问如何从一组项目中选择最有益的项目组合？

EN

针对一种统计数据

这很简单。首先，有几个假设：

• 你没有提到这一点，但是大概一个人在一个特定的位置最多只能穿一种护甲。也就是说，你不能穿两条裤子，或者两条shirts.
• Presumably，也是如此，一件装备的选择不会影响或与其他装备冲突(除了同一插槽中不能有多件衣服的约束)。也就是说，如果你穿裤子，这绝不会阻止你穿衬衫。但请注意，更微妙的是，我们假设你穿两件相关的衣服不会产生某种协同效应。

假设你想要以统计量X为目标，那么算法如下：

• 按插槽对所有项目进行分组。
• 在每个组中，按X的提升程度对该组中的潜在项目进行降序排序。
• 挑选每组中的第一件衣服并穿上它。
• 所选的一组物品是最优的装入。

证明:获得更高X属性的唯一方法是，如果有一个项目A提供了比其组中的其他项目更多的X。但是我们已经按降序对每个组中的所有项目进行了排序，所以不可能有这样的A。

如果违反了假设，会发生什么？

• 如果假设一不正确--也就是说，你可以在每个插槽中穿戴多件物品--那么不是从每组中挑选第一件物品，而是从每组中挑选前Q(s)件物品，其中Q(s)是可以放在插槽s中的物品的数量。
• 如果假设二不为真--即物品确实相互影响--那么我们没有足够的信息来解决问题。我们需要明确地知道项目之间是如何相互影响的，或者被迫通过暴力尝试所有可能的项目组合，看看哪种组合的整体效果最好。--

针对N个统计数据

如果您想同时针对多个统计数据，则需要一种方法来判断某件事有多“好”。这称为适应度函数。您需要确定N个统计数据相对于其他统计数据的重要性。例如，你可能决定感知的每+1值等于10分，而智能的每+1值只值6分。现在，您有了一种方法来评估项目之间的相对“好坏”。

一旦你做到了这一点，就不是针对X进行优化，而是针对F进行优化，即适应度函数。然后，对于一个统计数据，该过程与上面的过程相同。

如果不限制每个类别的项目数量，则以下内容将适用于多个统计和多个项目。

数据准备：

• 根据您确定的重要程度为每个统计数据(Int、Perception)赋予一个权重

将其存储为一维数组statImportance

• Give每个项目-统计量组合的值，根据所述项目对玩家的所述统计量的提升程度

将其存储为2维数组itemStatBoost

算法：

在伪代码中。这里假设itemScore是一个可排序的映射，使用Item作为键，数值作为值，并将值初始化为0。

假设sort方法能够按值(而不是键)对此映射进行排序。

//Score each item and rank them
for each statistic as S
  for each item as I
    score = itemScore.get(I) + (statImportance[S] * itemStatBoost[I,S])
    itemScore.put(I, score)
sort(itemScore)

//Decide which items to use
maxEquippableItems = 10 //use the appropriate value
selectedItems = new array[maxEquippableItems]
for 0 <= idx < maxEquippableItems
  selectedItems[idx] = itemScore.getByIndex(idx)