背包问题加深

二维费用背包问题：        

题目：        AcWing 8. 二维费用的背包问题 - AcWing

二维费用就是比一维多加了一维，循环方式是一样的

背包体积的不同状态的初始化：

参考文章：        背包问题中 体积至多是 j ，恰好是 j ，至少是 j 的初始化问题的研究 - AcWing

题目：        AcWing 1020. 潜水员 - AcWing

（1）体积至多为 j：

        1.获取方案数:

        二维：f[0][j] 初始化为1，其余为0，并且要保证背包剩余体积不为负数

        一维：f[j] 初始化为1，并且要保证背包剩余体积不为负数

        2.求最大最小值：

        二维最大值：全部初始化为0，并且要保证背包剩余体积不为负数

        一维最大值：全部初始化为0，并且要保证背包剩余体积不为负数

（2）体积恰好为 j：

       1. 获取方案数：

        二维：f[0][0] 初始化为1，其余为0，并且要保证背包剩余体积不为负数

        一维：f[0] 初始化为1，其余为0，并且要保证背包剩余体积不为负数

        2.求最大最小值：

        二维最大值：f[0][0] 初始化为0，其余为-INF

        二维最小值：f[0][0] 初始化为0，其余为INF

        一维最大值：f[0] 初始化为0，其余为-INF

        一维最小值：f[0] 初始化为0，其余为INF     

（3）体积至少为 j：

        1.获取方案数：

        二维：f[0][0] 初始化为1，其余为0，背包剩余体积可以为负数

        一维：f[0] 初始化为1，其余为0，背包剩余体积可以为负数

        2.求最大最小值：

        二维最小值：f[0][0] 初始化为0，其余为INF

        一维最小值：f[0] 初始化为0，其余为INF

混合背包问题：

题目：        AcWing 7. 混合背包问题 - AcWing

通过混合背包可以了解到：对于二进制拆分，是可以一步一步来的，所以之前的多重背包模板也可以一步一步来。

背包选择方案的输出：

题目：        AcWing 1013. 机器分配 - AcWing

对于选择方案的输出，先用一个前缀数组把方案存起来，然后回溯输出

具体策略是：如果当前拿的价值，加上之前的价值，等于当前的总价值，那么就说明拿了当前物品