01背包问题
1.问题重述
给定n个物品,价值分别是:v1,v2,…,vn,重量分别是:w1,w2,…,wn。在物品不可分割的情况下,挑选物品放入承重为W的背包,使得背包内物品的价值最大,且背包内物品的总重量小于W.
2.解决方案
本问题可用多种方法解决,这里采用遗传算法来求解,以下是遗传算法的流程图:
要采用遗传算法,则首先确定以下几个要素:染色体的编码方法、适值函数、染色体交叉和变异采用的方案、选择策略
2.1 染色体的编码方法
基因编码的方法都有:二进制、整数编码、顺序编码、 实数编码等
对于01背包问题,由于每一个物体都有选或者不选两种情况,即可以用0、1来表示选择或是没有选择。故可使用二进制的编码方法来对染色体编码,且染色体长度为物体个数。
def initPopulation(self):
"""初始化种群"""
self.lives = []
for i in range(self.lifeCount):
gene = [random.randint(0,1) for x in range(self.geneLenght)] # 初始化染色体
life = Life(gene) # 生成个体
self.lives.append(life) # 扩展种群
2.2 适值函数的选择
在确定适值函数时,首先要确定是求最小值优化问题还是求最大值优化问题,当求最大值优化问题时,可直接将目标函数当做适值函数,求最小值优化问题时,通过变换将其变为求最大值优化问题。
确定目标函数时,要先确定求解目标以及约束条件。此问题的目标是求一个X=(x1,x2…xn)(xi为0或1),从而使得V(总价值)最大,而约束条件则是W(背包承重)。以下为我的目标函数:
f ( x ) = ∑ i = 1 n x i ∗ v i ∑ i = 1 n x i ∗ w i ⩽ W f(x)=\sum_{i=1}^n x_i*v_i \ \ \ \ \ \ \ \ \ \ \ \ \sum_{i=1}^n x_i*w_i\leqslant W f(x)=i=1∑nxi∗vi i=1∑n