二维列表穷举

'''
思想:将后面的元素,依次与list[0]进行穷举,并改变list[0],
'''
exhaustivity_all = [[1, 2, 3], [5, 6], [7, 8, 9],[10,11]]
exhaustivity_list = exhaustivity_all[0]
for i in range(1, len(exhaustivity_all)):
    temp = []
    for num in exhaustivity_all[i]:
        res = []
        for k in exhaustivity_list:
            res.append(str(k)+'>'+str(num))
        temp+=res
    exhaustivity_list = temp
print(exhaustivity_list)

[1>5>7>10
2>5>7>10
3>5>7>10
1>6>7>10
2>6>7>10
3>6>7>10
1>5>8>10
2>5>8>10
3>5>8>10
1>6>8>10
2>6>8>10
3>6>8>10
1>5>9>10
2>5>9>10
3>5>9>10
1>6>9>10
2>6>9>10
3>6>9>10
1>5>7>11
.........]
'''
两行代码实现
'''
import itertools
print(list(itertools.product('123','56','78',[9,10],repeat =1)))

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
多维0-1背包问题是指在给定容量和一组物品的情况下,如何选择物品使得总重量不超过容量且总价值最大化。在这个问题中,每个物品有多个属性,我们要选择的是哪个属性的物品,以及每个物品在选择属性下的是否放入背包(0表示不放入,1表示放入)。 为了解决这个问题,我们可以使用一个二维数组来表示状态转移方程。假设有n个物品和m个属性,dp[i][j]表示前i个物品在j属性下的最大价值。 具体的穷举算法如下: 1. 初始化一个大小为(n+1)*(m+1)的二维数组dp,并将其所有元素初始化为0。 2. 遍历物品i从1到n,属性j从1到m,依次计算dp[i][j]的值。 3. 对于每个物品i和属性j,有两种情况: - 若第i个物品在属性j下的重量大于背包的容量,则dp[i][j] = dp[i-1][j],即不选择放入背包; - 若第i个物品在属性j下的重量小于等于背包的容量,则dp[i][j] = max(dp[i-1][j], dp[i-1][j-1] + 第i个物品的价值),即选择放入或不放入背包取决于哪种方式能获得更大的总价值。 最终,dp[n][m]即为所求的最大总价值。 下面是一个简单的用Matlab实现的代码示例: ```matlab function max_value = knapsack(n, m, weights, values, capacity) dp = zeros(n+1, m+1); for i = 1:n for j = 1:m if weights(i, j) > capacity dp(i+1, j+1) = dp(i, j+1); else dp(i+1, j+1) = max(dp(i, j+1), dp(i, j) + values(i, j)); end end end max_value = dp(n+1, m+1); end % 测试 n = 3; m = 2; weights = [3, 1; 2, 2; 1, 3]; values = [2, 3; 4, 5; 6, 7]; capacity = 5; max_value = knapsack(n, m, weights, values, capacity); disp(max_value); ``` 以上代码中,n表示物品的数量,m表示属性的数量,weights是一个n*m的矩阵,表示每个物品在不同属性下的重量,values是一个n*m的矩阵,表示每个物品在不同属性下的价值,capacity表示背包的容量。请根据实际情况修改测试用例中的n、m、weights、values和capacity的值,以便验证代码的正确性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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