重量与价值数组w[], v[] (隐含给定了物品的种类)；如：w={2, 3, 4, 7}, v={1, 3, 5,, 9}, 隐含 n=4 背包限重b；如：b=10

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个物品放入重量为j的背包中所能获得的最大价值。初始化时，当背包重量为0时，无论放入多少物品，价值都为0，即dp[i][0] = 0；当物品数量为0时，无论背包的重量是多少，都不能放入任何物品，即dp[0][j] = 0。然后，我们可以使用以下递推公式来更新dp数组：

dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]] + v[i])

其中，dp[i-1][j]表示不放第i个物品时的最大价值，dp[i-1][j-w[i]] + v[i]表示放入第i个物品时的最大价值。最终，dp[n][b]即为所求的结果。

在这个例子中，我们可以定义一个4行11列的dp数组，然后按照递推公式逐个更新即可。最终结果为dp[4][10] = 12，即在重量为10的背包中，放入前4个物品所能获得的最大价值为12。