python完全背包最优_python 完全背包问题_遗传算法Python实战 009.背包问题

原标题：遗传算法Python实战 009.背包问题

写在前面的话

以下部分内容，来自百度

背包问题(Knapsack problem)是一种组合优化的NP完全问题。问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。

问题的名称来源于如何选择最合适的物品放置于给定背包中。相似问题经常出现在商业、组合数学，计算复杂性理论、密码学和应用数学等领域中。也可以将背包问题描述为决定性问题，即在总重量不超过W的前提下，总价值是否能达到V？

背包问题里面可以附加各种限制，比如容器的大小、容量、形状等等，我们在这里不做特别复杂的设定，仅做重量限制，也就是说可以认为你放进去的物品是可以不受形状的限制，仅受重量和容积的限制，比如你要放入的是糖或者盐这类东西。

下面是我们要放入背包中的物品：

物品名称

价值

重量(kg)

容量(L)

面粉

1680

0.265

0.41

黄油

1440

0.5

0.13

糖

1840

0.441

0.29进入算法实现部分

首先，定义个物品类，用来记录物品的各种属性：

cla***esource:

def__init__( self, name, value, weight, volume):

self.Name = name

self.Value = value

self.Weight = weight

self.Volume = volume

然后就可以设定物品信息和条件了：设定背包的最大承载重量为10kg，最大容量为4L

items = [Resource( " 面粉", 1680, 0.265, .41),

Resource( " 黄油", 1440, 0.5, .13),

Resource( " 糖", 1840, 0.441, .29)]

maxWeight = 10

maxVolume = 4

我们的目标是在这些限制条件下，将背包里的东西价值最大化。

我们可以想想，如何通过完成这个目标。

首先我们当然是希望价值与重量比和价值与体积比最优的物品优先——这样我们可以得到尽可能高的总价值。

当我们不能再把性价比最好的资源塞进去的时候，我们就要考虑用下一个最有价值的资源填满剩余的空间，以此类推。

一旦背包装满了，我们还需要考虑，我们是否可以用其他类型的项目组合来代替一种类型的项目，以便于最大限度的增加背包内物品的总价值。

然后定义一个用于记录当前背包中资源信息的类：

classItemQuantity:

def__init__( self, item, quantity):

self.Item = item

self.Quantity = quantity

def__eq__( self, other):

returnself.Item == other.Item andself.Quantity == other.Quantity

定义健壮性类：背包算法里面，肯定是轻、小、贵为最优，所以需要重量、容积和价值三个成员变量。在对比的时候，优先对比价值，价值相同的时候情况下，对比重量，最后对比容量。

classFitness:

def__init__( self, totalWeight, totalVolume, totalValue):

self.TotalWeight = totalWeight

self.TotalVolume = totalVolume

self.TotalValue = totalValue

def__gt__( self, other):

ifself.TotalValue != other. TotalValue:

returnself