python 递归解01背包问题

决策过程如下每次考虑一个背包是否放下,从第一个到最后一个比较放这个和后面的,不放这个和后面的效益哪个高决策树代码class Jilu(float): # 实现float型与list合并在一起,所有float方法都可用 def __new__(cls,value,jilu): o=super(Jilu,cls).__new__(cls,value) if type(jilu) is not list: o.jilu=[jil
摘要由CSDN通过智能技术生成

决策过程如下

  1. 每次考虑一个背包是否放下,从第一个到最后一个
  2. 比较放这个和后面的,不放这个和后面的效益哪个高

决策树

代码

class Jilu(float):
    # 实现float型与list合并在一起,所有float方法都可用
    def __new__(cls,value,jilu):
        o=super(Jilu,cls).__new__(cls,value)
        if type(jilu) is not list:
            o.jilu=[jilu]
        else:
            o.jilu=jilu
        return o
    def __add__(self,jl):
        a=self.__float__(
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
背包问题是一个经典的动态规划问题,可以用递归决。 假设我们有一个背包,它最多可以装 W 重量的物品。现在有 n 个物品,每个物品的重量为 w[i],价值为 v[i]。我们需要在不超过背包容量的情况下,选择一些物品装进背包中,使得背包中物品的总价值最大。 我们可以定义一个函数 f(i, j),表示考虑前 i 个物品,背包剩余容量为 j 的情况下,可以获得的最大价值。那么,我们可以得到以下递归式: f(i, j) = 0, (i=0 or j=0) f(i, j) = f(i-1, j), (j < w[i]) f(i, j) = max(f(i-1, j), f(i-1, j-w[i]) + v[i]), (j >= w[i]) 其中,第一行是边界条件,表示当没有物品或者背包容量为 0 时,最大价值为 0。第二行表示当前物品的重量已经超过了背包的容量,所以只能考虑前 i-1 个物品。第三行表示当前物品可以选择或者不选择,如果选择当前物品,那么最大价值就是当前物品的价值加上考虑前 i-1 个物品,背包剩余容量为 j-w[i] 的最大价值。 最终的答案就是 f(n, W)。 下面是一个简单的 Python 代码实现: ``` def knapsack(i, j, w, v): if i == 0 or j == 0: return 0 if j < w[i]: return knapsack(i-1, j, w, v) else: return max(knapsack(i-1, j, w, v), knapsack(i-1, j-w[i], w, v) + v[i]) w = [0, 2, 3, 4, 5] v = [0, 3, 4, 5, 6] W = 8 n = len(w) - 1 print(knapsack(n, W, w, v)) # 输出 12 ``` 这个代码中,我们定义了一个函数 knapsack(i, j, w, v),其中 i 表示考虑前 i 个物品,j 表示背包剩余容量,w 和 v 分别表示物品的重量和价值。最终的答案就是 knapsack(n, W, w, v),其中 n 表示物品个数,W 表示背包容量。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值