[Algorithmic Toolbox学习笔记][week6]0/1 Knapsack Problem

问题描述

具体的问题描述请参考以下链接：

[Algorithmic Toolbox学习笔记][week3]战利品的最大价值_Karen_AMPM的博客-CSDN博客假设小偷有一个背包只能放下一定重量的货物。如果他来到一家商店，商店里有不同的商品（已知数量和单价）。那么小偷在背包重量有限的情况下，拿走哪些商品才能保证在背包允许的最大重量下商品总价值最高呢？https://blog.csdn.net/Karen_AMPM/article/details/126730940?spm=1001.2014.3001.5501

假设我们有以下一组数据：

背包可承受的最大重量：10kg

item重量和价值如下：

               weight   value

item1      5kg        60元  --> 指5kg item1的价值为60元

item2      3kg        50元

item3      2kg        70元

item4      1kg        30元

在上方链接的文章中，当我们要去计算能够被拿走的物品的最大价值的时候，我们使用的是物品的单价（即每千克这个物品的价值是多少），然后去做Greedy Algorithm的计算，即当有5kg item1的时候我们可以只拿走2kg。因此如果使用链接中的代码来运行的话，背包中应该放如下物品：

2kg 的 item3 --> value is 2 x 35 = 70
1kg 的 item4 --> value is 1 x 30 = 30
3kg 的 item2 --> value is 3 x 16.666 = 50
4kg 的 item1 --> value is 4 x 12 = 48

最大价值等于 198

但是，0/1 Knapsack Problem与上方问题不同的是，0/1 Knapsack Problem需要解决的是如何在不拆分物品的条件下去计算出物品的最大价值。比如现有5kg的item1价值60元，那么我们在拿的时候，要么5kg全部拿走，要么不拿，即不能像上面的例子中只拿走4kg。

Knapsack Problem算法解析

分两种情况来解析：

Knapsack with repetitions：指不限制每一个item的组合（重量和价格）的数量。

Knapsack without repetitions （use dynamic programming）：指每一个item的组合只有一个。

假设我们有以下一组数据：

weight_list = [5, 3, 2, 1]
value_list = [60, 50, 70, 30]

比如同样针对这组数据，当背包最大承受重量为4kg的时候：

Knapsack with repetitions：我们可以用2组item3（总重量等于4kg），此时的最大价值为140元。
Kna