Python解决 0-1背包问题-实验贪心算法-动态规划等

1.题目内容

题名为：0-1背包问题。
题目要求：
动态规划：
1.用动态规划法设计0-1背包问题的算法，并且对给定的加权数据进行验证。要求分析算法时间复杂性并且形成分析报告。

2.算法分析

动态规划

1.算法原理

依次把每一件物品都放入背包，当背包可容纳值大于等于当前物品重量，与之前可容纳物品的总价值进行对比，如果超出容量，则不换，没有超出换。

2.实现步骤

创建一个value[i][j]数组,表示在面对第 i 件物品，且背包容量为 j 时所能获得的最大价值，
1）当j < w[i] 的情况，这时候背包容量不足以放下第 i 件物品，只能选择不拿
Value[ i ][ j ] = value[ i-1 ][ j ]
2）当j>=w[i] 的情况，这时背包容量可以放下第 i 件物品，我们就要考虑拿这件物品是否能获取更大的价值。如果拿，则value[ i ][ j ]=value[ i-1 ][ j-w[ i ] ] + v[ i ]

3.算法时间复杂性

N 物品数量 可以自定义
C 书包能承受的重量 可以自定义
W 每个物品的重量 随机生成
V 每个物品的价值 随机生成
N C time
5 10 0.0000768
10 10 0.0001398
50 60 0.00222469999
100 150 0.00844489999

4.调试

发现一个很有意思的现象，如果我们用原始的递归办法去做，即排列组合的方法去做时时间复杂度为O(2^N);
当V很大，N较小时，比如V=1000，N=6时，用递归只用计算2^6=64次，而动态规划就需要计算1000*6=6000次

所以说，算法没有绝对的好坏，关键要看应用的惨景

5.代码

import time
import random
def bag(n, c, w, v):
    value = [[0 for j in range(c + 1)] for i in range(n + 1)]
    for i in range(1, n + 1):
        for j in range(1, c + 1):
            if j < w[i - 1]:
                value[i][j] = value[i - 1][j]
            else:
                value[i][j] = max(value[i - 1][j], value[i - 1][j - w[i - 1]] + v[i - 1])
        # 背包总容量够放当前物体，取最大价值
    return value
def show(n, c, w, value):
    print('最大价值为:', value[n][c])
    x = [0 for i in range(n)]
    j = c
    for i in range(n, 0, -1):
        if value[i][j] > value