【python动态规划/递归】宝物最大价值

问题描述

• 大盗潜入博物馆，面前有5件宝物，分别有重量和价值，大盗的背包仅能附中20公斤，请问如何选择宝物，是的总价值最高？
• 宝物重量、价值对应关系表格如下：

item	weight	value
1	2	3
2	3	4
3	4	8
4	5	8
5	9	10

解题思路

• 将$m(i,W)$标记为：
• 前$i(1<=i<=5)$个宝物中，组合不超过$W(1<=W<=20)$重量，得到的最大价值
• $m(i,W)$应该是$m(i-1,W)$和$m(i-1,W-W_i)+V_i$，两者的最大值
• 从$m(1,1)$开始计算到$m(5,5)$
  

代码实现

def maxValue(max_w):
    """
    :max_w: 最大携带重量
    """
    # 宝物的价值和重量
    tr = [None, {'w':2, 'v':3}, {'w':3, 'v':4},
                {'w':4, 'v':8}, {'w':5, 'v':8},
                {'w':9, 'v':10}]

    # 初始化二维表格m[(i,w)]
    # 表示前i宝物中，最大重量w的组合，所得到的最大价值
    # 当i什么都不取，或者w的上线为0，价值均为0
    m = {(i,w): 0 for i in range(len(tr))
                    for w in range(max_w + 1)}

    # 逐个填写二维表格
    for i in range(1, len(tr)):
        for w in range(1, max_w + 1):
            if tr[i]['w'] > w:  # 装不下第i个宝物
                m[(i,w)] = m[(i-1, w)] # 不装第i个宝物
            else:
                m[(i,w)] = max(m[(i-1, w)], m[(i-1,w-tr[i]['w'])] + tr[i]['v'])
    return m[(len(tr)-1, max_w)]

maxValue(20)

递归的思想-代码实现

递归算法“三定律”

• 递归算法必须具备基本结束条件
• 递归算法必须要减小规模，改变状态，向基本结束条件演进
• 递归算法必须调用自身

# 宝物的重量和价值
tr = {(2,3), (3,4), (4,8),(5,8), (9,10)}

# 大盗的最大承重
max_w = 20

# 初始化记忆化表格m
# key是(宝物组合，最大重量)，value是最大价值
m = {}

def thief(tr, w):
	if tr == set() or w == 0:
		m[tuple(tr), w] = 0  # tuple是key的要求
		return 0
	elif (tuple(tr), w) in m:
		return m[tuple(tr), w]
	else:
		vmax = 0
		for t in tr:
			if t[0] <= w:
				# 逐个从集合中去掉某个宝物，递归调用
				# 选出所有价值中的最大值
				v = thief(tr-{t}, w-t[0]) + t[1]
				vmax = max(vmax, v)
		m[tuple(tr), w] = vmax
		return vmax

print(thief(tr, max_w))