背包问题

与利润无关的背包问题

递归枚举法

假设一个背包可背的重量为s，现在有n件物品，重量分别为w1，w2，...，wn。若选取其中若干件物品的质量总和恰好为s，那么称此背包问题有解，否在无解。

在讨论这个问题时，考虑的是一件物品在背包问题中只有两种可能：

1. 一种是不选择wn，这样Knap(s,n)的解就是Knap(s,n-1)的解;
   
2. 另一种是选择wn，这样Knap(s,n)的解就是Knap(s-wn,n-1)的解;

这样可以将背包问题的递归定义为Knap(s,n):

• s= 0时，Knap(s,n)=True
• s<0时，Knap(s,n)=False
• s>0且n<1，Knap(s,n)=False
• s>0且n>=1，Knap(s,n)=Knap(s,n-1)或Knap(s-wn,n-1)

根据这个递归定义可以知道，每递归一次，n都会减1，s可能减wn，所以递归一定次数后，一定回出现s<=0或者n=0的情况。无论哪种情况出现都可以使递归正常回溯结束。

设计算法如下：

def Knap(s,n):
	if s==0:
		return True
	elif ((s<0) or(s>0 and n <1)):
		return False
	elif (Knap(s-w[n],n-1)==True):
		print "choose",w[n]
		return True
	else:
		return Knap(s,n-1)

s = input("the max weight of bag:")
n = input("the number of goods:")
w=[0]
for i in range(n):
	x = input("input each weight of good:")
	w.append(x)
if (Knap(s,n)==False):
	print "No solution"

从中可以看出，递归是一种比迭代循环更强的循环结构，递归很自如地完成嵌套循环不能完成的操作。

与利润有关的背包问题

开始涉及的背包问题是物品允许拆零问题，采用贪心算法，即每次优先选择利润与重量比最大的装入背包，就能获得最高利润。

代码设计如下：

s = input("the max weight of bag:")
n = input("the number of goods:")
w=[]
p=[]
b=[]
m=0
for i in range(n):
	x = input("input each weight of good:")
	y = input("input each profit of good:")
	w.append(x)
	p.append(y)
	m +=w[i]
p1 = p
if s>=m:
	print "whole choose"
for i in range(n):
	max=0
	for j in range(1,n):
		if(p1[j]/w[j]>p1[max]/w[j]):
			max = j
	p1[max]=0
	b[i]=max
for(i=1,s=0;s<m and i<=n;i=i+1):    
	s=s+w[b[i]]
if (s<m):
	w[b[i-1]]= m-(s-w[b[i-1]])
for j in range(i):
	print "choose"+b[j]+"weight"+w[b[j]]

=========================================