python 完全背包问题_Python基于贪心算法解决背包问题示例

本文实例讲述了Python基于贪心算法解决背包问题。分享给大家供大家参考，具体如下：

贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，他所做出的是在某种意义上的局部最优解。

贪心算法不是对所有问题都能得到整体最优解，关键是贪心策略的选择，选择的贪心策略必须具备无后效性，即某个状态以前的过程不会影响以后的状态，只与当前状态有关。

完全背包问题：给定n个物品和一个容量为C的背包，物品i的重量是Wi,其价值为Vi,背包问题是如何选择入背包的物品，使得装入背包的物品的总价值最大，与0-1背包的区别是，在完全背包问题中，可以将物品的一部分装入背包，但不能重复装入。

设计算法的思路很简单，计算物品的单位价值，然后尽可能多的将单位重量价值高的物品放入背包中。

python实现代码如下：

# coding=gbk

# 完全背包问题，贪心算法

import time

__author__ = 'ice'

class goods:

def __init__(self, goods_id, weight=0, value=0):

self.id = goods_id

self.weight = weight

self.value = value

# 不适用于0-1背包

def knapsack(capacity=0, goods_set=[]):

# 按单位价值量排序

goods_set.sort(key=lambda obj: obj.value / obj.weight, reverse=True)

result = []

for a_goods in goods_set:

if capacity < a_goods.weight:

break

result.append(a_goods)

capacity -= a_goods.weight

if len(result) < len(goods_set) and capacity != 0:

result.append(goods(a_goods.id, capacity, a_goods.value * capacity / a_goods.weight))

return result

some_goods = [goods(0, 2, 4), goods(1, 8, 6), goods(2, 5, 3), goods(3, 2, 8), goods(4, 1, 2)]

start_time = time.clock()

res = knapsack(6, some_goods)

end_time = time.clock()

print('花费时间：' + str(end_time - start_time))

for obj in res:

print('物品编号:' + str(obj.id) + ' ,放入重量:' + str(obj.weight) + ',放入的价值:' + str(obj.value), end=',')

print('单位价值量为:' + str(obj.value / obj.weight))

# 花费时间：2.2807240614677942e-05

# 物品编号:3 ,放入重量:2,放入的价值:8,单位价值量为:4.0

# 物品编号:0 ,放入重量:2,放入的价值:4,单位价值量为:2.0

# 物品编号:4 ,放入重量:1,放入的价值:2,单位价值量为:2.0

# 物品编号:1 ,放入重量:1,放入的价值:0.75,单位价值量为:0.75

希望本文所述对大家Python程序设计有所帮助。