现在有一个背包(容器),它的体积(容量)为M,现在有N种物品(每个物品只有一个),每个物品的价值V[i]和占用空间W[i]都会由输入给出,现在问这个背包最多能携带总价值多少的物品? 设有N种物品，每种物品有一个重量及一个价值。同时有一个背包，最大载重量为M，从ｎ种物品中选取若干件，使其重量的和小于等于M，而价值的和为最大。N<=100,M<1000.

这是一个经典的背包问题，可以使用动态规划来解决。我们可以定义一个二维数组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]表示不选第i个物品时的最大价值，dp[i-1][j-W[i]]+V[i]表示选了第i个物品时的最大价值。最终的结果就是dp[N][M]。

下面是用Python实现的代码：

N = int(input())
M = int(input())
W = [0] * (N+1)
V = [0] * (N+1)
for i in range(1, N+1):
    W[i], V[i] = map(int, input().split())

dp = [[0] * (M+1) for _ in range(N+1)]
for i in range(1, N+1):
    for j in range(1, M+1):
        if j < W[i]:
            dp[i][j] = dp[i-1][j]
        else:
            dp[i][j] = max(dp[i-1][j], dp[i-1][j-W[i]]+V[i])

print(dp[N][M])

这个算法的时间复杂度为O(NM)，可以通过本题。