我目前正在尝试解决以下问题,但不确定我应该使用哪种算法。它在大众识别领域。
我有一系列“权重”,*w_i*,它们可以总计为总重量。测得的总重量有一个与之相关的误差,因此是不准确的。
在给定总权重T的情况下,我需要找到最接近的k个可能的权重组合,这些组合可以总计为总数,其中k是来自用户的输入。每个砝码可以多次使用。
现在,这听起来有点像有界整数多重背包问题,然而
- 有可能超过重量,并且
- 我还想要所有在错误方面排名的解决方案
我可能可以使用背包问题的多次扫描来解决它,从重量误差->重量+误差,通过以足够小的增量步进,但是如果增量太大而无法错过某些可以使用的重量组合,这是可能的。
权重的数量通常很少(4 -> 10 个权重),总权重与平均权重的比率通常在 2 或 3 左右
有谁知道可能适合这里的算法的名称?