Python基于貪心算法解決背包問題示例
本文實例講述了Python基于貪心算法解決背包問題。分享給大家供大家參考,具體如下:
貪心算法(又稱貪婪算法)是指,在對問題求解時,總是做出在當前看來是最好的選擇。也就是說,不從整體最優(yōu)上加以考慮,他所做出的是在某種意義上的局部最優(yōu)解。
貪心算法不是對所有問題都能得到整體最優(yōu)解,關鍵是貪心策略的選擇,選擇的貪心策略必須具備無后效性,即某個狀態(tài)以前的過程不會影響以后的狀態(tài),只與當前狀態(tài)有關。
完全背包問題:給定n個物品和一個容量為C的背包,物品i的重量是Wi,其價值為Vi,背包問題是如何選擇入背包的物品,使得裝入背包的物品的總價值最大,與0-1背包的區(qū)別是,在完全背包問題中,可以將物品的一部分裝入背包,但不能重復裝入。
設計算法的思路很簡單,計算物品的單位價值,然后盡可能多的將單位重量價值高的物品放入背包中。
python實現(xiàn)代碼如下:
# coding=gbk
# 完全背包問題,貪心算法
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
# 不適用于0-1背包
def knapsack(capacity=0, goods_set=[]):
# 按單位價值量排序
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('花費時間:' + str(end_time - start_time))
for obj in res:
print('物品編號:' + str(obj.id) + ' ,放入重量:' + str(obj.weight) + ',放入的價值:' + str(obj.value), end=',')
print('單位價值量為:' + str(obj.value / obj.weight))
# 花費時間:2.2807240614677942e-05
# 物品編號:3 ,放入重量:2,放入的價值:8,單位價值量為:4.0
# 物品編號:0 ,放入重量:2,放入的價值:4,單位價值量為:2.0
# 物品編號:4 ,放入重量:1,放入的價值:2,單位價值量為:2.0
# 物品編號:1 ,放入重量:1,放入的價值:0.75,單位價值量為:0.75
更多關于Python相關內(nèi)容感興趣的讀者可查看本站專題:《Python數(shù)據(jù)結構與算法教程》、《Python加密解密算法與技巧總結》、《Python編碼操作技巧總結》、《Python函數(shù)使用技巧總結》、《Python字符串操作技巧匯總》及《Python入門與進階經(jīng)典教程》
希望本文所述對大家Python程序設計有所幫助。
相關文章
利用Python和OpenCV庫將URL轉(zhuǎn)換為OpenCV格式的方法
這篇文章主要介紹了利用Python和OpenCV庫將URL轉(zhuǎn)換為OpenCV格式的方法,同時用到了NumPy和urllib,需要的朋友可以參考下2015-03-03
卷積神經(jīng)網(wǎng)絡(CNN)基于SqueezeNet的眼疾識別功能
SqueezeNet是一種輕量且高效的CNN模型,它參數(shù)比AlexNet少50倍,但模型性能(accuracy)與AlexNet接近,這篇文章主要介紹了卷積神經(jīng)網(wǎng)絡(CNN)基于SqueezeNet的眼疾識別,需要的朋友可以參考下2023-08-08
Python socket實現(xiàn)的文件下載器功能示例
這篇文章主要介紹了Python socket實現(xiàn)的文件下載器功能,結合實例形式分析了Python使用socket模塊實現(xiàn)的文件下載器客戶端與服務器端相關操作技巧,需要的朋友可以參考下2019-11-11
使用darknet框架的imagenet數(shù)據(jù)分類預訓練操作
這篇文章主要介紹了使用darknet框架的imagenet數(shù)據(jù)分類預訓練操作,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2020-07-07
python如何獲取tensor()數(shù)據(jù)類型中的值
這篇文章主要介紹了python如何獲取tensor()數(shù)據(jù)類型中的值,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教2022-07-07

