动态规划 0 1背包问题 python实现_Python 动态规划 滚动数组 递归 解决01背包问题...

声明：

0.代码由本人自行完成 未进行稳定性测试

1.01背包问题是背包问题中较为简单的一类  涉及两个状态

2.代码采用递归 Dynamic Programming 共三种方法实现

3.滚动数组实现降纬 骤减空间复杂度

4.转载附原作者Id及作品链接

代码如下：

def most_value_1(c,w):

#递归

if c>0 and w-weights[c-1]>=0:

#入口

case_1=most_value_1(c-1,w)

#不选

case_2=most_value_1(c-1,w-weights[c-1])+values[c-1]

#选

most=max(case_1,case_2)

#比较

return most

else:

return 0

def most_value_2(c,w):

#记忆数组

memory=[[0 for _ in range(w+1)] for _ in range(c)]

#初始化

for i in range(c):

#剩余选择

for j in range(w+1):

#剩余容量

if i>0:

memory[i][j]=memory[i-1][j]

if j>=weights[i]:

memory[i][j]=max(memory[i-1][j],memory[i-1][j-weights[i]]+values[i])

else:

memory[i][j]=0

if j>=weights[i]:

memory[i][j]=values[0]

return memory[-1][-1]

def most_value_3(c,w):

#滚动数组

memory=[0 for _ in range(w+1)]

for i in range(c):

for j in range(w+1):

if w-j>=weights[i]:

memory[w-j]=max(memory[w-j],memory[w-j-weights[i]]+values[i])

#倒序填表

return memory[-1]

if __name__ == "__main__":

summary_count=6

#总数

summary_weight=12

#容量

weights=[4,6,2,2,5,1]

#重量集

values=[8,10,6,3,7,2]

#价值集

value_1=most_value_1(summary_count,summary_weight)

print(value_1)

value_2=most_value_2(summary_count,summary_weight)

print(value_2)

value_3=most_value_3(summary_count,summary_weight)

print(value_3)

代码至此结束

此栏目预测共享自学之乐，共勉求知之友，共塑网站和谐好学的形象。

欢迎大家在评论区发表合理的意见和指正。

如果觉得该栏目对您有帮助，望不吝点赞收藏。