Knapsack problem 背包问题

问题描述：一个小偷在商店发现了 n 个商品，第 i 个商品的价值是 $v_i$,重量是$w_i$，价值和重量都是整数，小偷的背包最多容纳 W 重量的物体，求一个最大收益的方案。

Dynamic Programming
这是一个离散问题，每个商品要么全拿进背包，要么一点儿不拿。
考虑第 i 个商品，如果 $w_i>W$，是拿不进去的；
如果 $w_i\le W$, 小偷可以选择拿或者不拿，如果拿，背包容量变成了 $W-w_i$,小偷要用剩余的容量去拿剩下的商品；如果不拿，容量仍然是 W, 以 W 来容纳剩下的商品。用 $dp(i,K)$ 表示背包容量为 K 时，前 i 个商品能放进背包的最大价值，则方程可以写为：
d p ( i , K ) = { d p ( i − 1 , K ) if  w i > K m a x {   d p ( i − 1 , K − w i ) + v i ,   d p ( i − 1 , K )   } if  w i ≤ K dp(i,K) = \begin{cases}dp(i-1,K)&\text{if }w_i>K \\ max\{\ dp(i-1,K-w_i)+v_i,\ dp(i-1,K)\ \}&\text{if }w_i\le K \end{cases} dp(i,K)={dp(i−1,K)max{ dp(i−1,K−wi​)+vi​, dp(i−1,K) }​if wi​>Kif wi​≤K​

自底向上的代码 (python 3)：

def Knapsack(value,weight,W):
	n = len(value)
	dp = [ [0 for i in range(W+1)] for j in range(n)]     #记录最大价值
	record = [ [0 for i in range(W+1)] for j in range(n)] #记录放进背包里的元素编号
	for K in range(1,W+1):
		for i in range(n):
			if weight[i] > K:
				dp[i][K] = dp[i-1][K] if i > 0 else 0
			else:
				dp[i][K] = max( dp[i-1][K] ,dp[i-1][K-weight[i]] + value[i]) if i>0 else value[i]
				if not( i > 0 and dp[i-1][K] > dp[i-1][K-weight[i]] ):
					record[i][K] = 1
	lst = []
	def recordNum(i,K):
		if i < 0 : return
		if record[i][K] == 1:
			lst.append[i]
			recordNum(i-1,K-weight[i])
		else:
			recordNum(i-1,K)
	return dp[n][W],lst
	

复杂度：时间复杂度$O(nW)$，空间复杂度$O(nW)$。