给定n种物品和一背包。物品i的重量是wi，价值是vi，背包最大容量是C。假设物品可拆分，在装入物品时可以选择只装入物品的一部分，应该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。

这是一个经典的背包问题，可以使用动态规划算法来解决。

定义dp[i][j]为容量为j时，前i个物品能够获得的最大价值。则有状态转移方程：

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

其中dp[i-1][j]表示不选择第i个物品，dp[i][j-wi]+vi表示选择第i个物品的一部分或全部。

最终的答案为dp[n][C]。

代码如下：

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

其中n为物品数量，C为背包容量，w和v分别为物品重量和价值。