master > master: code py - korrigierte Darstellung für fractional-Fall

code/python/src/algorithms/rucksack/algorithms.py

@@ -57,25 +57,25 @@ def rucksack_greedy_algorithm(
     # führe greedy aus:
     n = len(costs);
     cost_total = 0;
-    vector = [ Fraction(0) for _ in range(n) ];
+    choice = [ Fraction(0) for _ in range(n) ];
     for i in order:
         # füge Item i hinzu, solange das Gesamtgewicht noch <= Schranke
         if cost_total + costs[i] <= max_cost:
             cost_total += costs[i];
-            vector[i] = Fraction(1);
+            choice[i] = Fraction(1);
         # falls Bruchteile erlaubt sind, füge einen Bruchteil des i. Items hinzu und abbrechen
         elif fractional:
-            vector[i] = Fraction(Fraction(max_cost - cost_total)/Fraction(costs[i]), _normalize=False);
+            choice[i] = Fraction(Fraction(max_cost - cost_total)/Fraction(costs[i]), _normalize=False);
             break;
         # ansonsten weiter machen:
         else:
             continue;
 
     # Aspekte der Lösung speichern:
-    rucksack = [i for i, v in enumerate(vector) if v > 0]; # Indexes von Items im Rucksack
+    rucksack = [i for i, v in enumerate(choice) if v > 0]; # Indexes von Items im Rucksack
     soln = Solution(
         order = order,
-        choice = vector,
+        choice = choice,
         items = items[rucksack].tolist(),
         costs = costs[rucksack].tolist(),
         values = values[rucksack].tolist(),
@@ -83,7 +83,7 @@ def rucksack_greedy_algorithm(
 
     # verbose output hier behandeln (irrelevant für Algorithmus):
     if verbose:
-        repr_rucksack = display_rucksack(items=items[rucksack], costs=costs[rucksack], values=values[rucksack]);
+        repr_rucksack = display_rucksack(items=items[rucksack], costs=costs[rucksack], values=values[rucksack], choice=np.asarray(choice)[rucksack]);
         print('\x1b[1mEingeschätzte Lösung\x1b[0m');
         print('');
         print(f'Mask: [{", ".join(map(str, soln.choice))}]');
@@ -122,10 +122,10 @@ def rucksack_branch_and_bound_algorithm(
         print('');
 
     logged_steps = [];
-    vector = empty_mask(n=len(costs));
+    mask = empty_mask(n=len(costs));
     lb_estimate = np.inf;
     S = Stack();
-    S.push(vector);
+    S.push(mask);
     while not S.empty():
         lb, choice, order_, pad = estimate_lower_bound(mask=S.top(), max_cost=max_cost, costs=costs, values=values, items=items);
         if verbose:
@@ -139,7 +139,7 @@ def rucksack_branch_and_bound_algorithm(
                 # falls A als einelementige Menge betrachtet werden kann, ersetze unbekannte Werte:
                 if pad != MaskValue.UNSET:
                     A = A.pad(pad);
-                vector = A;
+                mask = A;
             # Branch sonst
             else:
                 B, C = A.split();
@@ -149,10 +149,10 @@ def rucksack_branch_and_bound_algorithm(
                     S.push(C);
 
     # Aspekte der Lösung speichern
-    rucksack = vector.indexes_one; # Indexes von Items im Rucksack
+    rucksack = mask.indexes_one; # Indexes von Items im Rucksack
     soln = Solution(
         order = order,
-        choice = vector.choice,
+        choice = mask.choice,
         items = items[rucksack].tolist(),
         values = values[rucksack].tolist(),
         costs = costs[rucksack].tolist(),
@@ -161,7 +161,7 @@ def rucksack_branch_and_bound_algorithm(
     # verbose output hier behandeln (irrelevant für Algorithmus):
     if verbose:
         repr = display_branch_and_bound(values=values, steps=logged_steps);
-        repr_rucksack = display_rucksack(items=items[rucksack], costs=costs[rucksack], values=values[rucksack]);
+        repr_rucksack = display_rucksack(items=items[rucksack], costs=costs[rucksack], values=values[rucksack], choice=np.asarray(mask.choice)[rucksack]);
         print('\x1b[1mLösung\x1b[0m');
         print('');
         print(repr);
@@ -201,7 +201,7 @@ def estimate_lower_bound(
     mit Greedy-Algorithmus »lösen«,
     um schnell eine gute Einschätzung zu bestimmen.
 
-    NOTE: Diese Funktion wird `g(vector)` im Skript bezeichnet.
+    NOTE: Diese Funktion wird `g(mask)` im Skript bezeichnet.
     '''
     indexes_one = mask.indexes_one;
     indexes_unset = mask.indexes_unset;

code/python/src/algorithms/rucksack/display.py

@@ -62,18 +62,20 @@ def display_rucksack(
     items: np.ndarray,
     costs: np.ndarray,
     values: np.ndarray,
+    choice: np.ndarray,
 ) -> str:
     render = lambda r: f'{r:g}';
     table = pd.DataFrame({
         'items':  items.tolist() + ['----', '∑'],
-        'costs':  list(map(render, costs)) + ['', f'\x1b[92;1m{sum(costs):g}\x1b[0m'],
-        'values': list(map(render, values)) + ['', f'\x1b[92;1m{sum(values):g}\x1b[0m'],
+        'nr':  list(map(str, choice)) + ['----', f'{float(sum(choice)):g}'],
+        'costs':  list(map(render, costs)) + ['----', f'\x1b[92;1m{sum(choice*costs):g}\x1b[0m'],
+        'values': list(map(render, values)) + ['----', f'\x1b[92;1m{sum(choice*values):g}\x1b[0m'],
     });
     repr = tabulate(
         table,
-        headers=['item', 'cost', 'value'],
+        headers=['item', 'nr', 'cost', 'value'],
         showindex=False,
-        colalign=('left', 'center', 'center'),
+        colalign=('left', 'center', 'center', 'center'),
         tablefmt='rst'
     );
     return repr;