n = 5，C = 8，w = {2，2，7，5，4}，v = {3，6，4，5，6}，它能装包的物品的最优解

### 回答1：
可以使用01背包的动态规划算法来解决这个问题。设dp[i][j]表示前i个物品放入容量为j的背包中所能获得的最大价值，状态转移方程为：

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个物品的最大价值，dp[i-1][j-w[i]]+v[i]表示放第i个物品的最大价值。取两者的最大值即可。

初始状态为dp[0][j]=0，表示前0个物品放入容量为j的背包中所能获得的最大价值为0。

根据状态转移方程，可以得到以下的dp表：

0 1 2 3 4 5 6 7 8
0 0 0 0 0 0 0 0 0 0
1 0 0 3 3 3 3 3 3 3
2 0 0 6 6 9 9 9 9 9
3 0 0 6 6 9 9 10 13 13
4 0 0 6 6 9 9 10 13 13
5 0 0 6 6 9 9 12 13 15

可以看到，当容量为8时，放入物品2、3、5可以获得最大价值15，因此最优解为15。

### 回答2：
根据题目给出的条件，背包容量为C=8，有五个物品，它们的重量分别为w={2,2,7,5,4}，价值分别为v={3,6,4,5,6}。我们需要从这些物品中选择一些放入背包中，使得它们的总重量不超过背包容量，同时使得它们的总价值最大。

为了求得该问题的最优解，我们可以使用动态规划的思想，具体步骤如下：
1. 定义一个二维数组dp，其中dp[i][j]表示前i个物品在背包容量为j时的最大总价值。
2. 初始化第0行和第0列的值为0，即当背包容量为0或者没有物品可选时，总价值为0。
3. 对于每个物品i，遍历背包容量j从0到C，分两种情况：
- 若物品i的重量wi大于当前背包容量j，则无法将物品i放入背包，dp[i][j]的值等于dp[i-1][j]，表示不选择放入该物品。
- 若物品i的重量wi小于等于当前背包容量j，则可以选择放入物品i。此时，我们需要比较选择放入物品i和不选择放入物品i时的总价值，取较大值作为dp[i][j]的值。
4. 最后，dp[n][C]即为问题的最优解，表示在背包容量C下，前n个物品能够装入背包的最大总价值。

通过计算得到最优解为dp[5][8] = 11。

### 回答3：
题目描述中的n表示物品的数量，C表示背包的容量，w表示每个物品的重量，v表示每个物品的价值。

根据背包问题的描述，我们需要在给定的物品中选择一些放入背包中，使得放入背包的物品的总重量不超过背包容量，并且价值最大化。

根据题目给出的数据，n = 5，C = 8，w = {2，2，7，5，4}，v = {3，6，4，5，6}。

我们可以使用动态规划的方法来解决这个问题。定义一个二维数组dp，其中dp[i][j]表示前i个物品中选择一些物品放入容量为j的背包中所能得到的最大价值。

我们可以初始化dp数组为全0。然后，我们可以使用一个循环来遍历每个物品，一个嵌套的循环来遍历每个容量。在遍历的过程中，对于每个物品，我们可以考虑两种情况：放入背包或者不放入背包。

如果放入背包，那么背包的剩余容量为C - w[i]，选择的物品数量为i - 1，此时的最大价值为dp[i - 1][C - w[i]] + v[i]。

如果不放入背包，那么选择的物品数量为i - 1，此时的最大价值为dp[i - 1][C]。

综合考虑以上两种情况，我们可以得到状态转移方程：dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - w[i]] + v[i])。

最终，我们可以通过dp[n][C]来得到问题的最优解。

在本题中，我们可以得到dp数组如下：

0 1 2 3 4 5 6 7 8
0 0 0 0 0 0 0 0 0 0
1 0 0 3 3 3 3 3 3 3
2 0 0 3 6 6 9 9 9 9
3 0 0 3 6 6 9 9 9 9
4 0 0 3 6 6 9 9 12 12
5 0 0 3 6 6 9 9 12 12

最终我们可以得到最优解为12。