背包问题与动态规划[python]

    问题描述:有一个背包,他的容量为C。现在有n种不同的物品 编号为0...n-1,其中每一件物品的重量为w(i),价值为v(i)。问可以向这个背包中存放哪些物品,使得在不超过背包容量的基础上,物品的总价值最大

    解决思路:

    1. 暴力解法:每个物品都可以放进或者不放进背包,2^n种情况。n次运算选择最大的。

                        时间复杂度O((2^n)*n)

    2. 动态规划:状态F(n, C) 为将n个物品放进容量C的背包的最优解。(一个状态两个参数:n, C)

                        i 状态 有两种选择: 放进第i个物品 和 不放 第i个物品

                        状态转移方程为: F(i, C) = max{ v(i)+F(i-1, C-w(i)) , F(i-1,C) }

github: https://github.com/lzneu/Algrithm_python

python代码实现:

class Solution:
    def backPack(self, w, v, C):
        '''

        :param w: list
        :param v: list
        :param C: int 背包最大容量
        :return: int
        '''
        n = len(w)
        if n == 0 or C == 0:
            return 0
        row = [-1 for i in range(C+1)]
        memo = [row.copy() for i in range(n)]
        # 第一行计算
        for i in range(C+1):
            if i >= w[0]:
                memo[0][i] = v[0]
            else:
                memo[0][i] = 0

        for i in range(1, n):  # 增加i个物品后的最优化计算
            for j in range(C+1):  # 第i个物品 第j个位置的最大价值
                if j >= w[i]:
                    memo[i][j] = max(v[i]+memo[i-1][j-w[i]], memo[i-1][j])
                else:  # j < w[i]
                    memo[i][j] = memo[i-1][j]
        return memo[n-1][C]

# 测试
w = [1,2,3]
v = [6,10,12]
C = 5
print(Solution().backPack(w, v,C))

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
01背包问题是一个经典的动态规划问题,它的目标是在给定一组物品和一个背包容量的情况下,选择一些物品放入背包中,使得放入背包的物品总价值最大化,同时不能超过背包的容量限制。 动态规划是解决该问题的常用方法。具体步骤如下: 1. 定义状态:设dp[i][j]表示在前i个物品中选择一些物品放入容量为j的背包中所能获得的最大价值。 2. 初始化:将dp数组初始化为0,即dp[i][j] = 0。 3. 状态转移方程:对于第i个物品,有两种情况: - 如果第i个物品的重量大于背包容量j,则无法放入背包中,此时dp[i][j] = dp[i-1][j]。 - 如果第i个物品的重量小于等于背包容量j,则可以选择放入或不放入背包中。如果选择放入,则总价值为第i个物品的价值加上前i-1个物品在容量为j-第i个物品重量时的最大价值,即dp[i][j] = dp[i-1][j-w[i]] + v[i];如果选择不放入,则总价值为前i-1个物品在容量为j时的最大价值,即dp[i][j] = dp[i-1][j]。取两者中的较大值作为dp[i][j]的值。 4. 最终结果:dp[n][C]即为所求,其中n为物品的个数,C为背包的容量。 下面是一个用Python实现的示例代码: ```python def knapsack(weights, values, capacity): n = len(weights) dp = [[0] * (capacity + 1) for _ in range(n + 1)] for i in range(1, n + 1): for j in range(1, capacity + 1): if weights[i - 1] > j: dp[i][j] = dp[i - 1][j] else: dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1]) return dp[n][capacity] ```

“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