本文實例講述了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，不從整體最優上加以考慮完全背包問題算法，他所做出的是在某種意義上的局部最優解。
貪心算法不是對所有問題都能得到整體最優解，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，即某個狀態以前的過程不會影響以后的狀態，只與當前狀態有關。
完全背包問題：給定n個物品和一個容量為C的背編程客棧包，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背包的區別是，在完全背包問題中完全背包問題算法，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。
實現代碼如下：
# 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_tLKIHwCZime))
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.編程客棧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,單位價編程客棧值量為:2.0
#LKIHwCZ 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
更多關于相關內容感興趣的讀者可查看本站專題：《數據結構與算法教程》、《加密解密算法與技巧總結》、《編碼操作技巧總結》、《函數使用技巧總結》、《字符串操作技巧匯總》及《入門與進階經典教程》
希望本文所述對大家程序設計有所幫助。
本文標題: 基于貪心算法解決背包問題示例