python编程实现设有n种不同面值的硬币，第i种硬币的币值是v（其中vi=1），重量是w；，i=1，2..n，且现在购买总价值为y的某些商品，需要用这些硬币付款，如果每种钱币使用 分成三的个数不限，问如何选择付款的方法使得付出钱币的总重量最轻?

为了实现这个功能，我们可以使用贪心策略和优先队列（Python 中可以使用 `heapq` 库中的最小堆）。首先，我们需要对每种硬币按照单位重量的价值（即币值除以重量）进行排序，然后按照这个顺序依次选取硬币，直到总价值达到或超过目标价值 `y`。

这里是一个简单的 Python 代码示例：

import heapq

def coin_weight_distribution(n, v, w, y):
    # 创建一个元组列表，每个元组包含硬币的面值和重量，按单位重量价值排序
    coins = [(vi / wi, i) for i, (vi, wi) in enumerate(zip(v, w))]
    coins.sort(reverse=True)  # 排序后，最大的单位重量价值硬币先被考虑

    # 初始化结果变量
    total_value = 0
    weight = 0
    selected_coins = []

    # 使用最小堆存储未使用的硬币及其剩余价值
    coin_heap = [(wi, vi) for vi, wi in coins]
    heapq.heapify(coin_heap)

    while total_value < y:
        # 弹出单位重量价值最高的硬币
        current_weight, current_value = heapq.heappop(coin_heap)
        if current_value <= y - total_value:
            total_value += current_value
            weight += current_weight
            selected_coins.append((current_weight, current_value))

        # 如果还有剩余价值，将下一个硬币加入堆
        if total_value < y:
            next_weight, next_value = heapq.heappop(coin_heap)
            heapq.heappush(coin_heap, (next_weight, next_value + current_value))

    return weight, selected_coins

# 示例
n = 3
v = [1, 5, 10]
w = [1, 3, 7]
y = 11
weight, selected_coins = coin_weight_distribution(n, v, w, y)
print(f"最轻重量: {weight}")
print(f"选用了以下硬币: {selected_coins}")

注意：此算法不一定能找到全局最优解，因为它是基于贪心策略的。对于某些特定的输入，可能存在其他更优的解决方案。如果需要保证最优，可以使用动态规划或回溯法等复杂算法，但这会增加时间和空间复杂度。