背包算法

问题：有n件物品，每件物品的重量是W_i(i=1,2,…n),物品的价值是P_i(i=1,2,…n),背包能承受的最大重量的T，问如何放置物品，可以使背包中的物品的价值最大？
想法：

最原始的想法：先找到物品的所有组合，共有2ⁿ -1个，然后遍历所有的组合，判断物品的质量是否<=T,这种算法的时间复杂度是O(2ⁿ⁺¹),空间复杂度是O(2ⁿ).不管是时间复杂度还是空间复杂度都比较高，这种算法的可行度比较低，应该要找其他的解决办法

动态规划：我们可以把这个问题拆分成更小的问题，如果小问题解决了，大问题随之也就解决了。假设F[i-1][w]表示对于前i-1件物品来说背包中的物品的最大收益，那么对于第i件物品来说，就有2中可能，如果放第i件物品，则F[i][w] = max(F[i-1][w-w[i]] + p[i], F[i-1][w]);如果不放第i件物品，则F[i][w] = F[i-1][w] .我们需要计算出w为0,1,2,3…T时，背包的物品的收益
|n = 5 #物品的数量
w = [5,4,7,2,6] #每件物品的重量
p = [12,3,10,3,6] #每件物品的价值

物品\重量	0	1	2	3	4	5	6	7	8	9	10	11
0	0	0	0	0	0	0	0	0	0	0	0	0
1	0	0	0	0	12	12	12	12	12	12	12	12
2	0	0	0	0	3	12	12	12	12	15	15	15
3	0	0	0	0	3	12	12	12	12	15	15	15
4	0	0	3	3	3	12	12	15	15	15	15	18
5	0	0	3	3	3	12	12	15	15	15	15	18

total = 11       #背包能容纳的重量
n = 5       #物品的数量
w = [5,4,7,2,6]         #每件物品的重量
p = [12,3,10,3,6]          #每件物品的价值

rest = [[0]*(total+1) for i in range(n+1)]      # 初始化一个二维数组，rest[i][w] (i=0,1,2,3,4,5   w=0,1,2,3,4,...11)
f = [0] * (total+1)


def pack():
    """
    :param n: 物品的数量
    :param total: 背包能容纳的重量
    """
    for i in range(1, n+1):
        for j in range(total+1):
            if w[i-1] > j:
                rest[i][j] = rest[i-1][j]
            else:
                if j-w[i-1] >= 0:
                    rest[i][j] = max(rest[i-1][j-w[i-1]]+p[i-1], rest[i-1][j])
    return rest


def pack_2():
    """
    优化空间复杂度之后的算法   O(total+1)
    :return: 
    """
    for i in range(1, n+1):
        for j in range(total, w[i-1]-1, -1):
            f[j] = max(f[j], f[j - w[i - 1]] + p[i - 1])

    return f




if __name__ == "__main__":
    rest = pack()
    print("rest: ", rest)

    rest = pack_2()
    print("pack_2: ", rest)