贪心算法分数背包问题（小白版）

一、问题提出

已知一个背包容量为 C ，有 n 个物品，其重量和价值分别为(w1,w2,...wn) 和 (v1,v2,...vn),要求将这个n个物品进行装包，使得不超出容量的前提下，背包内物品价值最大。使用贪心策略求解该问题， 体验贪心选择标准对贪心策略的意义。

二、思路分析

1. 贪心算法是用来解决分数背包问题而非0-1背包问题（更多是动态规划之类）。分数背包问题是物品可以切割，最后一个物品放不下时，可以只放部分；而0-1背包问题是物品不能分割。
2. 个人理解：贪心算法是贪图眼前利益，只要眼前最大的价值。背包问题的“价值”可以理解为三种——性价比贪心（V/W）、重量贪心（W）、价值贪心（V），通过对b站foretmer博主《6.2 贪心算法之背包问题》的认真学习，了解到可以用替代法证明性价比排序为最优的（时长30min），部分证明笔记如下（视频里有非常完整版，晚上听得很入迷睡不着）。http://【6.2 贪心算法之背包问题-哔哩哔哩】 https://b23.tv/WUPuxoA

3、整体思路：先输入背包总容量C，以及物品数量n，然后用随机函数取出每一个待装物品的重量和价值，并将他们放在一个数组中以变后续函数的调用。准备工作做好之后呢，就对（性价比、重量、价值）进行降序排列，然后进行装包处理。装包的时候分两种情况，如果所有物品能装进包就直接装，如果装不下，就只装部分。最后调用函数就结束啦!

三、简易版代码（按性价比权重排序）

这是以性价比为权重排序的版本，背包容量和物品数量是自定义，重量和价值为随机数

import numpy as np

C = eval(input("背包的容量为："))
n = int(input("请输入有多少个物品："))
# W定义待装物品重量在(1,100)之间取n个随机数
W = np.random.choice(range(1, 10), n)
# V定义待装物品价值在(1,100)之间取n个随机数
V = np.random.choice(range(1, 10), n)

# 定义一个数组
arr = [(i, V[i] / W[i], W[i], V[i]) for i in range(n)]
# 将数组按权重降序排序
arr.sort(key=lambda x: x[1], reverse=True)

print(arr)

# 初始化背包内总价值为0，背包内总重量为0
total_value = 0
total_weight = 0
bar_list = []
for j in range(n):
    # 如果能放下宝物，就都放进去
    if total_weight + arr[j][2] <= C:
        total_weight += arr[j][2]
        total_value += arr[j][3]
        bar_list.append(j)

    # 如果能放不下全部宝物，那就放部分
    else:
        remain = C - total_weight
        total_weight = C
        total_value += remain * arr[j][1]
        break
list1 = max(bar_list) + 1

print("运走的总容量：", total_weight)
print("能运走的最大价值:", total_value)
print("宝物的数量：(包括只放了部分的最后一个)", list1)

四、详细版代码（将三种维度贪心进行对比）

非常详细的注释啦，如果没有理解视频里面关于性价比贪心最优的证明，不清楚性价比贪心、价值贪心、重量贪心哪个能运走的总容量最大，可以用代码科学证明下，定义三个函数ratio（性价比）、weight（重量）、value（质量），然后total_value最大值。

import numpy as np

# 定义背包容量
C = eval(input("背包的容量为："))
# 定义背包物品数量
n = int(input("请输入有多少个物品："))
# W定义待装物品重量在(1,10)之间取n个随机数，范围为可以自定义
W = np.random.choice(range(1, 10), n)
# V定义待装物品价值在(1,10)之间取n个随机数，范围可以自定义
V = np.random.choice(range(1, 10), n)

# 定义一个数组，其中V[i]/W[i]是每一单位物品性价比，第二项round函数是取小数点后3位
arr = [(i, round(V[i] / W[i], 3), W[i], V[i]) for i in range(n)]
# 小白为检验输入是否正确，输出检验下，也可也不写哦
print(arr)


# 将数组按性价比排序
def ratio():
    # 将数组降序排序
    arr.sort(key=lambda x: x[1], reverse=True)
    # 初始化背包内总价值为0，背包内总重量为0
    total_value1 = 0
    total_weight1 = 0
    for j in range(n):
        # 如果能放下宝物，就都放进去
        if total_weight1 + arr[j][2] <= C:
            total_weight1 += arr[j][2]
            total_value1 += arr[j][3]
        # 如果能放不下全部宝物，那就放部分
        else:
            remain = C - total_weight1
            total_value1 += remain * arr[j][1]
            break
    return total_value1


# 按重量排序，对arr中第三项降序排序，其他与上同
# 且改变变量名，将total_value1改为total_value2，total_weight1改为total_weight2
def weight():
    arr.sort(key=lambda x: x[2], reverse=True)
    total_value2 = 0
    total_weight2 = 0
    for j in range(n):
        if total_weight2 + arr[j][2] <= C:
            total_weight2 += arr[j][2]
            total_value2 += arr[j][3]
        else:
            remain = C - total_weight2
            total_value2 += remain * arr[j][1]
            break
    return total_value2


# 按价值排序，对arr中第四项降序排序，其他与上同
# 且改变变量名，将total_value1改为total_value3，total_weight1改为total_weight3
def value():
    arr.sort(key=lambda x: x[3], reverse=True)
    total_value3 = 0
    total_weight3 = 0
    for j in range(n):
        if total_weight3 + arr[j][2] <= C:
            total_weight3 += arr[j][2]
            total_value3 += arr[j][3]
        else:
            remain = C - total_weight3
            total_value3 += remain * arr[j][1]
            break
    return total_value3


# 用max函数选出三种定义中最大的价值，但其实替代法可以证明法一性价比价值最大
bar_max = max(ratio(), weight(), value())

# 输出函数，为保证美观，用round保留三位小数
print("能运走的最大价值(性价比贪心)", round(ratio(), 3))
print("能运走的最大价值(重量贪心)", round(weight(), 3))
print("能运走的最大价值(价值贪心)", round(value(), 3))
print("综上所述，能运走的最大价值为：", round(bar_max, 3))

五、详细版运行结果

六、好吧，ending

其实是自己做作业走了很多弯路，很想帮到大家。水平不够，有不足之处敬请指正，祝万事顺意！