蓝桥杯专辑（Python组）——0-1背包问题

0-1背包问题简化

	有N件物品和⼀个最多能被重量为W的背包。第i件物品的重量是weight[i]，得到的价值是value[i] 。每件物品只能⽤⼀次，求解将哪些物品装⼊背包⾥物品价值总和最⼤。

示例

	假设背包的最大承重为max_weight，现有三个物品，分别是物品0，物品1，物品2，他们的重量分别是1,3,4，他们的价值分别是155,20,30。每件物品只能用一次，求解将哪些物品放入背包中物品的价值最大。

问题分析

物品	价值	重量
物品0	15	1
物品1	20	3
物品2	30	4

#####   初始化参数 
####  物品数量
count = 3
####  背包最大 4
max_weight = 4
####  价值
value = [15,20,30]
####  重量
weight = [1,3,4]

	1.	确定dp数组维度。
	2.	初始化dp数组。

在step1中，确定dp数组，首先我们要明确dp数组中i，j的含义，dp[i][j]代表从前i中物品里任意选择，放进容量为j的背包里的最大价值。

	因此dp数组的维度应该是3×5的二维数组。

####构建dp数组
dp = [[0 for i in range(max_weight+1)] for j in range(count)]

在step2中，要初始化dp数组，在初始化dp时，对于上图可以发现，当j=0时，所有物品都不能放入，因此总价值为0，但是当j依次为1,2,3,4时，最大价值又不为零，因此在这个时候，物品0的重量小于j，因此最大价值是物品0的价值。

物品/背包容量	0	1	2	3	4
0	0	15	15	15	15
1	0
2	0

	初始化dp数组的第一列与第一行 

####初始化dp数组的第一列与第一行 
for i in range(1):
    for j in range(max_weight+1):
        if weight[i] <= j:
            dp[i][j] = value[i]

	3.确定递推公式  
							dp[i][j] = dp[i-1][j]
							dp[i][j] = dp[i-1][j-weight[i]]+value[i]
由dp[i - 1][j]推出，即背包容量为j，⾥⾯不放物品i的最⼤价值，此时dp[i][j]就是dp[i - 1][j]
由dp[i-1][j-weight[i]]推出，dp[i-1][j-weight[i]]为背包容量为j-weight[i]的时候不放物品i的最⼤价值，那么dp[i - 1][j - weight[i]] + value[i] (物品i的价值)，就是背包放物品i得到的最⼤价值
	
		因此   dp[i][j] = max(dp[i-1][j-weight[i]]+value[i],dp[i-1][j])
		
	4. 判断条件  weight[i] 与 j 之间的大小 

物品/背包容量	0	1	2	3	4
0	0	15	15	15	15
1	0	15	15	20	35
2	0	15	15	20	35

for i in range(1,count):
    for j in range(1,max_weight+1):
        if j >= weight[i]:
            dp[i][j] = max(dp[i-1][j-weight[i]]+value[i],dp[i-1][j])
        else:
            dp[i][j] = dp[i-1][j]

在这里从i=1，j=1开始遍历的原因是第一行，第一列我们已经初始化过。

全部代码

#####   初始化参数 
####  物品数量
count = 3
####  背包最大 4
max_weight = 4
####  价值
value = [15,20,30]
####  重量
weight = [1,3,4]

####构建dp数组
dp = [[0 for i in range(max_weight+1)] for j in range(count)]

####初始化dp数组的第一列与第一行 
for i in range(1):
    for j in range(max_weight+1):
        if weight[i] <= j:
            dp[i][j] = value[i]
####  递归
for i in range(1,count):
    for j in range(1,max_weight+1):
        if j >= weight[i]:
            dp[i][j] = max(dp[i-1][j-weight[i]]+value[i],dp[i-1][j])
        else:
            dp[i][j] = dp[i-1][j]

####  输出最后结果  
print(max(max(dp)))