淺析python實現(xiàn)動態(tài)規(guī)劃背包問題
一個包可以背4kg的東西,現(xiàn)在有四件東西,重量分別為1kg,4kg,3kg,1kg,價值為:1500,3000,2000,2000;
現(xiàn)在要求你,在包里背的東西價值最大,但是不能超過背包的最大載重量
#幾件物品的重量 w = [0,1,4,3,1] #幾件物品的價值 v= [0, 1500, 3000, 2000, 2000] #物品數(shù)量 n = len(w) - 1 #包的載重量 m = 4 #建立一個列表表示在包中的物品,元素是True時代表對應(yīng)元素放入 x = [] #放入包中的總價值 value = 0 #建立一個矩陣,來表示在前i個物品中,當(dāng)載重量是j時,放入包中的最大價值,table[i][j] table = [[0 for i in range(m+1)] for j in range(n+1)] def dynamic(w,v,n,m,x): #計算table矩陣 for i in range(1, n+1): #代表物品一件一件的考慮 for j in range(1, m+1): #代表子背包的大小一點(diǎn)一點(diǎn)的考慮 if (j >= w[i]): #當(dāng)背包的大小大于物品的重量時,考慮放進(jìn)去 table[i][j] = max(table[i-1][j], table[i-1][j-w[i]] + v[i]) else: table[i][j] = table[i -1][j] #如果放不進(jìn)去,就繼承之前的價值 #遞推裝入背包中的物體,尋找跳變的地方,從最后結(jié)果開始逆推 j = m for i in range(n, 0, -1): if table[i][j] > table[i- 1][j]: #如果多加一件物品之后,價值增大,就將這一件物品加入列表中 x.append(i) j = j - w[i] #此時為剩余背包的載重量 #返回最大價值,即表格中最后一行最后一列的值 value = table[n][m] return value print("最大價值為:", str(dynamic(w, v, n, m, x))) print("物品的索引:", x)
PS:python動態(tài)規(guī)劃之背包問題
import numpy as np def bag(weight,values,weight_cont): num = len(weight) weight.insert(0,0) values.insert(0,0) bag = np.zeros((num+1,weight_cont+1),dtype=np.int) for i in range(1,num+1): for j in range(1,weight_cont+1): if j >= weight[i]: bag[i][j] = max(bag[i-1][j],bag[i-1][j-weight[i]]+values[i]) else: bag[i][j] = bag[i][j-1] return bag[-1][-1] if __name__ == '__main__': weight = [1, 2, 4, 10, 12] values = [1200, 1500, 2000, 1300, 2500] weight_cont = 20 re = bag(weight,values,weight_cont) print(re)
到此這篇關(guān)于python實現(xiàn)動態(tài)規(guī)劃背包問題的文章就介紹到這了,更多相關(guān)python動態(tài)規(guī)劃背包內(nèi)容請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
django寫用戶登錄判定并跳轉(zhuǎn)制定頁面的實例
今天小編就為大家分享一篇django寫用戶登錄判定并跳轉(zhuǎn)制定頁面的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08以SQLite和PySqlite為例來學(xué)習(xí)Python DB API
本文將以SQLite和PySqlite為例來學(xué)習(xí)Python DB API,pysqlite是一個sqlite為python 提供的api接口,它讓一切對于sqlit的操作都變得異常簡單2020-02-02pandas series序列轉(zhuǎn)化為星期幾的實例
下面小編就為大家分享一篇pandas series序列轉(zhuǎn)化為星期幾的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04FP-growth算法發(fā)現(xiàn)頻繁項集——發(fā)現(xiàn)頻繁項集
常見的挖掘頻繁項集算法有兩類,一類是Apriori算法,另一類是FP-growth。Apriori通過不斷的構(gòu)造候選集、篩選候選集挖掘出頻繁項集,需要多次掃描原始數(shù)據(jù),當(dāng)原始數(shù)據(jù)較大時,磁盤I/O次數(shù)太多,效率比較低下2021-06-06