以下是一个解决不重复的背包问题：最大金币数量的示例代码：

def max_coins(weights, values, capacity):
    n = len(weights)
    dp = [[0] * (capacity + 1) for _ in range(n + 1)]

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

    return dp[n][capacity]


# 示例：
weights = [1, 3, 4, 5]
values = [1, 4, 5, 7]
capacity = 7

max_value = max_coins(weights, values, capacity)
print("最大金币数量为:", max_value)

这里使用了动态规划的方法来解决不重复的背包问题。首先，创建一个二维数组dp，其中dp[i][j]表示前i个物品在背包容量为j时的最大总价值。

然后，通过两层循环遍历物品和背包容量。对于每个物品，判断其重量是否小于等于背包容量。如果是，则可以选择将该物品放入背包，并更新最大总价值；如果不是，则不能选择该物品。

最后，返回dp[n][capacity]，即前n个物品在背包容量为capacity时的最大总价值。

在示例中，我们给定了四个物品的重量和价值，以及背包容量为7。根据计算，最大金币数量为9。