我有一个订单,其中包含订单数量和折扣,需要根据订单成本按比例在这些订单之间分配。
我不是数学家,所以我会引入这个符号来解释这种情况。一个订单有 N
行,项目价格为 Pi
, 商品数量为 Qi
,总线路成本为 Ti
其中 Ti = Qi * Pi
.订单总价为T = sum(Ti)
.算法需要分配折扣D
,结果是 Di
的列表- 为每个订单行分配折扣。
结果必须满足以下条件:
-
D = sum(Di)
: 线折扣总和必须等于原始折扣 -
Di%Qi = 0
: 折扣必须能整除数量而没有余数 -
Di <= Ti
: 折扣不得超过总线路成本-
Di/D ~ Ti/T
: 折扣尽可能按比例分配
-
输入数据满足以下谓词:
-
D <= T
, 折扣不超过总订单成本 -
D
,Di
和Qi
是整数值,Pi
是十进制数 - 输入数据的变化不能满足要求的条件。例如,3 行,每行有 3 个商品,价格为 10,输入折扣为 10 (
N=3; Qi=3; Pi=10; D=10
)。没有办法将它分配给行数。对于这种情况,算法应该返回错误以及无法分配的折扣金额(对于我的示例,它是 1)
现在我们的算法实现看起来像这样(F# 上的简化版本)
type Line = {
LineId: string
Price: decimal
Quantity: int
TotalPrice: decimal
Discount: decimal
}
module Line =
let minimumDiscount line =
line.Quantity
|> decimal
|> Some
|> Option.filter (fun discount -> discount <= line.TotalPrice - line.Discount)
let discountedPerItemPrice line = line.Price - line.Discount / (decimal line.Quantity)
let spread discount (lines: Line list) =
let orderPrice = lines |> List.sumBy (fun l -> l.TotalPrice)
let preDiscountedLines = lines |> List.map (fun line ->
let rawDiscount = line.TotalPrice / orderPrice * discount
let preDiscount = rawDiscount - rawDiscount % (decimal line.Quantity)
{line with Discount = preDiscount})
let residue = discount - List.sumBy (fun line -> line.Discount) preDiscountedLines
let rec spreadResidue originalResidue discountedLines remainResidue remainLines =
match remainLines with
| [] when remainResidue = 0m -> discountedLines |> List.rev |> Ok
| [] when remainResidue = originalResidue -> sprintf "%f left to spread" remainResidue |> Error
| [] -> discountedLines |> List.rev |> spreadResidue remainResidue [] remainResidue
| head :: tail ->
let minimumDiscountForLine = Line.minimumDiscount head
let lineDiscount = minimumDiscountForLine
|> Option.filter (fun discount -> discount <= remainResidue)
|> Option.defaultValue 0m
let discountedLine = {head with Discount = head.Discount + lineDiscount}
let discountedLines = discountedLine :: discountedLines
let remainResidue = remainResidue - lineDiscount
spreadResidue originalResidue discountedLines remainResidue tail
spreadResidue residue [] residue preDiscountedLines
该算法采用了找到的一些解决方案 here并且适用于大多数情况。 然而,它在以下情况下失败:
P1=14.0; Q1=2;
P2=11.0; Q2=3;
D=52
至少有一种可能的分布:D1=22; D2=30
,但目前的算法未能发现它。那么什么是更好的传播算法或更好的传播残差算法?
最佳答案
让我们将 Di/D ~ Ti/T
解释为 Di ∈ {Qi*floor(D*Pi/T), Qi*ceiling(D*Pi/T)}
。然后我们可以将这个问题解决为子集和,即,对于每个 i
使得 D*Ti/T/Qi
不是整数,并且 Qi*ceiling(D*Pi/T) ≤ Pi
,我们有一个重量为Q_i
的元素,目标总和为D - sum_i Q_i*floor(D*Pi/T)
。子集和是 NP 难的,但很弱,除非你有大量的东西,否则使用传统的动态程序解决它应该没有问题。如果问题不可行,您可以使用动态程序的最终表来找出最佳余数。
作为扩展,您可能想要支持以下解决方案,尽管 D*Ti/T
不是整数,但 Di
比替代方案更接近该比率。您可以定义项目利润,如 |floor(D*Ti/T/Qi) - D*Ti/T|^2 - |ceiling(D*Ti/T/Qi) - D*Ti/T|^2
偏好最优折扣更接近上限而不是下限的商品。然后,您正在解决背包问题(好吧,有点,因为“利润”可能是负数)而不是子集和,但 DP 变化不大。
关于algorithm - 如何在订单行上按比例分配折扣?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54709825/