本文实例讲述了Python基于贪心算法解决背包问题。分享给大家供大家参考,具体如下:
贪心算法(又称贪婪算法)是指,在对问题求解时,总是做出在当前看来是最好的选择。也就是说,不从整体最优上加以考虑,他所做出的是在某种意义上的局部最优解。
贪心算法不是对所有问题都能得到整体最优解,关键是贪心策略的选择,选择的贪心策略必须具备无后效性,即某个状态以前的过程不会影响以后的状态,只与当前状态有关。
完全背包问题:给定n个物品和一个容量为C的背包,物品i的重量是Wi,其价值为Vi,背包问题是如何选择入背包的物品,使得装入背包的物品的总价值最大,与0-1背包的区别是,在完全背包问题中,可以将物品的一部分装入背包,但不能重复装入。
设计算法的思路很简单,计算物品的单位价值,然后尽可能多的将单位重量价值高的物品放入背包中。
python实现代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
|
# coding=gbk # 完全背包问题,贪心算法 import time __author__ = 'ice' class goods: def __init__( self , goods_id, weight = 0 , value = 0 ): self . id = goods_id self .weight = weight self .value = value # 不适用于0-1背包 def knapsack(capacity = 0 , goods_set = []): # 按单位价值量排序 goods_set.sort(key = lambda obj: obj.value / obj.weight, reverse = True ) result = [] for a_goods in goods_set: if capacity < a_goods.weight: break result.append(a_goods) capacity - = a_goods.weight if len (result) < len (goods_set) and capacity ! = 0 : result.append(goods(a_goods. id , capacity, a_goods.value * capacity / a_goods.weight)) return result some_goods = [goods( 0 , 2 , 4 ), goods( 1 , 8 , 6 ), goods( 2 , 5 , 3 ), goods( 3 , 2 , 8 ), goods( 4 , 1 , 2 )] start_time = time.clock() res = knapsack( 6 , some_goods) end_time = time.clock() print ( '花费时间:' + str (end_time - start_time)) for obj in res: print ( '物品编号:' + str (obj. id ) + ' ,放入重量:' + str (obj.weight) + ',放入的价值:' + str (obj.value), end = ',' ) print ( '单位价值量为:' + str (obj.value / obj.weight)) # 花费时间:2.2807240614677942e-05 # 物品编号:3 ,放入重量:2,放入的价值:8,单位价值量为:4.0 # 物品编号:0 ,放入重量:2,放入的价值:4,单位价值量为:2.0 # 物品编号:4 ,放入重量:1,放入的价值:2,单位价值量为:2.0 # 物品编号:1 ,放入重量:1,放入的价值:0.75,单位价值量为:0.75 |
希望本文所述对大家Python程序设计有所帮助。
原文链接:https://www.cnblogs.com/z941030/p/4961886.html