下面土嘎嘎小编分享使用动态规划算法求解完全背包问题（Unbounded Knapsack Problem）的 Python 代码示例：
〓〓python代码如下：〓〓
def knapsack_unbounded(weights, values, capacity):
n = len(weights) # 物品数量
dp = [0] * (capacity + 1) # 创建一个一维数组用于记录状态
for w in range(1, capacity + 1):
for i in range(n):
if weights[i] <= w:
dp[w] = max(dp[w], values[i] + dp[w - weights[i]])
return dp[capacity] # 返回最大价值
# 示例用法
weights = [1, 3, 4, 5]
values = [1, 4, 5, 7]
capacity = 7
max_value = knapsack_unbounded(weights, values, capacity)
print("背包能够装下的最大价值为:", max_value)
在这段代码中，我们使用一个一维数组 dp 来记录每个子问题的最优解。在每次选取物品时，我们遍历所有物品，并计算选择该物品和不选择该物品两种情况下的最大价值，并更新状态数组 dp 。
函数 knapsack_unbounded 接受三个参数： 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。函数返回背包能够装下的最大价值。
需要注意的是，在完全背包问题中，每个物品可以无限次装入背包，因此在状态转移时，我们可以多次选择同一物品。与 0/1 背包问题不同的是，我们只需遍历每个物品一次，而不需要遍历每个物品对应的数量。