码龄0.3年的python成长之路（四）：背包问题取巧之解

本文链接：https://blog.csdn.net/weixin_49508283/article/details/114984407

背包问题描述

有n个物品，它们有各自的体积和价值，现有给定容量m的背包，如何让背包里装入的物品具有最大的价值总和？

思考

这是一个经典问题，在博客里搜一抓一大把，对于算法小白来说，有没有不用复杂的算法，取巧来解决这个问题的方法呢？试着分析一下背包问题本身：
- 背包里尽量装重量最轻、价值反而最高的物品（即”最优物品“，意味着需要重排数据）；
- 用先进后出的方法，先将最优物品放进包中，接近满重。这里先放入包里的，大多是重量较轻者；
- 在用m减去目前重量获得差值，如果已在包中的物品价值 + 差值，比未入包包的物品重，则比较包中物品和未入包物品的价值，替换或者不替换。
- 完成

代码实现

用了两个库：

from operator import itemgetter
import numpy as np

先自定义一批数字和背包重量，本来想做input的，为了展示方便，自定义了

weight = [1, 4, 6, 2, 3, 2, 5, 3, 2, 4, 6]
value = [200, 300, 300, 250, 240, 140, 150, 200, 110, 220, 160]
# m = input('请输入背包重量（kg）：')
m = 20

将物品的重量与价值联系起来为thing_cp列表

thing_cp = []
for i in range(len(value)):
    thing_cp.append([weight[i], value[i]])

给物品的价值做重新排列，巧加入一个评估参数形成[ 重量，价值，评估参数 ]，评估参数越大则说明其重量和价值的搭配最优；利用sort方法排序：按照价值参数、将物品进行降序排列。

def rearrange():
# 寻找重量最轻、价值最高的参数valu_sort_index
    for i in thing_cp:
        valu_sort_index = (i[1] / np.max(value)) / (i[0] / np.max(weight))
        i.insert(2, valu_sort_index)
    # thing_cp现在为[重量，价值，价值参数]
    # 按照价值参数降序排列
    thing_cp.sort(key = itemgetter(2), reverse = True)
    return thing_cp

thing_cp = rearrange()
# 排列后为：[[1, 200, 4.0], [2, 250, 2.5000000000000004], [3, 240, 1.6], [4, 300, 1.5], [2, 140, 1.4000000000000001], [3, 200, 1.3333333333333333], 
# [2, 110, 1.1], [4, 220, 1.1], [6, 300, 1.0], [5, 150, 0.6], [6, 160, 0.5333333333333333]]

开始装包

ready_in = []  # 已经在背包里的数组
def fullbag():
    # 初始化背包重量、放入物品数、放入物品价值
    global m
    bagm = 0
    items = 0
    values = 0
    # 定义将物品按照上述顺序放入背包到快满
    for i in thing_cp:
        bagm += i[0]
        items += 1
        values += i[1]
        ready_in.append(i)
        if bagm < m:
            continue
        if bagm > m:  # 如果迭代到背包重量过大，则退回这次迭代
            bagm -= i[0]
            items -= 1
            values -= i[1]
            ready_in.remove(i)
    return ready_in, bagm, items, values

ready_in, bagm, items, values= fullbag() 
for j in ready_in:
    thing_cp.remove(j) # 重置thing_cp列表

现在包里几乎已经满了，开始做拿出、换入

def adjust():
    global ready_in, thing_cp, bagm, items, values
    diff = m - bagm  # 有空缺重量diff
    for i in ready_in:
        for j in thing_cp:
            if i[0] + diff >= j[0] and i[1] < j[1]:
            # ready_in里面某物品i 重量加上差值大于thing_cp里的某个物品 j，
            # 但是i的价值小于j，于是替换
                ready_in.remove(i)
                ready_in.append(j)
                thing_cp.remove(j)
                thing_cp.append(i)
                bagm = bagm - i[0] + j[0]
                items = items
                values = values - i[1] + j[1]
                diff = m - bagm  # 更新diff差值
    return ready_in, thing_cp, bagm, items, values
ready_in, thing_cp, bagm, items, values = adjust()

print('背包里的物品有：')
print(ready_in)
print('剩余备选列表：')
print(thing_cp)
print('背包目前重量：{}kg，装入物品{}个，总价值{}元'.format(bagm, items, values))

最后得到的结果：

背包里的物品有：
[[2, 250, 2.5000000000000004], [3, 240, 1.6], [4, 300, 1.5], [3, 200, 1.3333333333333333], [4, 220, 
1.1], [1, 200, 4.0], [2, 140, 1.4000000000000001]]
剩余备选列表：
[[6, 300, 1.0], [5, 150, 0.6], [6, 160, 0.5333333333333333], [2, 110, 1.1]]
背包目前重量：19kg，装入物品7个，总价值1550元