优惠券算法解析

本文涉及的产品
云解析 DNS,旗舰版 1个月
全局流量管理 GTM,标准版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介: 基于单张优惠券与叠加优惠券的算法解析及场景举例。

①单张优惠券算法

单张优惠券的优惠金额计算流程如下:

  • 1)判断优惠券限定范围,找出范围内的课程
  • 2)计算课程总价
  • 3)判断券是否可用
  • 4)计算优惠金额

假设有商品信息如下:

序号 价格 分类
1 100 a
2 100 b
3 100 b

有优惠券信息如下:

序号 分类
1 200 100 b

我们按照上述算法来判断:

  • 1)判断限定范围:这张券限定分类 b,对应的商品序号是2、3
  • 2)计算课程总价:商品序号2、3的总价为200
  • 3)判断是否可用:总价刚好达到优惠券满减门槛200,可以使用
  • 4)计算优惠:满200减100,因此最终优惠金额就是100元
  • 5)计算优惠明细:因为-100在商品序号2/3上,各占50%,因此优惠金额均摊,各为50,如下
序号 价格 分类 优惠金额
1 100 a 0
2 100 b 50
3 100 b 50

这里如果序号2/3的价格不是2的倍数,应该怎么整呢?一般的实现方案是:为了避免出现精度损失导致的金额不一致,最后一个商品的优惠明细等于优惠总金额减去其它商品的优惠明细之和


②叠加优惠券算法

券叠加就是按照券组合的顺序,依次计算每张券的优惠金额,最终优惠金额就是所有权的优惠累加。

需要注意的是:由于一张券计算完优惠后,商品的金额会发生变化,因此下一张券的计算金额会随之改变,因此券叠加的顺序非常重要

而且为了方便计算后续券的优惠金额,我们必须知道商品金额具体的变化,也就是弄清楚每一张优惠券使用后,每个商品的具体优惠金额,我们称之为优惠明细,我们可以用一个表格来记录

序号 优惠明细
1 *
2 *
3 *

因此,券叠加算法比单券算法需要多一步:

  • 1)判断优惠券限定范围,找出范围内的课程
  • 2)计算课程总价
  • 3)判断券是否可用
  • 4)计算优惠金额
  • 5)计算优惠明细

假设有商品信息如下:

序号 价格 分类
1 100 a
2 100 b
3 100 b

有优惠券信息如下:

序号 分类
1 100(每) 20 a,b
2 200 100 b
3 80 20 a

我们按照上述算法来一条条判断:

  • 1)判断限定范围:券1可用于所有分类,因此商品序号1、2、3都可以用
  • 2)计算课程总价:所有商品累加共300元
  • 3)判断是否可用:券1门槛是100,符合要求
  • 4)计算优惠:每满100减20,因此总共折扣就是60元
  • 5)计算优惠明细

正常情况下,按照商品价格在商品总价中的比例,乘以优惠总金额

最后一个商品,为了避免出现精度损失导致的金额不一致,最后一个商品的优惠明细等于优惠总金额减去其它商品的优惠明细之和

例如,商品1、2的折扣:(100 / 300) 60 = 20 ,商品3的折扣等于:*60 - 20 - 20 = 20,因此

券1信息如下:

image-20230428113616454.png


券2的计算步骤如下:

  • 1)判断范围:券2可用于分类b,因此商品序号2、3都可以用
  • 2)计算总价:商品2已经优惠了20,现在价格是80,商品3已经优惠了20,现在价格是80。因此商品总价是160
  • 3)判断是否可用:券2门槛是200,不符合要求,跳过

券2信息如下:

image-20230428113805520.png


券3的计算步骤如下:

  • 1)判断范围:券3可用于分类a,因此商品序号1可以用
  • 2)计算总价:商品1原价100元,已经优惠20,现价80元
  • 3)判断是否可用:券3门槛是80,符合要求
  • 4)计算优惠金额:满80减20,因此总共折扣就是20元
  • 5)计算优惠明细:由于只有商品1可用,商品1优惠明细就是20元

券3信息如下:

image-20230428113940068.png

目录
相关文章
|
1月前
|
算法 前端开发 数据处理
小白学python-深入解析一位字符判定算法
小白学python-深入解析一位字符判定算法
46 0
|
24天前
|
存储 算法 Java
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
38 3
|
26天前
|
搜索推荐 算法
插入排序算法的平均时间复杂度解析
【10月更文挑战第12天】 插入排序是一种简单直观的排序算法,通过不断将未排序元素插入到已排序部分的合适位置来完成排序。其平均时间复杂度为$O(n^2)$,适用于小规模或部分有序的数据。尽管效率不高,但在特定场景下仍具优势。
|
8天前
|
算法 Linux 定位技术
Linux内核中的进程调度算法解析####
【10月更文挑战第29天】 本文深入剖析了Linux操作系统的心脏——内核中至关重要的组成部分之一,即进程调度机制。不同于传统的摘要概述,我们将通过一段引人入胜的故事线来揭开进程调度算法的神秘面纱,展现其背后的精妙设计与复杂逻辑,让读者仿佛跟随一位虚拟的“进程侦探”,一步步探索Linux如何高效、公平地管理众多进程,确保系统资源的最优分配与利用。 ####
35 4
|
9天前
|
缓存 负载均衡 算法
Linux内核中的进程调度算法解析####
本文深入探讨了Linux操作系统核心组件之一——进程调度器,着重分析了其采用的CFS(完全公平调度器)算法。不同于传统摘要对研究背景、方法、结果和结论的概述,本文摘要将直接揭示CFS算法的核心优势及其在现代多核处理器环境下如何实现高效、公平的资源分配,同时简要提及该算法如何优化系统响应时间和吞吐量,为读者快速构建对Linux进程调度机制的认知框架。 ####
|
1月前
|
机器学习/深度学习 算法 PyTorch
Pytorch-RMSprop算法解析
关注B站【肆十二】,观看更多实战教学视频。本期介绍深度学习中的RMSprop优化算法,通过调整每个参数的学习率来优化模型训练。示例代码使用PyTorch实现,详细解析了RMSprop的参数及其作用。适合初学者了解和实践。
35 1
|
26天前
|
前端开发 算法 JavaScript
无界SaaS模式深度解析:算力算法、链接力、数据确权制度
私域电商的无界SaaS模式涉及后端开发、前端开发、数据库设计、API接口、区块链技术、支付和身份验证系统等多个技术领域。本文通过简化框架和示例代码,指导如何将核心功能转化为技术实现,涵盖用户管理、企业店铺管理、数据流量管理等关键环节。
|
1月前
|
机器学习/深度学习 算法 PyTorch
Pytorch-SGD算法解析
SGD(随机梯度下降)是机器学习中常用的优化算法,特别适用于大数据集和在线学习。与批量梯度下降不同,SGD每次仅使用一个样本来更新模型参数,提高了训练效率。本文介绍了SGD的基本步骤、Python实现及PyTorch中的应用示例。
30 0
|
1月前
|
机器学习/深度学习 传感器 算法
Pytorch-Adam算法解析
肆十二在B站分享深度学习实战教程,本期讲解Adam优化算法。Adam结合了AdaGrad和RMSProp的优点,通过一阶和二阶矩估计,实现自适应学习率,适用于大规模数据和非稳态目标。PyTorch中使用`torch.optim.Adam`轻松配置优化器。
38 0
|
1月前
|
存储 搜索推荐 算法
【排序算法(二)】——冒泡排序、快速排序和归并排序—>深层解析
【排序算法(二)】——冒泡排序、快速排序和归并排序—>深层解析

推荐镜像

更多