标准的0/1背包要求每个物品的重量都与其他物品无关。那么，DP是解决该问题的有效算法。但是现在我遇到了类似但又扩展了这个问题，

新物品的重量取决于背包中已经存在的先前物品。

例如 ，我们有5个项目a，b，c，d和e体重w_a，… w_e。项目，b并c具有重量依赖性。

当b已经在背包中时，物品的重量c将 小于 ，w_c因为它可以与共享一些空间b，即weight(b&c) < w_b + w_c。对称地，当c已经在背包中时，的重量b将小于w_b。

这种不确定性导致原始DP算法失败，因为它取决于先前迭代的正确性，而现在可能无法纠正。我已经阅读了一些有关背包的论文，但是它们要么具有依赖于 利润的
依赖项（ 二次背包问题 ），要么具有遵循随机分布的可变权重（ 随机背包问题
）。我也知道前面的问题1/0带加权边的背包变化，但是只有一个非常通用的答案，而关于这个背包的名字没有答案。

现有的一种解决方案：

我还在有关DBMS优化的论文中阅读了一个近似的解决方案，其中group the related items as one combined item for knapsack。如果使用这种技术进入我们的例子中，在背包的物品会a，bc，d，e，因此有这四个项目中的任何两者之间没有更多的依赖关系。但是，构造一个无法获得最佳结果的示例很容易，例如when
an item with "small weight and benefit" is grouped with another item with "large weight and benefit"。在此示例中，不应在解决方案中选择“小”项目，而应与“大”项目一起选择。

题：

是否有任何一种有效的求解技术可以获得最佳结果，或者至少可以保证某些错误？还是我为这个问题建模的方向错误？