贪心策略之部分背包问题

问题描述：容量800ml的杯子，可任选不超过体积上限的饮料混合，所用饮料价格之和最高获胜：

def BubbleSort(v, w):               ## 排序函数
    x = [0 for i in range(len(v))]      ## 定义性价比数组
    z = [0 for i in range(len(v))]
    y = dict()                       ## 创建新字典（用来存储性价比一开始所在的数组位置）
    for i in range(len(v)):
        x[i] = v[i]/w[i]             ## 求出各饮料的性价比
#     print(x)           

    for i in range(len(x)):          ## 创建字典，用性价比做key，原始位置做value
        y[str(x[i])]=i               ## 将性价比的原始位置存入y字典中
#     print(y)
    ## 遍历所有数组元素
    for i in range(len(x)):
        for j in range(0, len(x)-i-1):
            if (x[j] < x[j+1]):          ## 性价比由高到低输出 
                x[j], x[j+1] = x[j+1], x[j]
    for i in range(len(x)):             ## 用一个新的数组存储性价比从高到低的原始数组位置
        z[i] = y.get(str(x[i])) 
    print("性价比高到低的原始数组位置：")
    print(z)       
    print("排序后性价比:")
    print(x)
    return z           ## 返回性价比排序后的位置数组

def FractionlKnapsack(v, w, c, xjb):     ## 贪心策略
    ma = 0                     ## 饮料价值
    for i in xjb:
        if(w[i] < c):          ## 当容量足够，则全部倒入
            ma = v[i]+ma
            c = c-w[i]
        elif(c > 0):          ## 容量不足，部分倒入（把部分倒入的价值算出来加进去）
            ma = ma+v[i]/w[i]*c
            c = 0
    print("饮料的最大价值为：")
    print(ma)

调用函数：

Value = [60,10,36,16,45]
Weight = [600,250,200,100,300]
C = 800
xjb = BubbleSort(Value, Weight)             ## 排序性价比
FractionlKnapsack(Value, Weight, C, xjb)      ## 贪心策略求最大值

贪心策略与动态规划对比：贪心策略物品可分割，动态规划物品不可分割（连续和离散）

贪心只看到了局部最优情况（只在乎眼前）不一定能得到全局最优（例如01背包就不行），因为01背包是离散的，物品不可分割。