Mealpy 이용해서 Knapsack Problem 풀어보기

import numpy as np from mealpy.physics_based import MVO # 각 물건의 가치와 무게를 정의 VALUES = np.array([360, 83, 59, 130, 431, 67, 230, 52, 93, 125]) # 물건의 가치 WEIGHTS = np.array([7, 10, 30, 22, 80, 94, 11, 81, 70, 64]) # 물건의 무게 CAPACITY = 200 # 배낭의 최대 용량 # 변수의 하한 및 상한 정의 (각 물건이 선택될 수 있는 범위) LB = [0] * 10 # 하한: 물건은 선택되지 않을 수도 있음 (0) UB = [1.99] * 10 # 상한: MVO 알고리즘이 실수값을 다루므로 1.99로 설정 (0 또는 1로 매핑) # 적합도 함수 정의 def fitness_function(solution): """ 주어진 솔루션의 적합도를 계산하는 함수. :param solution: MVO가 생성한 실수형 배열 (물건 선택 여부) :return: 선택된 물건의 총 가치 (벌점 적용) """ # 벌점 함수: 용량 초과시 초과한 용량만큼 감산 def punish_function(value): return 0 if value <= CAPACITY else value # 실수형 배열을 정수형으로 변환 (0 또는 1) solution_int = solution.astype(int) # 현재 선택된 물건의 총 무게 계산 current_capacity = np.sum(solution_int * WEIGHTS) # 총 가치 계산 (벌점 적용) temp = np.sum(solution_int * VALUES) - punish_function(current_capacity) return temp # 최적화 문제 정의 problem_dict1 = { "fit_func": fitness_function, # 적합도 함수 "lb": LB, # 하한 "ub": UB, # 상한 "minmax": "max", # 최대화 문제로 설정 } # 알고리즘 설정 및 실행 model1 = MVO.OriginalMVO(epoch=100, pop_size=50) # 반복 횟수 100, 초기 집단 크기 50 best_position, best_fitness = model1.solve(problem_dict1) # 최적화 실행 # 최적화 결과 출력 print("최적 솔루션(물건 선택 여부):", model1.solution[0].astype(int)) # 0 또는 1로 변환

[1 1 0 1 1 0 1 0 1 0]