给定n(n<=100)种物品和一个背包。物品i的重量是wi(wi<=100)，价值为vi(vi<=100)，背包的容量为C(C<=1000)。 应如何选择装入背包中的物品，使得装入背包中物品的总价值最大? 在选择装入背包的物品时，对每种物品i只有两个选择：装入或不装入。不能将物品i装入多次，也不能只装入部分物品i。 输入格式:共有n+1行输入： 第一行为n值和c值，表示n件物品和背包容量c； 接下来的n行，每行有两个数据，分别表示第i(1≤i≤n)件物品的重量和价值。 输出格式:输出装入背包中物品的最大总价值。

可以使用动态规划算法来解决这个经典的背包问题。

定义一个二维数组dp[i][j]表示前i个物品放入容量为j的背包中所能获得的最大价值。则有以下状态转移方程：

当j<w[i]时，dp[i][j]=dp[i-1][j]，即背包容量不足，无法放入第i个物品；
当j>=w[i]时，dp[i][j]=max(dp[i-1][j],dp[i-1][j-w[i]]+v[i])，即可选择放入第i个物品或不放入，取最大值。

最终背包能够获得的最大价值即为dp[n][C]。

代码如下：

#include <iostream>
#include <cstring>
using namespace std;

const int N = 110, M = 1010;
int n, C;
int w[N], v[N];
int dp[N][M];

int main()
{
    cin >> n >> C;
    for (int i = 1; i <= n; i ++ )
        cin >> w[i] >> v[i];

    for (int i = 1; i <= n; i ++ )
        for (int j = 0; j <= C; j ++ )
        {
            dp[i][j] = dp[i-1][j];
            if (j >= w[i]) dp[i][j] = max(dp[i][j], dp[i-1][j-w[i]]+v[i]);
        }

    cout << dp[n][C] << endl;

    return 0;
}