动态规划-背包问题-二维费用背包 & 分组背包

这是背包问题的最后一个专题，我们先讲二维费用背包，

二维费用背包问题和01背包问题都是经典的背包问题的变体，其区别在于对于每个物品，是否考虑其费用。

在01背包问题中，每个物品要么选中（放入背包），要么不选中，每个物品只有一个对应的费用。目标是选取一些物品放入背包，使得背包的总容量不超过限定值，同时价值之和达到最大。

而在二维费用背包问题中，每个物品除了考虑是否选中外，还需要考虑该物品的两个费用（如重量和体积）。目标是选取一些物品放入背包，使得背包的总容量和总重量都不超过限定值，同时价值之和达到最大。那么相应的状态转移方程就会有所不同，我们一般设dp[i] [j]表示当前体积为i ,重量为 j 的情况下所能拿的物品的最大价值。状态转移方程为

dp[ i] [j] =max(dp[ i] [ j].dp[i - w] [j - m] + v); 

 这是一个大致的二维费用背包的模板

#include <iostream>
#include <vector>
#include <algorithm>

using namespace std;

// 定义二维费用背包问题的函数
int twoDimensionalKnapsack(int n, int capacity1, int capacity2, vector<int>& cost1, vector<int>& cost2, vector<int>& value) {
    vector<vector<int>> dp(capacity1 + 1, vector<int>(capacity2 + 1, 0));

    for (int k = 0; k < n; ++k) {
        for (int i = capacity1; i >= cost1[k]; --i) {
            for (int j = capacity2; j >= cost2[k]; --j) {
                dp[i][j] = max(dp[i][j], dp[i - cost1[k]][j - cost2[k]] + value[k]);
            }
        }
    }

    return dp[capacity1][capacity2];
}

int main() {
    // 示例数据
    int n = 3;
    int capacity1 = 5, capacity2 = 6;
    vector<int> cost1 = {2, 3, 4};
    vector<int> cost2 = {1, 2, 3};
    vector<int> value = {5, 7, 9};

    // 调用二维费用背包函数，并输出结果
    int result = twoDimensionalKnapsack(n, capacity1, capacity2, cost1, cost2, value);
    cout << "The maximum value is: " << result << endl;

    return 0;
}

为了加深对二维费用背包的思想的印象，我们通过一道例题来理解下，

小蓝是一名著名的探险家，他即将踏上一场寻宝的冒险旅程。他的目标是寻找和收集各种神秘的宝物。他有一个神秘的行囊，能够装载各种物品。然而，这个行囊有一个特殊的规定：它的最大容量是 V，并且它能承受的最大重量是 M。

小蓝来到一个古老的城堡，里面有 N件神秘的宝物，每件宝物只能被取走一次。每件宝物都有其特定的体积 vi，重量 mi，和价值 wi。

面对眼前的宝物，小蓝需要做出决定：将哪些宝物放入他的行囊，使得宝物的总体积不超过行囊的容量，总重量不超过行囊能承受的最大重量，且价值总和最大。

你的任务是帮助小蓝决定应该选择哪些宝物，并输出这些宝物的最大总价值。

这个题目可以完全套用以上代码，由于代码整体量比较小，现在给出完整代码。

#include <iostream>
using namespace std;
using ll = long long;
ll dp[105][105];
int main()
{
 int n,V,M;cin>>n>>V>>M;
 for(int i = 1; i<=n;i++)
 {
   int v,m,w;cin>> v >> m >> w;
   for(int j = V ;j>=v ;j--)
   {
     for(int k = M ;k >=m;k--)
     {
       dp[j][k] = max (dp[j][k],dp[j - v][k - m] + w);
     }
   }
 }
 cout << dp[V][M] <<endl;
  return 0;
}

接下来讲讲分组背包，，01背包问题是在一组物品中做选择，每个物品只能选一次；而分组背包问题是将物品分成若干组，每组内的物品只能选一个，不同组之间的选取可能相互影响。状态转移方程分为两种：

• 不选择第 k 个物品：dp[i][j] = dp[i-1][j]
• 选择第 k 个物品：dp[i][j] = max(dp[i][j], dp[i-1][j-volume[k]] + value[k])

我们同样根据一道例题来加深印象，

小明有一个容量为 VV 的背包。

这天他去商场购物，商场一共有 NN 组物品，第 ii 组里有 sisi​ 件物品，物品的体积为 ww，价值为 vv，对于每一组只能购买一件物品。

小明想知道在购买的物品总体积不超过 VV 的情况下所能获得的最大价值为多少，请你帮他算算。

大致思路：
首先通过输入获取了物品的组数和背包的容量，并利用二维数组 dp 存储动态规划的结果。然后通过循环遍历每一组物品，内层循环处理每个物品，并根据状态转移方程更新 dp 值。最后输出在给定背包容量下能够获得的最大价值。

这里给出完整解决代码(可作为相应 的分组背包的模板)：

#include <iostream>
using namespace std;
using ll = long long;
const int N = 150;
ll dp[N][N];
int main()
{
  int n,V;cin>> n >> V;
for(int i =1 ;i<=n;i++)
{
  int s;cin>>s;
  for(int j = 0;j <=V;j++)dp[i][j] = dp[i- 1][j];
  while(s--)
  {
    ll w,v;cin>>w>>v;
    for(int j = w;j<=V;j++)dp[i][j] = max(dp[i][j],dp[i - 1][j -w] + v);
  }
}
cout << dp[n][V] << '\n';
  return 0;
}

原二维费用背包题目链接：
https://www.lanqiao.cn/problems/3937/learning/?page=1&first_category_id=1&problem_id=3937

 原分组背包题目链接：
https://www.lanqiao.cn/problems/1178/learning/?page=1&first_category_id=1&problem_id=1178