动态规划之0-1背包问题

前言

本科期间学习的算法都忘得差不多了，可是随着眼界的开阔，渐渐意识到数学和算法的重要性，因此早就有总结的打算。最近学习Python语言，学校也开设了《算法分析与设计》这门课，所以开始总结一下基本的算法思想并尽量用Python来实现。

问题描述

有N件物品和一个容量为V的背包。第i件物品的重量是w[i]，价值是v[i]。求解将哪些物品装入背包可使价值总和最大。

基本思想

    考虑使用dp问题求解，定义一个递归式 opt[i][j] 表示前i个物品，在背包容量大小为j的情况下可装入的最大价值。现定义状态转换方程：opt[i][j] = max(opt[i-1][j] , opt[i-1][j-w[i]] + v[i]),其中opt[i-1][j] 表示第i件物品不装入背包中的价值总和，而opt[i-1][j-w[i]] + v[i] 表示第i件物品装入背包中的价值总和。

代码实现

import numpy as np #引入numpy包

weight = np.array([2,2,6,5,4]) #定义每个物体的重量
value = np.array([6,3,5,4,6]) #定义每个物体的价值
max_weight = 10 #定义背包的最大容量

num = len(weight) #求物体的个数
marray = np.zeros(num*(max_weight+1)).reshape(num,-1) #构造二维数组存放opt(i,j)

j = min(weight[0], max_weight) # 初始化只有第一个物体可供选择时opt(i,j)的值，即初始化opt(1,j)的值，这里下标从0开始
while j <= max_weight:
    marray[0][j] = value[0]
    j = j + 1

i = 1
while i < num: # 从第二个物体遍历到最后一个物体，直到计算opt(n,V)的值
    for j in range(max_weight+1):
        if j < weight[i] :
            marray[i][j] = marray[i-1][j]
        if j >= weight[i]:
            marray[i][j] = max(marray[i-1][j], marray[i-1][j-weight[i]] + value[i])
    i = i + 1

# 输出marray数组，其中marray[num-1][max_weight]即为所求答案
for i in range(num):
    for j in range(max_weight+1):
        print marray[i][j],
    print ''

    本科的时候一直觉得0-1背包问题很难，现在总结一下觉得还挺简单的，看来复习与总结很重要。这是新的开始，希望自己可以坚持！