我正在尝试确定是否可以使用DP或优先级队列解决以下问题：
1）我有一组对象。我的目标是选择足够的分数来给我最高分，同时实现约束。
2）每个物体的特征。每个对象都有一个分数和与之相关的深度。
3）约束：最终对象集的深度总和必须<= 100
例如
指数/分数/深度（以下数字如下）
1 70 10
2 60 30
3 40 50
4 40 25
5 30 35
这些可能的输出可以是
得分总和/深度总和（相应数字如下）
170 90（即对象1,2,3）
200 100（即对象1,2,4,5） - 获胜者
130 90（即对象2,4,5）
150 85（即物体1,3,4）
140 95（即物体1,3,5）
以上表明，贪婪的方法不会起作用，即总是得分最高或成本最低。例如，拍摄物体4,5（总得分70，总深度60）优于仅采用物体3（得分40成本50）。因此，直接的方法不起作用，我需要探索我的整个搜索空间。所以看起来好像优先队列不起作用，不是吗？ DP怎么样？有没有办法在这里应用动态编程？
答案 0 :(得分：1)
所述问题是经典背包问题的重新形成，众所周知，动态编程可以解决这个问题。有关详细信息，请参阅this Wikipedia文章。使用优先级队列的方法很可能会导致贪婪算法，可以对其进行细化以产生2近似。更确切地说，物品可以按效率分类并贪婪地使用，直到下一个物品不再适合。然后从这个解决方案和最有利可图的项目中获益。