有 n 个宝箱，每个宝箱都有三个属性：重量 wi 、承重能力 si 和价值 vi 。探险队的任务是选择一些宝箱并将它们堆叠起来，但是堆叠在该宝箱上面的所有宝箱的总重量不能超过它的承重能力，总价值最大为多少。思路和代码

这个问题可以看作是一个0-1背包问题的变种，我们可以使用动态规划来解决。这里的目标是在不超过每个宝箱承重的情况下，选取价值最大的组合。

首先，我们需要定义两个二维数组 dp，其中 dp[i][j] 表示前 i 个宝箱中，能够达到最大价值 j 的方案。动态规划的状态转移方程如下：

1. 初始化：对于所有的箱子 i，dp[i][0] = dp[i - 1][0]，因为如果不选第 i 个箱子，价值不变。
2. 更新状态：对于每个箱子 i 和重量 j，如果当前箱子的重量wi小于等于剩余承重j，那么可以选择这个箱子，这时的最大价值为 max(dp[i - 1][j], dp[i - 1][j - wi] + value[i])；如果不选，则保持之前的最大值不变。

最终的答案就是 dp[n][max_weight]，其中n是宝箱的数量，max_weight是所有宝箱承重之和。

以下是 Python 代码实现的大致框架：

def max_value(n, weights, capacities, values):
    max_weight = sum(capacities)
    dp = [[0 for _ in range(max_weight + 1)] for _ in range(n + 1)]
    
    for i in range(1, n + 1):
        for j in range(max_weight + 1):
            if weights[i - 1] <= j:
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1])
            else:
                dp[i][j] = dp[i - 1][j]

    return dp[n][max_weight]

# 测试数据
weights = [2, 3, 4]
capacities = [3, 4, 5]
values = [3, 4, 5]
n = len(weights)
print(max_value(n, weights, capacities, values))  # 输出最大价值