这是一个经典的0-1背包问题,可以使用动态规划来解决。 首先定义一个二维数组dp,其中dp[i][j]表示前i个物品放入容量为j的背包中所能获得的最大价值。 根据动态规划的思路,可以得到状态转移方程: dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]] + v[i-1]) 其中,i表示物品的索引,j表示背包的容量,w表示物品的重量,v表示物品的价值。 dp[i-1][j]表示不选取第i个物品时的最大价值,dp[i-1][j-w[i-1]] + v[i-1]表示选取第i个物品时的最大价值。 根据状态转移方程,可以使用循环来填充dp数组。 接下来,可以通过回溯法来找到选择方案。 定义一个二维数组choice,其中choice[i][j]表示前i个物品放入容量为j的背包中的选择方案。 根据动态规划的思路,可以得到选择方案的状态转移方程: choice[i][j] = choice[i-1][j] + "0" 表示不选取第i个物品时的选择方案,choice[i-1][j-w[i-1]] + "1"表示选取第i个物品时的选择方案。 根据状态转移方程,可以使用循环来填充choice数组。 根据dp数组找到最大价值v,根据choice数组找到最大价值的选择方案,按字典序排序输出。 下面是具体的实现代码: ```python import itertools n, g = map(int, input().split()) weights = list(map(int, input().split())) values = list(map(int, input().split())) dp = [[0] * (g+1) for _ in range(n+1)] choice = [[''] * (g+1) for _ in range(n+1)] for i in range(1, n+1): for j in range(1, g+1): if j < weights[i-1]: dp[i][j] = dp[i-1][j] choice[i][j] = choice[i-1][j] + "0" else: if dp[i-1][j] > dp[i-1][j-weights[i-1]] + values[i-1]: dp[i][j] = dp[i-1][j] choice[i][j] = choice[i-1][j] + "0" else: dp[i][j] = dp[i-1][j-weights[i-1]] + values[i-1] choice[i][j] = choice[i-1][j-weights[i-1]] + "1" max_value = dp[n][g] print("最大价值是", max_value) count = 0 for item in choice[n][g]: if item == "1": count += 1 print("最大价值共有{}种选择方案,分别是:".format(count)) index = [] for i, item in enumerate(choice[n][g]): if item == "1": index.append(str(i)) combination = list(itertools.combinations(index, count)) combination.sort() for items in combination: print("选择第{}个物品".format(" ".join(items))) ``` 这样就可以得到最大价值和选择方案了。 [2024-06-09 15:51:49 | AI写代码神器 | 1435点数解答]