有n个物品，它们有各自的重量和价值。现有给定容量的背包，如何让背包里装入的物品具有最大的价值

这是一个经典的动态规划问题，被称为背包问题。可以使用动态规划算法来求解。

具体的解题思路如下：

1. 定义状态：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。

2. 状态转移方程：对于第i个物品，有两种情况，放入背包或不放入背包。

- 如果不放入背包，则dp[i][j] = dp[i-1][j]；
- 如果放入背包，则dp[i][j] = dp[i-1][j-w[i]] + v[i]；其中w[i]表示第i个物品的重量，v[i]表示第i个物品的价值。

3. 边界条件：dp[0][j] = 0（前0个物品放入任何容量的背包中，获得的最大价值都是0）；dp[i][0] = 0（容量为0的背包，无论放入任何物品，获得的最大价值都是0）。

4. 最终结果：dp[n][C]，其中n是物品的个数，C是背包的容量。

最终的代码实现如下：

def knapsack(n, C, w, v):
    dp = [[0 for _ in range(C+1)] for _ in range(n+1)]
    for i in range(1, n+1):
        for j in range(1, C+1):
            if j >= w[i-1]:
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]] + v[i-1])
            else:
                dp[i][j] = dp[i-1][j]
    return dp[n][C]

其中，n表示物品的个数，C表示背包的容量，w和v分别表示物品的重量和价值。函数返回的是背包能够装下的最大价值。