python 完全背包

完全背包是一个经典的动态规划问题，解决的是在物品可重复选择的情况下，如何选择物品使得总价值最大化。

在Python中，可以使用动态规划算法来解决完全背包问题。下面是一个示例代码：

def knapsack_complete(weights, values, capacity):
    n = len(weights)
    dp = [0] * (capacity + 1)

    for i in range(1, capacity + 1):
        for j in range(n):
            if weights[j] <= i:
                dp[i] = max(dp[i], dp[i - weights[j]] + values[j])

    return dp[capacity]

其中，`weights` 是物品的重量列表，`values` 是物品的价值列表，`capacity` 是背包的容量。

这段代码中，我们使用一个一维数组 `dp` 来保存每个容量下的最大价值。我们逐个计算每个容量下的最大价值，并将计算结果保存在数组 `dp` 中。最终返回 `dp[capacity]` 即可得到最大的总价值。

使用示例：

weights = [2, 3, 4, 5]
values = [3, 4, 5, 6]
capacity = 8

max_value = knapsack_complete(weights, values, capacity)
print("The maximum value is:", max_value)

输出结果为：The maximum value is: 12

这个示例中，有四个物品，其重量分别为 [2, 3, 4, 5]，价值分别为 [3, 4, 5, 6]，背包的容量为 8。通过动态规划算法，计算得到最大的总价值为 12。

希望以上内容对你有所帮助！如果还有其他问题，请随时提问。