ค่าของปัญหากระเป๋าเป้แบบศูนย์-หนึ่ง
หาค่าสูงสุดจากคู่น้ำหนักและมูลค่าไม่เกิน 64 คู่ ด้วยความจุจำนวนเต็มจากศูนย์ถึง 1000 โดยใช้แต่ละชิ้นครั้งเดียว.
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]ตรวจสอบก่อนนำไปใช้
เปรียบเทียบการทำงานจริงกับผลที่คาดหวัง หากการตรวจสอบไม่ผ่าน ให้หาสาเหตุก่อนแก้ไขเพิ่มเติม
โมเดล
ตั้งค่า endpoint ที่รองรับ OpenAI หรือ Anthropic ด้วย URL หลักและคีย์ API หากจำเป็น ทดสอบการเชื่อมต่อ เซิร์ฟเวอร์โมเดลในเครื่องต้องทำงานอยู่ เครื่องมือระยะไกลอาจส่งข้อมูลแยกต่างหาก
โปรเจกต์
ทดสอบความจุศูนย์และชิ้นที่หนักเกิน แล้วปฏิเสธน้ำหนักศูนย์หรือตัวถูกดำเนินการที่ไม่ใช่จำนวนเต็มก่อนสร้างตาราง.
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]แยกกฎการเลือกออกจากโค้ดที่นำกฎไปใช้
PackSerein รองรับงานซอฟต์แวร์ที่มี AI ช่วยในพื้นที่โครงการบน Windows ซึ่งอภิปรายข้อกำหนดการหาค่าเหมาะที่สุดพร้อมไฟล์โค้ดได้ อธิบายว่าเลือกอะไรได้ ข้อจำกัดใดบังคับ และผู้เรียกต้องการผลอะไรจริง ขอให้ผู้ช่วยตรวจรูปแบบปัจจุบันก่อนเปลี่ยนตัวแก้ปัญหา วัตถุประสงค์ที่ชัดช่วยป้องกันโค้ดที่ดูสมเหตุผลแต่แก้ปัญหาต่างไปเล็กน้อย
ตัวอย่าง knapsack.py ชี้ถึงงานตรวจที่แต่ละรายการเลือกได้มากสุดหนึ่งครั้งภายใต้ขีดจำกัดความจุ คุณอาจถามว่าการปรับที่เสนอรักษากฎนี้หรือไม่ และแอปพลิเคชันต้องการเพียงค่าหรือรายการที่เลือกด้วย ลองคำนวณกรณีเล็กด้วยมือแล้วตรวจโค้ดเทียบกับมัน ให้ขอบเขตข้อมูลเข้าและค่าที่ปฏิเสธเป็นส่วนหนึ่งของการตรวจเดียวกัน
เมื่อแพตช์พร้อม รันการทดสอบโครงการสำหรับการเลือกว่าง ขอบเขตความจุ และชุดตัวเลือกที่แข่งขันกัน ตรวจข้อตกลงผลลัพธ์ก่อนปรับส่วนใช้งาน PackSerein รับปลายทางที่รองรับและเข้ากันได้กับ OpenAI หรือปลายทาง Anthropic พร้อมข้อมูลรับรองเมื่อจำเป็น อาจเลือกโมเดล AI ไร้การกรองได้หากการเชื่อมต่อมีให้ ข้อจำกัด ขีดจำกัดบริบท และการรองรับเครื่องมือยังขึ้นอยู่กับโมเดลและเซิร์ฟเวอร์ พื้นที่ทำงานช่วยจัดระบบการตัดสินใจเขียนโค้ด ส่วนการตรวจของคุณเป็นตัวตัดสินว่าตรงวัตถุประสงค์หรือไม่
คำถามที่กำหนดงานหาค่าเหมาะที่สุด
- เหตุใดต้องระบุว่าเลือกรายการซ้ำได้หรือไม่?
การอนุญาตให้เลือกซ้ำเปลี่ยนปัญหาและอาจเปลี่ยนผล ใส่ข้อจำกัดนี้ในคำขอและทดสอบกรณีเล็กที่การเลือกซ้ำให้คำตอบต่างกัน แล้วตรวจว่าการปรับยังรักษามัน
- ค่าเหมาะที่สุดเพียงค่าเดียวพอสำหรับแอปพลิเคชันหรือไม่?
ขึ้นอยู่กับผู้เรียก บางส่วนต้องการเพียงคะแนน ขณะที่บางส่วนต้องการรายการที่เลือกด้วย ระบุผลที่ต้องการก่อนขอแก้เพื่อให้ผู้ช่วยไม่คิดว่าตัวเลขเดียวทำให้ฟีเจอร์ครบแล้ว
- ควรจัดการคำตอบที่มีค่าเท่ากันอย่างไร?
กำหนดว่ายอมรับคำตอบเหมาะที่สุดที่ถูกต้องแบบใดก็ได้ หรือแอปพลิเคชันต้องมีกฎตัดสินเมื่อเสมอที่แน่นอน หากคืนรายการที่เลือก ให้ทดสอบกรณีเสมอชัด ๆ และตรวจกฎ ไม่พึ่งลำดับวนซ้ำที่เกิดขึ้นโดยบังเอิญ
- ตัวอย่างยืนยันประสิทธิภาพตัวแก้ปัญหาขนาดใหญ่ได้หรือไม่?
ไม่ได้ ใช้มันอภิปรายโค้ดที่มีขอบเขต แล้วประเมินโครงการจริงตามขนาดที่ต้องใช้ กรณีเล็กที่ถูกต้องกับคำอธิบายจาก AI ไม่ได้ยืนยันเวลาและหน่วยความจำเมื่อขนาดต่างไป
PackSerein · อัปเดตล่าสุด 2026-10-25