021.【动态规划算法】

1. 动态规划算法

动态规划算法是将待解决的问题拆分成一系列相互交叠的子问题，它的基本思想与合并排序算法类似，也是将待求解的问题分解为若干个子问题（阶段）。动态规划算法需要按顺序求解子问题，前一子问题的解为后一子问题的求解提供了有用的信息。在求解任何一个子问题时，都要列出各种可能的局部解，通过决策保留那些有可能达到最优的局部解，丢弃其他局部解。依次解决各子问题后，那么最后一个子问题就是初始问题的解。简单来说，就是不要让程序做重复的事情。

2. 背包问题

有n件物品，它们有各自的重量和价值，现有给定容量的背包，如何让背包里装入的物品具有最大的价值。装包条件是一种商品只能装一个。

最简单的方法是尝试使用各种可能的物品组合，找出价值最高的组合。

这种办法是可以的，但是速度非常慢，对于三件物品就需要8次不同组合比较。如果有四件物品，则需要计算更多的组合。很显然，当物品数量增多时，简单组合方法的速度会变慢，从最优算法角度考虑，这种算法是不可行的。接下来通过动态规划算法快速地找出最优组合。

动态规划算法就是将大问题变成小问题，通过解决小问题逐步解决大问题。因此将大背包变成小背包问题，按照物品的重量分成小背包（即1kg、2kg、3kg、4kg的小背包）。

通过公式计算出每个单元格的价值，并最终得到最大价值的过程就是将大问题拆成小问题，最后再合并大问题，从而得出了大问题的解。而这个解题的过程就是动态规划算法。

接下来用Python代码来实现“背包问题”，具体代码如下：

"""
功能：自定义背包函数，实现动态规划算法
参数说明： 	count：表示物品件数
          	TotalWeight:表示背包的总容量
          	weight：表示每件物品的重量
          	cost：表示每件物品的价值
"""

def bag(count, TotalWeight, weight, cost):
# 置零，表示初始状态
value = [[0 for j in range(TotalWeight + 1)] for i in range(count +1)]
    for i in range(1, count+1):                     		# 遍历物品件数，从第1件物品计算
        for j in range(1, TotalWeight + 1):            		# 遍历背包容纳量，从重量为1开始计算
            value[i][j] = value[i - 1][j]              		# 定义value数组存储最大价值
            # 背包总容量够放当前物体，遍历前一个状态考虑是否置换
            if j >= weight[i - 1] and value[i][j] < value[i - 1][j - weight[i - 1]] + cost[i - 1]:
                # 最大价值：当前物品的价值+剩余空间的价值
                value[i][j] = value[i - 1][j - weight[i - 1]] +cost[i - 1]
    for x in value:                             			# 遍历输出背包网格
        print(x)
    return value                              				# 返回最大价值

"""
功能：自定义显示输出结果函数
参数说明：	count：表示物品件数
          	TotalWeight:表示背包的总容量
          	weight：表示每件物品的重量
          	value：表示最大价值，即所求的结果
"""

def show(count, TotalWeight, weight, value):
    x = [False for i in range(count)]                  		# 初始化x，使得x为假
    j = TotalWeight                          				# 背包的容量赋给变量j
    for i in range(count, 0, -1):                     		# 遍历每个物品
        # 如果value[i][j]单元格大于上一行同列的单元格的价值，进行更新
        if value[i][j] > value[i - 1][j]:               
            x[i - 1] = True
            j -= weight[i - 1]                  			# 总容量减去上一行同列的单元格的重量
    print('最大价值为:', value[count][TotalWeight]) 			# 输出最大价值的值
    print('背包中所装物品为:')
    for i in range(count):                               	# 遍历物品数
        if x[i]:                                    		# 判断最大价值的物品数
            print('第', i + 1, '个 ', end='')        		# 输出是第几个物品


count = 3                                   				# 一共有3件物品
TotalWeight = 4                             				# 背包的总容量是4
weight = [1, 4, 3]                             				# 每个物品的重量
cost = [4900, 7800, 5600]                       			# 每个物品的价值
value = bag(count, TotalWeight, weight, cost)          		# 调用bag()函数动态规划算法函数
show(count, TotalWeight, weight, value)            			# 调用show()函数输出结果