python--利用贪心策略实现背包问题

贪心算法是的思想是构造局部最优，难以顾全大局.它通常表现出的特点是：

1.无法保证求得的解是最优解；2.运用简单；3.算法的实现过程中，通常要用到排序。

能采用贪心算法求解最优解的问题，一般具有的重要性质为：最优子结构性质与贪心选择性质

最优子结构性质的含义是：问题的最优解包含其子问题的最优解

---

代码如下：

class goods:
    def __init__(self, name, weight=0, value=0):
        self.name = name
        self.weight = weight
        self.value = value
    def __repr__(self):
        return self.__str__()
    def __str__(self):
        return "('%s',%d,%.2f)" % (self.name, self.weight, self.value)

def knapsack(bag_volume=0, goods_set=[]):
    #利用lambda函数对goods_set以单位价值作为规则进行排序，由大到小排列
    goods_set.sort(key=lambda x: x.value / x.weight, reverse=True)
    result = []
    the_cost = 0
    for good in goods_set:
        if bag_volume < good.weight:
            break
        #如果存在空间，则将此商品装入背包即放进result中，同时修改背包容量
        else:
            result.append(good)
            bag_volume = bag_volume - good.weight

    if len(result) < len(goods_set) and bag_volume != 0:
        result.append(goods(good.name, bag_volume, good.value *(bag_volume /                         
 good.weight)))
    #计算背包的最终价值the_cost并输出(保留两位小数)
    for x in result:
        the_cost += x.value
    print('%.2f' % the_cost)
    return result

if __name__ == '__main__':
    some_goods = [goods(0, 3, 5), goods(1, 5, 7), goods(2, 6, 2), goods(3, 4, 7), goods(4, 1, 3)]
    #调用knapsack函数，输出背包容量为6公斤时候背包的最大价值与商品选择
    print(knapsack(6, some_goods))

（对于同样的条件，背包问题和0-1背包问题求解过程中，使用背包问题总能够得到相对于0-1背包问题的最优解.）