一、题目分析
1. 题意转化为经典背包模型
* 总采药时间 T → 背包最大容量
* 草药数量 M → 物品个数
* 每株草药采摘耗时 w[i] → 物品重量
* 每株草药价值 v[i] → 物品价值
* 限制：每株草药只能采一次（01背包，每件物品只能选/不选二选一）
* 目标：总耗时不超过 T，采到草药总价值最大
2. 输入输出样例拆解
输入：
可选组合：草药2+草药3，总耗时 69+1=70，总价值 1+2=3，对应输出3。
二、动态规划核心思路（二维DP）
1. 状态定义
dp[i][j]：只考虑前i株草药，总采摘时间不超过j时，能获得的最大总价值
* 第一维i：草药编号（0~M，i=0代表一株草药都不选）
* 第二维j：可用总时间（0~T，j=0代表没有时间，价值必为0）
2. 初始化规则
全局数组默认初始值全为0，天然满足边界条件：
1. dp[0][j] = 0：一株草药都不采，无论多少时间，价值都是0
2. dp[i][0] = 0：没有任何可用时间，什么草药都采不了，价值0
3. 状态转移方程（核心）
遍历每一株草药i，再遍历所有可用时间j，分两种情况：
情况1：当前草药耗时 > 当前可用时间（W[I] > J）
时间不够，不能采第i株草药，最优解和只考虑前i-1株完全一样：
dp[i][j]=dp[i−1][j]dp[i][j] = dp[i-1][j] dp[i][j]=dp[i−1][j]
情况2：当前草药耗时 ≤ 当前可用时间（W[I] ≤ J）
有两种选择，取价值更大的一种：
1. 不采第i株：价值 = dp[i-1][j]
2. 采第i株：先预留出采它的时间w[i]，剩下j-w[i]时间在前i-1株里选最优，再加上当前草药价值：dp[i-1][j-w[i]] + v[i]
dp[i][j]=max(dp[i−1][j],dp[i−1][j−w[i]]+v[i])dp[i][j] = \max(dp[i-1][j], dp[i-1][j-w[i]]+v[i]) dp[i][j]=max(dp[i−1][j],dp[i−1][j−w[i]]+v[i])
4. 最终答案
dp[M][T]：全部M株草药都考虑，总时间上限T，最大价值。
三、逐行代码详解
四、样例模拟推演（直观理解DP表格）
样例参数：t=70，m=3
草药1：w=71,v=100；草药2：w=69,v=1；草药3：w=1,v=2
1. i=1（处理第一株，耗时71）
所有j≤70都满足71>j，所以整行dp[1][j] = dp[0][j] = 0，第一行全0。
2. i=2（处理第二株，耗时69，价值1）
* j < 69：时间不足，dp[2][j]=0
* j ≥ 69：可以采草药2，dp[2][j] = max(0, dp[1][j-69]+1) = 1
即j=69~70时，值为1。
3. i=3（处理第三株，耗时1，价值2）
逐个j计算，重点看j=70：
* 不采草药3：dp[2][70]=1
* 采草药3：dp[2][70-1] + 2 = dp[2][69] + 2 = 1 + 2 = 3
取最大值3，最终dp[3][70]=3，和样例输出一致。
五、复杂度分析
* 时间复杂度：O(M×T)O(M \times T)O(M×T)
外层循环M次，内层循环T次，本题M≤100，T≤1000，总运算量仅1e5，完全无压力。
* 空间复杂度：O(M×T)O(M \times T)O(M×T)
二维数组105×1005，空间开销很小；进阶可使用一维滚动数组优化到O(T)O(T)O(T)。
六、易错点总结
1. 草药下标从1开始：避免j-w[i]出现负数，简化边界判断；
2. 内层循环j从小到大：二维DP无需倒序；一维01背包才需要倒序遍历容量；
3. 区分01背包和完全背包：本题每株草药只能采一次，不能重复选取；
4. 不要输出dp[m][t]以外的值，必须同时包含全部草药和全部可用时间。
七、拓展：一维空间优化版（可选拓展）
二维数组会重复使用上一层数据，可以压缩成一维数组，只用dp[j]：
