Mochila Fracionária
Guia detalhado e implementação de Python para o problema da 'Mochila Fracionária'.
1. Aprenda
O problema da 'mochila fracionária' é um desafio importante na seção gananciosa.
Esta implementação concentra-se na lógica de nível fácil em Python.
Priorizamos a precisão técnica e a legibilidade do código em nossas soluções fornecidas.
2. Real-World Applications
3. Visual Intuition
Visualizando o fluxo lógico da Mochila Fracionária.
4. Prerequisites
5. Step-by-Step Thinking
1. Understand the problem
Leia atentamente a definição do problema da mochila fracionária.
2. Formulate brute force
Elabore uma solução iterativa simples.
3. Identify inefficiency
Procure cálculos redundantes.
4. Optimize search path
Use hashing ou classificação para acelerar o processo.
5. Final Implementation
Limpe o código para padrões de produção.
Declaração do problema
Escreva uma função fractional_knapsack(W, items) que pegue a capacidade da mochila W e uma lista de tuplas items onde cada tupla é (value, weight). Encontre o valor total máximo que pode ser obtido na mochila, permitindo que os itens sejam quebrados/fracionados. Arredonde a saída para 2 casas decimais.
- •1 <= len(items) <= 1000
- •1 <= W <= 10^5
- •1 <= value, weight <= 10^4
Exemplos
fractional_knapsack(50, [(60, 10), (100, 20), (120, 30)])
240.0
Take the first and second item fully, and 2/3 of the third item. Total value: 60 + 100 + 120 * (20/30) = 240.0.
fractional_knapsack(15, [(24, 10), (18, 10), (15, 10)])
33.0
Take the first item fully, and 1/2 of the second item. Total value: 24 + 18 * 0.5 = 33.0.
Need a Hint?
Edge Cases to Watch
- Estruturas de entrada vazias
- Entradas de elemento único
- Grandes limites numéricos
Pronto para resolver?
Open the problem in PyRun's browser-based Python editor. Your code runs fully offline — no server required.
Insights e variações da entrevista
Análise de complexidade
Por que tempo: Directly evaluates all possibilities.
Por que espaço: Uses standard local memory.
Por que tempo: Optimized paths reduce total operations.
Por que espaço: May trade memory for speed.
Código Python da solução otimizada
Código Python da solução otimizada
def fractional_knapsack_opt(W, items):
items.sort(key=lambda x: x[0]/x[1], reverse=True)
res = 0.0
for val, wt in items:
if W >= wt: res += val; W -= wt
else: res += val * (W / wt); break
return resCódigo de força bruta (protegido por spoiler)
Código de força bruta (protegido por spoiler)
def fractional_knapsack_brute(W, items):
# Try all permutations (not practical)
return fractional_knapsack_opt(W, items)Algorithm Pattern Checklist
When dealing with Greedy data patterns.
- Are constraints clear?
- Is there a linear or logarithmic optimization possible?
Key Revision Notes
Aplicam-se propriedades padrão do problema Greedy.
Perguntas relacionadas
PyRun is built and maintained by an independent solo developer. If this helped your interview prep, consider buying a coffee!
Recursos Python recomendados
Expanda seu conhecimento com tutoriais interativos relacionados, folhas de dicas e comparações de código.
Loops Python
Aprenda como usar loops Python para iterar dados. Domine as práticas recomendadas para loops for, while loops, break, continue e loop com exemplos interativos.
Como classificar uma lista em Python
Aprenda como classificar uma lista em Python usando o método sort() e a função sorted(). Descubra exemplos de classificação de chaves personalizadas e ordem reversa.
Folha de dicas dos métodos de string Python
Um guia de referência completo para manipulação de strings em Python. Domine a formatação, pesquisa, divisão, substituição e verificação de propriedades de string.
Python vs JavaScript: qual linguagem de programação é a melhor?
Uma comparação abrangente entre Python e JavaScript. Explore diferenças de sintaxe, desempenho, casos de uso (backend versus frontend) e exemplos de codificação.