Resolva o problema da mochila
A nova função KnapsackSolve permite que o usuário resolva de forma fácil problemas de otimização combinatória como o problema da mochila. O problema da mochila aparece em uma grande variedade de campos, como problemas de corte de duas dimensões e orçamento de capital, e pode também ser usado na construção de sistemas criptográficos.
Esta é uma lista de compras em que cada fruta é especificada juntamente com o seu teor calórico, preço médio e quantidade máxima.
In[1]:=

fruits = <|
Entity["FoodType", "Apple"] -> {Quantity[91, "LargeCalories"],
Quantity[2.36, "Euros"], 3},
Entity["FoodType", "Orange"] -> {Quantity[71, "LargeCalories"],
Quantity[2.12, "Euros"], 3},
Entity["FoodType", "Banana"] -> {Quantity[105, "LargeCalories"],
Quantity[1.89, "Euros"], 5},
Entity["FoodType", "Kiwi"] -> {Quantity[103, "LargeCalories"],
Quantity[3.77, "Euros"], 10},
Entity["FoodType", "Pear"] -> {Quantity[96, "LargeCalories"],
Quantity[2.87, "Euros"], 5}|>;
Determine o número de frutas de cada tipo que maximiza o conteúdo calórico para uma determinada quantidade de dinheiro.
In[2]:=

counts = KnapsackSolve[fruits, Quantity[25, "Euros"]]
Out[2]=

Esta é a contribuição calórica de cada um dos tipos de fruta e o total.
In[3]:=

fruits[[All, 1]] counts
Out[3]=

In[4]:=

fruits[[All, 1]] counts;
Total[%]
Out[4]=

Este é o custo de cada tipo de fruta e o custo total.
In[5]:=

fruits[[All, 2]] counts
Out[5]=

In[6]:=

fruits[[All, 2]] counts;
Total[%]
Out[6]=
