Python非單向遞歸函數(shù)如何返回全部結(jié)果
遞歸( recursion)是一種神奇的編程技巧,可以大幅簡(jiǎn)化代碼,使之看起來(lái)更加簡(jiǎn)潔。然而遞歸設(shè)計(jì)卻非常抽象,不容易掌握。通常,我們都是自上而下的思考問(wèn)題, 遞歸則是自下而上的解決問(wèn)題——這就是遞歸看起來(lái)不夠直觀的原因。
和遞歸相關(guān)的概念里,線性遞歸/非線性遞歸、單向遞歸/非單向遞歸,是非常重要的,要想掌握遞歸技術(shù),就必須要深入理解。關(guān)于遞歸的基本概念,有興趣的讀者,可以參考我的博客《Python 遞歸算法指歸》。今天,僅就背包問(wèn)題談非單向遞歸函數(shù)如何返回全部結(jié)果。
背包問(wèn)題的背后,是世界七大數(shù)學(xué)難題之一,多項(xiàng)式復(fù)雜程度的非確定性問(wèn)題。作為程序員,可以將該問(wèn)題大致上理解為組合優(yōu)化的問(wèn)題。背包問(wèn)題通常被這樣描述:給定一組物品,每種物品都有自己的重量和價(jià)格,在限定的總重量?jī)?nèi),如何選擇,才能使得物品的總價(jià)格最高。如果加上不同的限制和條件,背包問(wèn)題可以衍生出很多變種。比如,下面這道題看起來(lái)和背包問(wèn)題相去甚遠(yuǎn),實(shí)質(zhì)上仍然是一個(gè)典型的背包問(wèn)題。
在一款英雄對(duì)戰(zhàn)游戲中,玩家擁有m件裝備和n位英雄,他可以給每一位英雄分配0件或多件裝備,而不同的英雄擁有不同數(shù)目的裝備時(shí)將獲得不同的攻擊力。玩家如何分配這m件裝備,可以使得n個(gè)英雄獲得的攻擊力的和最大?以玩家擁有5件裝備和3位英雄為例,下表共有3行6列,對(duì)應(yīng)著3位英雄分別擁有從0到5件裝備時(shí)的攻擊力。
0件 | 1件 | 2件 | 3件 | 4件 | 5件 | |
---|---|---|---|---|---|---|
英雄1 | 0 | 1 | 3 | 5 | 7 | 9 |
英雄2 | 0 | 1 | 1 | 3 | 3 | 7 |
英雄3 | 0 | 3 | 4 | 5 | 6 | 7 |
即使不熟悉背包問(wèn)題,也不難找到解題思路:
- 找出所有可能的裝備分配方案
- 計(jì)算每一個(gè)方案的攻擊值
- 選擇攻擊值最大的分配方案
1. 找出所有可能的裝備分配方案
找出將m件裝備分配給n位英雄的所有方案是解決問(wèn)題的核心。這里,循環(huán)嵌套是行不通的,因?yàn)榍短讓訑?shù)是輸入變量。遞歸是我想到的可行的方法。
>>> def bag(m, n, series=list()): if n == 1: for i in range(m+1): print(series+[i]) else: for i in range(m+1): bag(m-i, n-1, series+[i]) >>> bag(3,2) # 將3件裝備分配給2位英雄的全部方案 [0, 0] [0, 1] [0, 2] [0, 3] [1, 0] [1, 1] [1, 2] [2, 0] [2, 1] [3, 0]
遞歸函數(shù)bag,打印出了將3件裝備分配給2位英雄的全部方案。顯然,這不是一個(gè)單向遞歸,因?yàn)樵谕患?jí)有多次遞歸調(diào)用,這意味著遞歸過(guò)程有多次從遞歸出口走出。對(duì)于非單向遞歸,是不能使用return返回結(jié)果的。那么,如何讓遞歸函數(shù)返回全部方案呢?請(qǐng)看下面的例子。
>>> def bag(m, n, result, series=list()): if n == 1: for i in range(m+1): result.append(series+[i]) #print(result[-1]) else: for i in range(m+1): bag(m-i, n-1, result, series+[i]) >>> result = list() >>> bag(5, 3, result) # 將5件裝備分配給3位英雄,共有56種分配方案 >>> len(result) 56 >>> result [[0, 0, 0], [0, 0, 1], [0, 0, 2], [0, 0, 3], [0, 0, 4], [0, 0, 5], [0, 1, 0], [0, 1, 1], [0, 1, 2], [0, 1, 3], [0, 1, 4], [0, 2, 0], [0, 2, 1], [0, 2, 2], [0, 2, 3], [0, 3, 0], [0, 3, 1], [0, 3, 2], [0, 4, 0], [0, 4, 1], [0, 5, 0], [1, 0, 0], [1, 0, 1], [1, 0, 2], [1, 0, 3], [1, 0, 4], [1, 1, 0], [1, 1, 1], [1, 1, 2], [1, 1, 3], [1, 2, 0], [1, 2, 1], [1, 2, 2], [1, 3, 0], [1, 3, 1], [1, 4, 0], [2, 0, 0], [2, 0, 1], [2, 0, 2], [2, 0, 3], [2, 1, 0], [2, 1, 1], [2, 1, 2], [2, 2, 0], [2, 2, 1], [2, 3, 0], [3, 0, 0], [3, 0, 1], [3, 0, 2], [3, 1, 0], [3, 1, 1], [3, 2, 0], [4, 0, 0], [4, 0, 1], [4, 1, 0], [5, 0, 0]]
上面的代碼中,在調(diào)用遞歸函數(shù)之前,先創(chuàng)建一個(gè)全局的列表對(duì)象result,并作為參數(shù)傳遞給遞歸函數(shù)。遞歸調(diào)用結(jié)束后,全部的裝備分配方案就保存在列表對(duì)象result中。
2. 計(jì)算每一個(gè)方案的攻擊值
遍歷56種分配方案,計(jì)算每一種方案的攻擊力之和,保存到一個(gè)新的列表v中。p為3位英雄分別擁有從0到5件裝備時(shí)的攻擊力。
>>> p = [ [0,1,3,5,7,9], [0,1,1,3,3,7], [0,3,4,5,6,7] ] >>> v = list() >>> for item in result: v.append(p[0][item[0]] + p[1][item[1]] + p[2][item[2]]) >>> v [0, 3, 4, 5, 6, 7, 1, 4, 5, 6, 7, 1, 4, 5, 6, 3, 6, 7, 3, 6, 7, 1, 4, 5, 6, 7, 2, 5, 6, 7, 2, 5, 6, 4, 7, 4, 3, 6, 7, 8, 4, 7, 8, 4, 7, 6, 5, 8, 9, 6, 9, 6, 7, 10, 8, 9]
3. 選擇攻擊值最大的分配方案
找出v列表最大值的序號(hào),進(jìn)而得到攻擊力最大的裝備分配方案。
>>> max(v) 10 >>> result[v.index(max(v))] [4, 0, 1]
最佳分配方案是第1位英雄持有4件裝備,第2位英雄沒(méi)有裝備,第3位英雄持有1件裝備,此時(shí)3位英雄的攻擊力之和為最大,其值為10。
到此這篇關(guān)于Python非單向遞歸函數(shù)如何返回全部結(jié)果的文章就介紹到這了,更多相關(guān)Python非單向遞歸返回 內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
在MAC上搭建python數(shù)據(jù)分析開(kāi)發(fā)環(huán)境
這篇文章主要介紹了在MAC上搭建python數(shù)據(jù)分析開(kāi)發(fā)環(huán)境的相關(guān)資料,需要的朋友可以參考下2016-01-01matlab、python中矩陣的互相導(dǎo)入導(dǎo)出方式
這篇文章主要介紹了matlab、python中矩陣的互相導(dǎo)入導(dǎo)出方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06Python中順序表原理與實(shí)現(xiàn)方法詳解
這篇文章主要介紹了Python中順序表原理與實(shí)現(xiàn)方法,結(jié)合實(shí)例形式分析了Python順序表的概念、原理及增刪查等相關(guān)實(shí)現(xiàn)技巧,需要的朋友可以參考下2019-12-12Python超簡(jiǎn)單容易上手的畫圖工具庫(kù)(適合新手)
這篇文章主要給大家介紹了關(guān)于Python超簡(jiǎn)單容易上手的畫圖工具庫(kù)的相關(guān)資料,文中通過(guò)圖文介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-05-05import?paddle報(bào)錯(cuò)的成功解決方法
最近安裝paddle的時(shí)候遇到了些問(wèn)題,這里給大家總結(jié)下,下面這篇文章主要給大家介紹了關(guān)于import?paddle報(bào)錯(cuò)的成功解決方法,需要的朋友可以參考下2023-06-06Python 代碼在函數(shù)中運(yùn)行得更快的原因解析
我們知道,python 是一種解釋型語(yǔ)言,它會(huì)逐行讀取并執(zhí)行代碼,小伙伴們可能會(huì)有這個(gè)疑問(wèn):為什么在函數(shù)中運(yùn)行的 Python 代碼速度更快,今天這篇文章將會(huì)解答大家心中的疑惑2023-09-09