动态规划-背包问题-二维背包

​

问题描述

所谓二维背包，无非就是在原来的01背包基础上加了一个限制条件，这里假如是承重。

先回顾一下01背包的问题描述：给定一个容积为V的背包，现在有n件物品，第i件物品的体积为w i，价值为vi，每件物品只能拿或者不拿，请求出体积总和不超过V的最大价值。

现在加一个承重的条件就变成了给定一个体积为V，承重为M的背包，现有N件物品，第i件物品的体积为vi，重量为mi，价值为wi 每件物品拿或不拿，求体积总和不超过V且承重不超过M最大价值。

状态

参考原来01背包的状态dp[i][j]表示前i件物品，体积为j

二维背包就是加了一个重量的维度。
dp[i][j][k]表示前i件物品，体积为j，重量为k的最大价值。

状态转移方程

​dp[i][j][k]=max(dp[i-1][j][k],dp[i-1][j-v[i]][k-m[i]]+v[i])

滚动数组优化

状态转移方程为：dp[j][k]=max(dp[j][k],dp[j-v][k-m]+w) 

例题

题目描述

如上

输入描述

第一行：三个整数N,V,M。
接下来的N行，每行三个整数v,m,w,用空格隔开。

输出描述

输出一个整数表示最大价值

代码

N,V,M=map(int,input().split())
dp=[[0]*(M+1) for _ in range(V+1)]
for i in range(N):
    v,m,w=map(int,input().split())
    for j in range(V,v-1,-1):
        for k in range(M,m-1,-1):
            dp[j][k]=max(dp[j][k],dp[j-v][k-m]+w)
print(dp[V][M])