feat(Go-Tool)：修改单测位置，添加lomuto查找第k小元素算法代码及其单测（分治法）

util/knapsackOptimization/KnapsackOptimizationUtil.go

@@ -0,0 +1,101 @@
+/*
+ *  @Author : huangzj
+ *  @Time : 2020/7/31 15:35
+ *  @Description：背包最优问题工具类
+ *  基本场景：给定n个重量为w1w 1，w2w 2 ,w3w 3 ,…,wnw n ，价值为v1v 1 ,v2v 2 ,v3v 3 ,…,vnv n 的物品和容量为CC的背包，求这个物品中一个最有价值的子集，使得在满足背包的容量的前提下，包内的总价值最大
+ *  参考地址：https://blog.csdn.net/chanmufeng/article/details/82955730
+ */
+
+package knapsackOptimization
+
+type KnapsackOptimization struct {
+	BagCapacity int        //背包的总容量上限
+	BagItemList []*BagItem //背包道具列表
+	ItemNum     int        //道具的数量
+}
+
+func NewKnapsackOptimization(bagItemList []*BagItem, bagCapacity int) *KnapsackOptimization {
+	if bagCapacity <= 0 {
+		panic("背包总容量不能小于等于0")
+	}
+	return &KnapsackOptimization{
+		BagCapacity: bagCapacity,
+		BagItemList: bagItemList,
+		ItemNum:     len(bagItemList),
+	}
+}
+
+//通过递归的方式解决上述基本场景，这种方式效率比较低下
+func (cmd *KnapsackOptimization) OptimizePackageByRecursion() int {
+	return cmd.knapsackRecursion(cmd.BagItemList, len(cmd.BagItemList)-1, cmd.BagCapacity)
+}
+
+func (cmd *KnapsackOptimization) knapsackRecursion(bagItemList []*BagItem, index, capacity int) int {
+	if index < 0 || capacity <= 0 {
+		return 0
+	}
+	res := cmd.knapsackRecursion(bagItemList, index-1, capacity) //不放第index个物品所得价值
+	//放第index个物品所得价值（前提是：第index个物品可以放得下）
+	if bagItemList[index].Weight <= capacity {
+		res = max(res, bagItemList[index].Value+cmd.knapsackRecursion(bagItemList, index-1, capacity-bagItemList[index].Weight))
+	}
+	return res
+}
+
+func (cmd *KnapsackOptimization) KnapsackCycle() int {
+	dynamicPlan := cmd.initKnapsackParam() //初始化参数，这边通过动态规划的方式处理，需要一个辅助行和辅助列
+	//循环所有的道具，进行动态规划二维数组的组装.
+	for i := 1; i <= cmd.ItemNum; i++ {
+		for j := 1; j <= cmd.BagCapacity; j++ {
+			//如果背包重量不够,则不能装下这个道具
+			if j < cmd.BagItemList[i].Weight {
+				dynamicPlan[i][j] = dynamicPlan[i-1][j]
+			} else {
+				//如果背包重量足够的话，判断装入这个道具价值更高，还是不装这个道具价值更高
+				dynamicPlan[i][j] = max(dynamicPlan[i-1][j], dynamicPlan[i-1][j-cmd.BagItemList[i].Weight]+cmd.BagItemList[i].Value)
+			}
+		}
+	}
+
+	return dynamicPlan[len(cmd.BagItemList)-1][cmd.BagCapacity-1]
+}
+
+//通过一维数组实现背包求解
+func (cmd *KnapsackOptimization) KnapsackCycleSimple() int {
+	dynamicPlan := cmd.initKnapsackParamSimple()
+	for i := 1; i <= cmd.ItemNum; i++ {
+		for j := cmd.BagCapacity; j >= cmd.BagItemList[i].Weight; j-- {
+			dynamicPlan[j] = max(dynamicPlan[j], dynamicPlan[j-cmd.BagItemList[i].Weight]+cmd.BagItemList[i].Value)
+		}
+	}
+	return dynamicPlan[cmd.BagCapacity]
+}
+
+func (cmd *KnapsackOptimization) initKnapsackParamSimple() []int {
+	itemList := make([]*BagItem, 0)
+	itemList = append(itemList, &BagItem{})
+	itemList = append(itemList, cmd.BagItemList...)
+	cmd.BagItemList = itemList
+	return make([]int, cmd.BagCapacity+1)
+}
+
+//这里需要组成一个辅助数组去判断动态规划的实现
+func (cmd *KnapsackOptimization) initKnapsackParam() [][]int {
+	itemList := make([]*BagItem, 0)
+	itemList = append(itemList, &BagItem{})
+	itemList = append(itemList, cmd.BagItemList...)
+	cmd.BagItemList = itemList
+	//初始化数组
+	dynamicPlan := make([][]int, len(cmd.BagItemList))
+	for i := 0; i <= cmd.ItemNum; i++ {
+		dynamicPlan[i] = make([]int, cmd.BagCapacity+1)
+	}
+	return dynamicPlan
+}
+
+func max(compareNum, otherCompareNum int) int {
+	if compareNum > otherCompareNum {
+		return compareNum
+	}
+	return otherCompareNum
+}