背包问题knapsack的三种解法(Python 和 C)

最近研究了一下0-1背包问题,题目就不复述了,大家应该都知道的。

确切的说不是三种解法而是四种解法,下面我就一一写来。

0.枚举法

这种是最简单的一种做法,当然也是时间空间复杂度最大的方法,得到的肯定是精确的结果。若有k个背包,则只要变量2^k次方即可,程序如下。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
#include <stdio.h>
#include <stdlib.h>
 
int main()
{
     int ca;
     int mi( int , int );
     int m,c,cao=0;
     int weight[10],value[10];
     int i,k,valuemax[100]={0},wei,val;
     int x[10];
     scanf ( "%d%d" ,&m,&c);
     k=0;
     while (m>0||c>0)
     {
         valuemax[cao]=0;
         for (i=0;i<m;i++)
             scanf ( "%d" ,&weight[i]);
         for (i=0;i<m;i++)
             scanf ( "%d" ,&value[i]);
         for (i=0;i<mi(2,m);i++)
         {
             wei=0;
             val=0;
             ca=i;
             for (k=0;k<m;k++)
             {
                 x[k]=i%2;
                 i=i/2;
 
                 wei+=x[k]*weight[k];
                 val+=x[k]*value[k];
             // k++;
             }
             if (wei<=c&&val>=valuemax[cao])
                 valuemax[cao]=val;
             i=ca;
         }
         cao++;
         scanf ( "%d%d" ,&m,&c);
     }
     for (i=0;i<cao;i++)
         printf ( "%d\n" ,valuemax[i]);
 
     return 0;
}
int mi( int m, int n)
{
     int sum=1,i;
     for (i=0;i<n;i++)
         sum=sum*m;
     return sum;
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,下面我将分别给出递归和动态规划解法,并使用 Python 代码来实现。 01背包问题是一个经典的动态规划问题,其表述如下:有一个背包,容量为C,有n个物品,每个物品有重量w和价值v,现在要把这些物品放入背包中,使得背包中物品的总价值最大,求最大价值。 1. 递归解法 递归解法比较简单,但是由于存在大量的重复计算,效率比较低。具体思路是:对于每个物品,有两种选择,放入背包或不放入背包,然后递归处理剩下的物品。 代码如下: ```python def knapsack01_recursion(C, w, v, n): if n == 0 or C == 0: return 0 if w[n-1] > C: return knapsack01_recursion(C, w, v, n-1) else: return max(v[n-1] + knapsack01_recursion(C-w[n-1], w, v, n-1), knapsack01_recursion(C, w, v, n-1)) ``` 2. 动态规划解法 动态规划解法使用一个二维数组来存储中间状态,具体思路是:定义一个二维数组dp[i][j],表示前i个物品放入容量为j的背包中可以获得的最大价值。对于每个物品,有两种选择,放入背包或不放入背包,状态转移方程为: dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]]+v[i-1]),其中w[i-1]和v[i-1]分别表示第i个物品的重量和价值。 最终的结果为dp[n][C]。 代码如下: ```python def knapsack01_dp(C, w, v, n): dp = [[0 for _ in range(C+1)] for _ in range(n+1)] for i in range(1, n+1): for j in range(1, C+1): if w[i-1] > j: dp[i][j] = dp[i-1][j] else: dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]]+v[i-1]) return dp[n][C] ``` 以上就是使用递归和动态规划解决01背包问题Python代码实现。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值