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