数据结构与算法（python）：动态规划案例分析

参考自 MOOC数据结构与算法Python版

一、博物馆大盗问题

大盗潜入博物馆， 面前有5件宝物， 分别有重量和价值， 大盗的背包仅能负重20公斤， 请问如何选择宝物， 总价值最高？

item	weight	value
1	2	3
2	3	4
3	4	8
4	5	8
5	9	10

【思路】
我们把$m(i,W)$记为：前 $i$ $(1<=i<=5)$个宝物中，组合不超过$W$$(1<=W<=20)$ 重量，得到的最大价值。
当第$i$件宝物的重量小于$W$时，$m(i,W)$应该是不取第$i$件$m(i-1,W)$和取第$i$件$m(i-1,W-W_i)+v_i$两者最大值
我们从$m(1,1)$开始计算到$m(5,20)$
n u m C o i n s = { 0 , i f   i = 0 0 , i f   W = 0 m ( i − 1 , W ) , i f   w i > W max ⁡ { m ( i − 1 , W ) , v i + m ( i − 1 , W − w i ) } , o t h e r w i s e numCoins= \begin{cases} 0, & if\text{ }i=0 \\ 0, & if\text{ }W=0 \\ m(i-1,W), & if\text{ }{{w}_{i}}>W \\ \max \{m(i-1,W),{{v}_{i}}+m(i-1,W-{{w}_{i}})\}, & otherwise \\ \end{cases} numCoins=⎩⎪⎪⎪⎨⎪⎪⎪⎧​0,0,m(i−1,W),max{m(i−1,W),vi​+m(i−1,W−wi​)},​if i=0if W=0if wi​>Wotherwise​

【例】计算m(5,5)，因为第五件的重量为9，大于5，因此m(5,5)=m(4,5)，而第四件的重量为5，为分段函数中的第四种情况，其中取第四件的价值：m(3,0)+8 = 8，不取第四件的价值：m(3,5)=8
【代码：计算m(5,20)】

import numpy as np
#宝物的重量和价值
tr = [None,{'w':2,'v':3},{'w':3,'v':4},
      {'w':4,'v':8},{'w':5,'v':8},
      {'w':9,'v':10}]
max_w = 20  #最大承重
#初始化二维表格m存储value,bag存储所装宝物列表
#表示前i个宝物中，最大重量w的组合，所得到的最大价值
#当i什么都不取，或w上限为0，值均为0
bag = [[[] for col in range(max_w+1)] for row in range(len(tr))]
m = {(i,w):0 for i in range(len(tr)) for w in range(max_w+1)}
for i in range (1, len(tr)): 
    for w in range(1, max_w + 1):
        if tr[i]['w'] > w:  #装不下第i个宝物
            m[(i,w)] = m[(i-1, w)]
            bag[i][w].append(bag[i-1][w])
        else:  #不装第i个宝物，装第i个宝物，两种情况的最大值
            m[(i,w)] = max(m[(i-1,w)],m[(i-1,w-tr[i]['w'])] + tr[i]['v'])
            if (m[(i-1,w-tr[i]['w'])] + tr[i]['v'])>(m[(i-1,w)]):#装第i个宝物             
                bag[i][w].extend(bag[i-1][w-tr[i]['w']])
                bag[i][w].append(tr[i]['w'])
            else:#不装第i个宝物
                bag[i][w].extend(bag[i-1][w])
print(m[(len(tr)-1,max_w)])
print("treasures are: ",bag[5][20])