用动态规划策略求0-1背包问题，其递推关系为：P[i,c]=max{P[i-1,c-v[i]]+p[i],P[i-1,c]}，其中P[i,c]表示前i个商品可选、背包容量为c时放入背包中物品的最大总价值。现有物品列表如下，pi表示第i件物品的价格，vi表示第i件物品的体积：

假设有n件物品，背包容量为C，物品列表为pi和vi。

首先，需要初始化一个(n+1) * (C+1)的二维数组P，表示前i个商品可选、背包容量为j时放入背包中物品的最大总价值。其中，P[0][j]=0，表示一个物品都不选时，总价值为0；P[i][0]=0，表示背包容量为0时，总价值为0。

然后，根据递推关系，从i=1到n，从j=1到C，依次填充P数组。对于每个(i,j)，有两种情况：

1. 不选第i件物品，P[i][j]=P[i-1][j]；
2. 选第i件物品，P[i][j]=P[i-1][j-vi]+pi。

取这两种情况中的最大值，即P[i][j]=max{P[i-1][j-vi]+pi,P[i-1][j]}。

最后，P[n][C]即为问题的解，表示n件物品放入容量为C的背包中的最大总价值。

下面是Python代码实现：

def knapsack(p, v, C):
    n = len(p)
    P = [[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 < v[i-1]:
                P[i][j] = P[i-1][j]
            else:
                P[i][j] = max(P[i-1][j], P[i-1][j-v[i-1]]+p[i-1])
    return P[n][C]

其中，p和v分别表示物品的价格和体积，C表示背包容量。