动态规划算法求解0/1背包问题代码

以下是动态规划算法求解0/1背包问题的Python代码：

def knapsack(weights, values, capacity):
    n = len(weights)
    # 初始化二维数组，其中dp[i][j]表示前i件物品放入一个容量为j的背包可以获得的最大价值
    dp = [[0] * (capacity + 1) for _ in range(n + 1)]
    # 从第1件物品开始遍历
    for i in range(1, n + 1):
        # 遍历容量从0到背包容量
        for j in range(capacity + 1):
            if weights[i - 1] > j:
                # 如果当前物品的重量大于当前背包容量，则无法装入，直接使用上一次的最优解
                dp[i][j] = dp[i - 1][j]
            else:
                # 否则，当前物品可以装入背包，需要比较装入和不装入的价值大小，取最大值
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1])
    return dp[n][capacity]

其中，`weights`和`values`分别表示物品的重量和价值，`capacity`表示背包的容量，函数返回背包能够获得的最大价值。