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:
- 一种是不选择wn,这样Knap(s,n)的解就是Knap(s,n-1)的解;
- 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]]
=========================================