有依赖的背包问题(华为机试-购物单)。动态规划

今天刷到一道有依赖的背包问题，是牛客的华为机试题，记录下解法。题目如下：
王强今天很开心，公司发给N元的年终奖。王强决定把年终奖用于购物，他把想买的物品分为两类：主件与附件，附件是从属于某个主件的，下表就是一些主件与附件的例子：
主件 附件
电脑 打印机，扫描仪
书柜 图书
书桌 台灯，文具
工作椅 无

如果要买归类为附件的物品，必须先买该附件所属的主件。每个主件可以有 0 个、 1 个或 2 个附件。附件不再有从属于自己的附件。王强想买的东西很多，为了不超出预算，他把每件物品规定了一个重要度，分为 5 等：用整数 1 ~ 5 表示，第 5 等最重要。他还从因特网上查到了每件物品的价格（都是 10 元的整数倍）。他希望在不超过 N 元（可以等于 N 元）的前提下，使每件物品的价格与重要度的乘积的总和最大。
设第 j 件物品的价格为 v[j] ，重要度为 w[j] ，共选中了 k 件物品，编号依次为 j 1 ， j 2 ，……， j k ，则所求的总和为：
v[j 1 ]*w[j 1 ]+v[j 2 ]*w[j 2 ]+ … +v[j k ]*w[j k ] 。（其中 * 为乘号）
请你帮助王强设计一个满足要求的购物单。
显然是一道有依赖的背包问题，我们可以将其转为分组背包为题求解。
对于上述题目，A1,A2依赖于A，B1,B2,B3依赖于B，其中A,B称为主件，A1，等为附件，若主件个数为N，我们可以将所有物品分为N个类别，每一类别是该主件与其附件的所有可能组合情况。例如对A类来说，我们将[A,(A,A1),(A,A1,A2),(A,A2)]归为一类，类似这样一共分成N个类别，就变成了分组背包问题。
输入数据，第一行为钱数，物件总数，以后各行分别为每件物品的价格，重要程度，和依赖关系。0表示其为主件，其他数字表示其依赖于XX
1000 5
800 2 0
400 5 1
300 5 1
400 3 0
500 2 0

这一段代码是读入上面的数据，将其处理成
last_imp=[[0], [0,1600, 3600, 5100, 3100], [0,1200], [0,1000]],
last_price=[[0], [0,800, 1200, 1500, 1100], [0,400], [0,500]].
last_imp可以看成是01背包中的价值。last_price是01背包中重量
也可以自己处理成想要的格式，我处理的比较乱还没有整理。反正就是为了得到上面的格式。
每个前面加个0是为了空出下标为0的行和列。

n,cycle= list(map(int,input().split()))
price = [0]*cycle
imp = [0]*cycle
rely = [0]*cycle
for i in range(cycle):
    price[i],imp[i],rely[i] = list(map(int,input().split()))

def get_subset(alist,primary):
    res = [primary]
    for i in range(len(alist)):
        for j in range(i,len(alist)):
            res.append(alist[i:j+1]+primary)
    return res

dependency = dict()
for i in range(len(rely)):
    if rely[i] == 0:
        dependency[i+1] = []
for i in range(len(rely)):
    if rely[i] !=0 :
        dependency[rely[i]].append(i+1)
last = []
for k,v in dependency.items():
    last.append(get_subset(v,[k]))
v = [price[i]*imp[i] for i in range(len(imp))]
last_imp = [[0]]
last_price = [[0]]
flag = []

for i in range(len(last)):
    imp_alist = [0]
    price_alist = [0]
    for j in range(len(last[i])):
        imp_tmp = 0
        price_tmp = 0        
        for k in range(len(last[i][j])):
            imp_tmp +=v[last[i][j][k]-1]
            price_tmp += price[last[i][j][k]-1]
        imp_alist.append(imp_tmp)
        price_alist.append(price_tmp)
    last_imp.append(imp_alist)
    last_price.append(price_alist)

下面是根据上面的处理好的数据格式的代码：就和01背包一样，在其基础上加了个判断，取每组的最大值。

def group_pack(last_imp,last_price,n):
    f = []
   
    for i in range(len(last_price)):
        f.append([0 for i in range(n+1)])

    
    for i in range(1,len(last_price)):
        for j in range(1,n+1):
            max_value = 0
            for k in range(len(last_price[i])):
                if j<last_price[i][k]:
                    tmp_val = f[i-1][j]
                else:
                    tmp_val = f[i-1][j-last_price[i][k]] + last_imp[i][k]
                if tmp_val >= max_value:
                    max_value = tmp_val
            f[i][j] = max_value
            
    return f[-1][n]