××××××××××××××××××××××××××××××××××××××××××××××××

Question

××××××××××××××××××××××××××××××××××××××××××××××××

Comments

[can110]

Pythonを使わずに手計算で求めること、またはその手順を説明することはできますか？

[y_waiwai]

残念ながら、コード作成依頼は受け付けていません

[退会済みユーザー]

修正依頼ありがとうございます。
無理やりにはなってしまうのですがハサミ16個とノリが18個をすべて使い切るとすると
袋Aが1のとき袋Bは10
袋Aが4のとき袋Bは6
袋Aが7のとき袋Bは2
というようになって、きれいに使いきれるのが
袋Aが4(ハサミ4ノリ12)のとき袋Bは6(ハサミ12ノリ6)のときでした。

[can110]

「最も効率的に売る」という条件が分かりませんので説明ください。（値段はどう関係してきますか？）

[退会済みユーザー]

効率的に売るというのは利益が最大になるように袋詰めすることです。

[can110]

「ハサミ16個とノリが18個をすべて使い切る」という条件は無視してもよいでしょうか？
袋に入れるそれぞれの数は袋に入りきる数より少なくてもよいでしょうか？

[退会済みユーザー]

無視しても大丈夫です。入りきる数より少ないと売れないので入りきる数ぴったりで考えています。

[can110]

つまり、ハサミ16個とノリが18個ある場合の袋Aと袋Bの数の合計が最大の袋の組み合わせを求めたいということでしょうか？
であれば、袋の値段は関係ないということにならないでしょうか？

[退会済みユーザー]

値段は後付けできるので関係ないとしても大丈夫です

[can110]

現在ついている回答で実現できると思われますが、いかがでしょうか？

[退会済みユーザー]

組み合わせのプログラムの作り方がわかりません

Answer 1

典型的な線形計画問題です。
以下の最適化問題を解けばよいです。

ライブラリを使ってもよいなら、PuLP または scipy.optimize.linprog で解けます。

もしくは、動的計画法で自前で実装してもよいと思います。

典型的な DP (動的計画法) のパターンを整理 Part 1 ～ ナップサック DP 編 ～ - Qiita

from pulp import *

# モデルを作成する。
model = LpProblem(sense=LpMaximize)

# 変数を作成する。
x1 = LpVariable("x1", lowBound=0, cat="Integer")
x2 = LpVariable("x2", lowBound=0, cat="Integer")

# 目的関数を追加する。
model += x1 * 500 + x2 * 500

# 制約条件を追加する。
model += x1 + 2 * x2 <= 16  # はさみの数
model += 3 * x1 + x2 <= 18  # ノリの数

# モデルを表示する。
print(model)

# 解く。
ret = model.solve()
print("status", LpStatus[ret])  # status Optimal

# 解けた場合は結果を表示する。
if ret == 1:
    print(f"x1 = {x1.value()}, x2 = {x2.value()}, y = {model.objective.value()}")
# x1 = 4.0, x2 = 6.0, y = 5000.0

袋A=4個、袋B=6個の5000円が最適解として得られました

Answer 2

その程度の数なら全探索でも十分高速です。
コードは載せませんが、方針だけ書きます。

袋Aを i 個用意するとき、
袋Bは j ( j=min((16-1***i** )//2, (18-3***i** )//1) ) 個用意できる。
このとき、売上は 500*(i+j ) 円となり、これが最大となる i,**j**の組み合わせを求める