有n个物体，第i个物体的重量为wi（wi为正整数）。选择尽量多的物体，使得总重量不超过C。

这是一个经典的背包问题，可以用动态规划算法来解决。

设f[i][j]表示前i个物体中，选择若干个物体总重量不超过j时的最大价值。则有以下状态转移方程：

f[i][j] = max(f[i-1][j], f[i-1][j-wi] + vi)

其中，wi表示第i个物体的重量，vi表示第i个物体的价值。

初始化时，f[0][j] = 0，表示前0个物体中选择任意个物体总重量不超过j时的最大价值为0。

最终结果为f[n][C]，即前n个物体中选择若干个物体总重量不超过C时的最大价值。

以下是Java的代码实现：

import java.util.Scanner;

public class Main {
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);
        int n = scanner.nextInt(); // 物体个数
        int C = scanner.nextInt(); // 背包容量
        int[] w = new int[n+1]; // 物体重量
        int[] v = new int[n+1]; // 物体价值
        for (int i = 1; i <= n; i++) {
            w[i] = scanner.nextInt();
            v[i] = scanner.nextInt();
        }
        int[][] f = new int[n+1][C+1]; // 状态数组
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= C; j++) {
                if (j >= w[i]) {
                    f[i][j] = Math.max(f[i-1][j], f[i-1][j-w[i]] + v[i]);
                } else {
                    f[i][j] = f[i-1][j];
                }
            }
        }
        System.out.println(f[n][C]);
    }
}

代码实现思路如下：

1. 输入物体个数n和背包容量C；
2. 输入每个物体的重量和价值；
3. 初始化状态数组f，f[0][j] = 0；
4. 根据状态转移方程更新状态数组f；
5. 输出f[n][C]，即前n个物体中选择若干个物体总重量不超过C时的最大价值。

时间复杂度为O(nC)，空间复杂度为O(nC)。