给定n种物品和一背包。物品i的重量是wi，其价值为vi，背包的容量为C。问应如何选择装入背包的物品，使得装入背包中物品的总价值最大? 例如：n=3, C=30, w={16, 15, 15}, v=...

这是一个经典的背包问题，可以使用动态规划算法来解决。

我们可以定义一个二维数组 dp，其中 dp[i][j] 表示前 i 个物品放入容量为 j 的背包中可以获得的最大价值。则状态转移方程为：

- 当 j < w[i]，即背包容量不足以放下第 i 个物品时，dp[i][j] = dp[i-1][j]，即不放第 i 个物品，最大价值就是前 i-1 个物品放入容量为 j 的背包中的最大价值。
- 当 j >= w[i]，即背包容量能够放下第 i 个物品时，dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]]+v[i])，即有两种选择：不放第 i 个物品，最大价值为前 i-1 个物品放入容量为 j 的背包中的最大价值；放第 i 个物品，最大价值为前 i-1 个物品放入容量为 j-w[i] 的背包中的最大价值加上第 i 个物品的价值 v[i]。

最终的最大价值为 dp[n][C]，其中 n 是物品的数量。

Python代码实现如下：

def knapsack(n, C, w, v):
    dp = [[0 for _ in range(C+1)] for _ in range(n+1)]
    for i in range(1, n+1):
        for j in range(1, C+1):
            if j < w[i-1]:
                dp[i][j] = dp[i-1][j]
            else:
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]]+v[i-1])
    return dp[n][C]

其中，w 和 v 分别是长度为 n 的列表，表示物品的重量和价值。