali vincoli sono obbligatori e quale risultato serve davvero al chiamante. Chiedi all'assistente di esaminare la rappresentazione attuale prima di cambiare il risolutore. Un obiettivo chiaro evita che un'implementazione plausibile risolva un problema leggermente diverso.
L'esempio knapsack.py suggerisce una revisione in cui ogni elemento può essere scelto al massimo una volta entro un limite di capacità. Puoi chiedere se un aggiornamento proposto preservi la regola e se all'applicazione serva solo un valore oppure anche gli elementi scelti. Risolvi a mano un piccolo caso, poi confronta il codice con esso. Mantieni limiti degli input e valori rifiutati nella stessa revisione.
Quando la modifica è pronta, esegui i test del progetto per selezione vuota, limite di capacità e combinazioni concorrenti. Controlla il contratto dell'output prima di adattare il codice utilizzatore. PackSerein accetta endpoint supportati compatibili con OpenAI o Anthropic e credenziali quando necessarie. Un modello IA senza filtri è selezionabile se disponibile tramite la connessione; restrizioni, limiti di contesto e supporto degli strumenti dipendono dal modello e dal server. Lo spazio di lavoro aiuta a strutturare la decisione sul codice, mentre i tuoi controlli determinano se soddisfa l'obiettivo.
Domande che definiscono un'attività di ottimizzazione
- Perché indicare se un elemento può essere selezionato due volte?
Consentire selezioni ripetute cambia il problema e può cambiare il risultato. Inserisci il vincolo nella richiesta e prova un piccolo caso in cui la ripetizione darebbe una risposta diversa, poi verifica che l'aggiornamento lo preservi.
- Un valore ottimo basta all'applicazione?
Dipende dal chiamante. Ad alcuni utilizzatori serve solo il punteggio, ad altri anche gli elementi selezionati. Indica l'output necessario prima di richiedere modifiche, affinché l'assistente non presuma che un numero completi la funzione.
- Come gestisco soluzioni di uguale valore?
Definisci se è accettabile qualsiasi ottimo valido o se l'applicazione necessita di una regola deterministica per le parità. Se restituisci gli elementi selezionati, verifica esplicitamente le parità e rivedi la regola invece di affidarti all'ordine accidentale di iterazione.
- L'esempio può stabilire le prestazioni di un risolutore su larga scala?
No. Usalo per discutere un'implementazione con limiti definiti, poi valuta il progetto reale alle dimensioni richieste. Un piccolo caso corretto e una spiegazione dell'IA non stabiliscono il comportamento di tempo e memoria a una scala diversa.
PackSerein · Aggiornato 2026-10-25