笔试的时候没做出来，就顺手截图了。
虽然知道要用动态规划做，但我一直就不太懂动态规划。笔试完又花了2小时把它做出来了。也不知道性能怎么样，但还好做出来了。
def solution(n, toltal_money, until_price, until_hot):
# 二维数组，每一行代表0到total_money每一个数对应的解（解是一个数组，第0列是最高热度值，后面分别是凑成此热度的因子）
# 因为不允许重复采购同一个商品，所以需要标识一下凑成此热度值时已经购买的商品，方便后面的解用到时查看那些商品是已经购买了的。
price_hot = [[0 for a in range(n+1)] for k in range(toltal_money + 1)]
for i in range(toltal_money + 1):
j = 0
# 临时数组，保存的是二维数组的每一行的值（0到total_money的某些数值的解可能会有多个解法，
# 但我们需要找出热度值最高的哪一个，所以这里需要临时保存一下，在确定了最高热度值得时候再把这个解复制到二维数组中去）
temp = [0 for i in range(n+1)]
# 构造最优解
while j < n:
if (i - until_price[j]) >= 0:
# 判断是否重复买了商品，需要将上一个最高热度值得因子组成复制下来。
for x in range(1, n+1):
temp[x] = price_hot[i - until_price[j]][x]
# 如果新购买的这个商品没有在上一个解里被标示，则可以构成一个解
if temp[j+1] == 0:
last = price_hot[i - until_price[j]][0] + until_hot[j]
# 找出最优解
if temp[0] < last:
temp[0] = last
# 标识已购买得商品，这里我把商品得热度填进去做了标识，这样就可以在数组中直接看出最高热度的组成因子
# 当然把商品加个填进去做标识，甚至直接把它标为1也可以。
temp[j+1] = until_hot[j]
# 将临时存放得最优解放到二维数组里
for x in range(n + 1):
price_hot[i][x] = temp[x]
j += 1
return price_hot[total_money][0]
n = 6
total_money = 1000
until_price = [200, 600, 100, 180, 300, 450]
until_hot = [6, 10, 3, 4, 5, 8]
print("total_money=1000时的解：", solution(n, total_money, until_price, until_hot))