动态规划方法(用递推公式)
# 背包问题,动态规划求解
#宝物重量'w',和价值'v'
tr = [ None , { 'w':2,'v':3},{'w':3,'v':4},{'w':4,'v':8},{'w':5,'v':8},
{'w':9,'v':10}]
#背包最大承重
max_w = 20
#初始化二维表格m[(i,w)]
#表示前i个宝物中,最大重量w的组合,所得到的价值
#当i什么都不取,或w上限为0,价值均为0
m = {(i,w):0 for i in range(len(tr)) for w in range(max_w + 1)}
#逐个填写二维表格
for i in range(1,len(tr)):
for w in range(1,max_w+1):
if tr[i]['w'] > w :#装不下第i个宝物
m[(i,w)] = m[(i-1,w)] #不装第i个宝物
else:
#不装第i 个宝物,装第i个宝物,两种情况下取最大价值
m[(i,w)] = max(m[(i-1,w)],
m[(i-1,w-tr[i]['w'])] + tr[i]['v'])
#输出结果
print(m[(len(tr)-1,max_w)])
运行
>>>
= RESTART: C:/Users/Administrator/Desktop/Python/package_dynamical.py
29
#最大价值是29
递归方法
tr = {(2,3),(3,4),(4,8),(5,8),(9,10)}
#大道最大承重
max_w = 20
#初始化记忆表格m
'''
递归加上备忘录这种技术可以提高程序性能
'''
#key是(宝物组合,最大重量),value是最大价值
m = {}
def thief(tr,w):
'''
参数:
tr:所有宝物的集合
w:最大负重重量
'''
if tr == set() or w == 0 : #递归结束条件
m[(tuple(tr),w)] = 0 #中间结果在备忘录中记录下来,tuple是key的要求
return 0
elif (tuple(tr),w) in m:#如果(tr,w)在备忘录m中,则直接返回
return m[(tuple(tr),w)]
else:
vmax = 0 # 最大价值,先设成最小值
for t in tr :
#在tr的宝物中,每次都挑一个出来,把它去掉。剩下的集合就变小了,而且w重量也减了,就减小了问题规模。
if t[0] <= w:
#逐个从集合中去掉某个宝物,递归调用
#选出所有价值中的最大值
v = thief(tr - {t}, w - t[0]) + t[1]
vmax = max(vmax,v)
m[(tuple(tr),w)] = vmax
return vmax
#输出结果
print(thief(tr,max_w))
运行:
= RESTART: C:/Users/Administrator/Desktop/Python/递归背包问题.py
29