麻省理工的 背包算法 python
2014-03-14 12:21
316 查看
折腾很长时间,这一节题目总算可以总结一下了。题目起源于麻省理工的公开课《计算机科学和编程导论》中的例题,背包问题。
原题同想证明动态规划在算法复杂度上的用途。但是题目本身我不太懂,所以程序的思路清理,成为我的障碍(数据结构掌握不好的后果)。
感谢以下作者的指导:
一块铁疙瘩:http://alorry.blog.163.com/blog/static/647257082011629102412655/
Watsy http://blog.csdn.net/watsy/article/details/9271785
原题:一个小偷进了人家,发现了很多好东西,但是背包容量有限,无法全部装下,所以就存在拿什么价值最大的问题。
weights = [2, 2, 6, 5, 4] #重量或容积列表
vals = [6, 3, 5, 4, 6] #价值列表
背包算法 python" TITLE="麻省理工的 背包算法 python" />
以下是'一块铁疙瘩‘的分析:
PS:索引即i,为w中的序号,从后往前。相当于数组中第3个元素为w[2],第2个元素为w[1],第一个元素为w[0]。其它长度也可依次类推。
图例解释:
最上边2,5,0意思是考虑装入w中的w[2]时背包还能装5个容量,背包中物品价值为0
往左边即不装入w[2]物品,此时考虑装入w[1]时背包中剩余容量仍为5,价值为0
往右边即装入w[2]物品,此时考虑装入w[1]时,背包中升入容量为3,背包中物品价值为8
…………依次类推。直到索引完或者背包容量为0时为止,然后找到此时背包中价值最大的那个即为最优解了。
用递归函数求解; 索引为w从末尾开始向前。按照深度优先、左优先,遍历,。然后回溯计算右子树。返回左右子树中价值大的价值,[/b]回溯。
由于递归算法产生的大量冗余计算,使得在处理较多数据时效率降低。因此引入m记录已经计算出的结果值,来减少递归运算次数,从而可以明显提高程序运行效率。
而代码的注释,则watsy的比较清晰:
(不过我还是根据铁老递的分析给改了一些,因为第一天看watsy的分析,看不懂的。)
numCount = 0
#version 1
def MaxVal1(w, v, index, last):
"""
得到最大价值
w为widght
v为value
index为索引
last为剩余重量
"""
global numCount
numCount = numCount + 1
#最底部
if index == 0:
#是否可以装入
if w[index] <= last:
return
v[index]
else:
return 0
#寻找可以装入的分支
###without_1为左分支,龙城注
without_l = MaxVal1(w,
v, index - 1, last)
#如果当前的分支大于约束
#返回历史查找的最大值
if w[index] > last:
###左分支
return without_l
else:
###右分支
#当前分支加入背包,剪掉背包剩余重量,继续寻找
with_l = v[index] + MaxVal1(w, v , index - 1,
last - w[index])
#比较最大值
###左右分支选最大
return max(with_l ,
without_l)
#version 2
def MaxVal2(memo , w, v, index, last):
"""
得到最大价值
w为widght
v为value
index为索引
last为剩余重量
"""
global numCount
numCount = numCount + 1
try:
#以往是否计算过分支,如果计算过,直接返回分支的结果
return memo[(index , last)]
except:
#最底部
if index == 0:
#是否可以装入
if
w[index] <= last:
return v[index]
else:
return 0
#寻找可以装入的分支
without_l = MaxVal2(memo , w, v, index - 1,
last)
#如果当前的分支大于约束
#返回历史查找的最大值
if w[index] > last:
return
without_l
else:
#当前分支加入背包,剪掉背包剩余重量,继续寻找
with_l =
v[index] + MaxVal2(memo , w, v , index - 1, last - w[index])
#比较最大值
maxvalue = max(with_l , without_l)
#存储
memo[(index , last)] = maxvalue
return maxvalue
w = [5, 5, 1, 9 , 10 ,3, 8, 6, 4 , 2, 5, 5, 1, 9 , 10 ,3, 8,
6, 4 , 2]
v = [7, 7, 6, 5, 4, 8, 11, 4, 2, 3,7, 7, 6, 5, 4, 8, 11, 4, 2,
3]
print MaxVal1(w, v, len(w) - 1, 35) , "caculate count : ",
numCount
numCount = 0
memo = {}
print MaxVal2(memo , w, v, len(w) - 1, 35) , "caculate count :
", numCount
计算结果
[plain] view plaincopy
66 caculate count : 188174
原题同想证明动态规划在算法复杂度上的用途。但是题目本身我不太懂,所以程序的思路清理,成为我的障碍(数据结构掌握不好的后果)。
感谢以下作者的指导:
一块铁疙瘩:http://alorry.blog.163.com/blog/static/647257082011629102412655/
Watsy http://blog.csdn.net/watsy/article/details/9271785
原题:一个小偷进了人家,发现了很多好东西,但是背包容量有限,无法全部装下,所以就存在拿什么价值最大的问题。
weights = [2, 2, 6, 5, 4] #重量或容积列表
vals = [6, 3, 5, 4, 6] #价值列表
背包算法 python" TITLE="麻省理工的 背包算法 python" />
以下是'一块铁疙瘩‘的分析:
PS:索引即i,为w中的序号,从后往前。相当于数组中第3个元素为w[2],第2个元素为w[1],第一个元素为w[0]。其它长度也可依次类推。
图例解释:
最上边2,5,0意思是考虑装入w中的w[2]时背包还能装5个容量,背包中物品价值为0
往左边即不装入w[2]物品,此时考虑装入w[1]时背包中剩余容量仍为5,价值为0
往右边即装入w[2]物品,此时考虑装入w[1]时,背包中升入容量为3,背包中物品价值为8
…………依次类推。直到索引完或者背包容量为0时为止,然后找到此时背包中价值最大的那个即为最优解了。
用递归函数求解; 索引为w从末尾开始向前。按照深度优先、左优先,遍历,。然后回溯计算右子树。返回左右子树中价值大的价值,[/b]回溯。
由于递归算法产生的大量冗余计算,使得在处理较多数据时效率降低。因此引入m记录已经计算出的结果值,来减少递归运算次数,从而可以明显提高程序运行效率。
而代码的注释,则watsy的比较清晰:
(不过我还是根据铁老递的分析给改了一些,因为第一天看watsy的分析,看不懂的。)
numCount = 0
#version 1
def MaxVal1(w, v, index, last):
"""
得到最大价值
w为widght
v为value
index为索引
last为剩余重量
"""
global numCount
numCount = numCount + 1
#最底部
if index == 0:
#是否可以装入
if w[index] <= last:
return
v[index]
else:
return 0
#寻找可以装入的分支
###without_1为左分支,龙城注
without_l = MaxVal1(w,
v, index - 1, last)
#如果当前的分支大于约束
#返回历史查找的最大值
if w[index] > last:
###左分支
return without_l
else:
###右分支
#当前分支加入背包,剪掉背包剩余重量,继续寻找
with_l = v[index] + MaxVal1(w, v , index - 1,
last - w[index])
#比较最大值
###左右分支选最大
return max(with_l ,
without_l)
#version 2
def MaxVal2(memo , w, v, index, last):
"""
得到最大价值
w为widght
v为value
index为索引
last为剩余重量
"""
global numCount
numCount = numCount + 1
try:
#以往是否计算过分支,如果计算过,直接返回分支的结果
return memo[(index , last)]
except:
#最底部
if index == 0:
#是否可以装入
if
w[index] <= last:
return v[index]
else:
return 0
#寻找可以装入的分支
without_l = MaxVal2(memo , w, v, index - 1,
last)
#如果当前的分支大于约束
#返回历史查找的最大值
if w[index] > last:
return
without_l
else:
#当前分支加入背包,剪掉背包剩余重量,继续寻找
with_l =
v[index] + MaxVal2(memo , w, v , index - 1, last - w[index])
#比较最大值
maxvalue = max(with_l , without_l)
#存储
memo[(index , last)] = maxvalue
return maxvalue
w = [5, 5, 1, 9 , 10 ,3, 8, 6, 4 , 2, 5, 5, 1, 9 , 10 ,3, 8,
6, 4 , 2]
v = [7, 7, 6, 5, 4, 8, 11, 4, 2, 3,7, 7, 6, 5, 4, 8, 11, 4, 2,
3]
print MaxVal1(w, v, len(w) - 1, 35) , "caculate count : ",
numCount
numCount = 0
memo = {}
print MaxVal2(memo , w, v, len(w) - 1, 35) , "caculate count :
", numCount
计算结果
[plain] view plaincopy
66 caculate count : 188174
相关文章推荐
- <Python><有监督>kNN--近邻分类算法
- Python正则表达式中的 零宽断言 …
- 【原创】【算法】python 选择排序
- python33&nbsp;kNN算法的详细解释
- python 算法之栈
- PYTHON 的 YAML 和PKL
- 1837&nbsp;Balance&nbsp;dp&nbsp;背包
- [Python Tip]判断输入是否被…
-  和 的区别
-  |"|&|<|>等html字符转义
- IGN评价 -“年度最震撼人心的&…
- js 获取 前一个页面的 url
- linux下创建管理员组 使用 su - 命令
- 【转载】python xml.dom模块…
- 'python'不是内部或外部命令,也不是可运行程序或批处理文件
- python学习&nbsp;import
- 【转载】python __init__&nbs…
- The&nbsp;Python&nbsp;Tutorial&nbsp;9.&nbsp;Classes
- 【原创】python multiprocess…
- 【原创】python requests&nbs…