01背包问题--python实现

最新推荐文章于 2025-02-17 14:00:00 发布

Renascence_6

最新推荐文章于 2025-02-17 14:00:00 发布

阅读量2k

点赞数 2

分类专栏：数据结构算法文章标签： python 动态规划算法

本文链接：https://blog.csdn.net/Renascence_6/article/details/115698776

版权

数据结构算法专栏收录该内容

3 篇文章

订阅专栏

本文介绍了背包问题的动态规划解决方案，包括二维动态规划和一维动态规划的思路及Python代码实现。通过优化，将二维动态规划降维为一维，提高了算法效率。最终输出能装入背包并达到最大价值的物品选择方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

问题描述

有 N 件物品和一个容量是 V 的背包。每件物品只能使用一次。

第 i 件物品的体积是 vi，价值是 wi。

求解将哪些物品装入背包，可使这些物品的总体积不超过背包容量，且总价值最大。
输出最大价值。

输入格式

第一行两个整数，N，V，用空格隔开，分别表示物品数量和背包容积。

接下来有 N 行，每行两个整数 vi,wi，用空格隔开，分别表示第 i 件物品的体积和价值。

输出格式

输出一个整数，表示最大价值。

数据范围

0<N,V≤1000
0<vi,wi≤1000。

输入样例

输出样例

解法

二维动态规划思路

记 f[i][j] 为：体积为j的前i个物品的最大价值
则有选第i个物品和不选第i个物品
若不选第i个物品，则有：

f[i][j] = f[i-1][j]

若选第i个物品，则有：

f[i][j] = max(f[i][j] , f[i-1][j-v[i]]

Python代码实现–二维动态规划

n , m = list(map(int,input().split()))
v , w = [0]*1010 , [0]*1010
f = [[0]*1010 for _ in range(1010)]
for i in range(1,n+1):
    v[i] , w[i] = list(map(int,input().split()))
for i in range(1,n+1):
    for j in range(m+1):
        f[i][j] = f[i-1][j]
        if j >= v[i]:
            f[i][j] = max(f[i][j],f[i-1][j-v[i]]+w[i])
res = 0
for i in range(m+1):
    res = max(res,f[n][i])
print(res)

代码优化–一维动态规划思路

因f[i][*]只与f[i-1][*]有关，故可以降维
又因从小到大遍历则之前的状态超前更新，故这里需要从大到小遍历

Python代码实现–一维动态规划

n , m = list(map(int,input().split()))
v , w = [0]*1010 , [0]*1010
f = [0]*1010
for i in range(1,n+1):
    v[i] , w[i] = list(map(int,input().split()))
for i in range(1,n+1):
    for j in range(m, v[i]-1, -1):
        f[j] = max(f[j],f[j-v[i]]+w[i])
print(f[m])