专题十：二维费用的背包问题

> 作者：დ旧言~
> 座右铭：松树千年终是朽，槿花一日自为荣。

> 目标：了解什么是记忆化搜索，并且掌握记忆化搜索算法。

> 毒鸡汤：有些事情，总是不明白，所以我不会坚持。早安!

> 专栏选自：动态规划算法_დ旧言~的博客-CSDN博客

> 望小伙伴们点赞👍收藏✨加关注哟💕💕

一、算法讲解

背包问题 (Knapsack problem) 是⼀种组合优化的 NP完全问题。

问题可以描述为：给定⼀组物品，每种物品都有⾃⼰的重量和价格，在限定的总重量内，我们如选
择，才能使得物品的总价格最⾼。

根据物品的个数，分为如下⼏类：

• 01 背包问题：每个物品只有⼀个
• 完全背包问题：每个物品有⽆限多个
• 多重背包问题：每件物品最多有 si 个
• 混合背包问题：每个物品会有上⾯三种情况......
• 分组背包问题：物品有 n 组，每组物品⾥有若⼲个，每组⾥最多选⼀个物品

其中上述分类⾥⾯，根据背包是否装满，⼜分为两类：

• 不⼀定装满背包
• 背包⼀定装满

优化⽅案：

• 空间优化 - 滚动数组
• 单调队列优化
• 贪⼼优化

根据限定条件的个数，⼜分为两类：

• 限定条件只有⼀个：⽐如体积 -> 普通的背包问题
• 限定条件有两个：⽐如体积 + 重量 -> ⼆维费⽤背包问题

根据不同的问法，⼜分为很多类：

• 输出⽅案
• 求⽅案总数
• 最优⽅案
• ⽅案可⾏性

二、算法习题

2.1 第一题

题目链接：474. 一和零 - 力扣（LeetCode）

题目描述：

算法思路：

先将问题转化成我们熟悉的题型：

1. 在⼀些物品中「挑选」⼀些出来，然后在满⾜某个「限定条件」下，解决⼀些问题，⼤概率是背包模型；
2. 由于每⼀个物品都只有 1 个，因此是⼀个「01 背包问题」。
3. 但是，我们发现这⼀道题⾥⾯有「两个限制条件」。因此是⼀个「⼆维费⽤的 01 背包问题」。那么我们定义状态表⽰的时候，来⼀个三维 dp 表，把第⼆个限制条件加上即可。

1. 状态表⽰：

dp[i][j][k] 表⽰：从前 i 个字符串中挑选，字符 0 的个数不超过 j ，字符 1 的个数不超过 k ，所有的选法中，最⼤的⻓度。

2. 状态转移⽅程：

线性 dp 状态转移⽅程分析⽅式，⼀般都是「根据最后⼀步」的状况，来分情况讨论。为了⽅便
叙述，我们记第 i 个字符中，字符 0 的个数为 a ，字符 1 的个数为 b ：