01背包问题(动态规划DP)

01 背包问题是一种典型的Dynamic Programming。

问题描述：

给定一组物品，其中每种物品都有自己的重量和价格，在限定的总重量内，如何选择才能使物品的总价格最高？

一个例子：

现有5个商品，质量W(weight)=[2,2,6,5,4]；价值V(value)=[3,6,5,4,6]，现考虑装入一个总承重capicity=10的背包，求背包能装商品的最大价值。

问题分解：

1. 承重为0或允许装前0件，此时总价值最高为0；

        c[i][j] = 0              i=0 or j=0

2. 新允许的第i件装不下，此时总价值=前i-1件对应承重的总价值；

        c[i][j] = c[i-1][j]      W[i]>j

3. 第i件装得下。

        c[i][j] = max(c[i-1][j], c[i-1][j-W[i]]+V[i])     W[i]<=j

其中c[i][j]为i个物品，限定承重为j时的最大价值。

代码实现：

1. 计算匹配矩阵

def bag(capitity, W, V):
    n = len(W)   # 商品数量
    W = [0] + W
    V = [0] + V
    c = [[0 for j in range(capitity+1)] for i in range(n+1)]

    for i in range(1, n+1):
        for j in range(1, capitity+1):
            if W[i] <= j:
                c[i][j] = max(c[i-1][j], c[i-1][j-W[i]] + V[i])
            else:
                c[i][j] = c[i-1][j]
    return c

2. 统计选择商品编号

def show(capicity, W, c):
    n = len(W)
    print("最大价值为:  ", c[-1][-1])
    good_selected = [False for i in range(n)]
    j = capicity   # 背包剩余可容纳质量
    for i in range(1, n+1):
        if c[i][j] > c[i-1][j]:
            good_selected[i-1] = True
            j -= W[i-1]
    good_selected = [i for i in range(n) if good_selected[i]]

    print("选择的物品为:  ", good_selected)

测试：

capicity = 10
weight_list = [2, 2, 6, 5, 4]
value_list = [3, 6, 5, 4, 6]
c = bag(capicity, weight_list, value_list)
show(capicity, weight_list, c)

# 最大价值为:   15
# 选择的物品为:   [0, 1, 4]