给定n种物品和一个背包。物品i的重量是Wi，其价值为Vi，背包的容量为C。应如何选择装入背包的物品，使得装入背包中物品的总价值最大?

这是一个经典的动态规划问题，可以使用动态规划算法来解决。

定义一个二维数组dp[i][j]，其中dp[i][j]表示在前i个物品中选择若干个放入容量为j的背包中所能获得的最大价值。则有如下状态转移方程：

当j < Wi时，dp[i][j] = dp[i-1][j]，即背包容量不足以放下第i个物品，只能选择不装入背包中。

当j >= Wi时，dp[i][j] = max(dp[i-1][j], dp[i-1][j-Wi] + Vi)，即可以选择将第i个物品装入背包中，也可以选择不装入，取两者之间的最大值。

最终，dp[n][C]即为所求。

具体的代码实现如下：

def knapsack(n, C, weights, values):
    dp = [[0 for j in range(C+1)] for i in range(n+1)]
    for i in range(1, n+1):
        for j in range(1, C+1):
            if j < weights[i-1]:
                dp[i][j] = dp[i-1][j]
            else:
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-weights[i-1]] + values[i-1])
    return dp[n][C]

其中，n为物品的数量，C为背包的容量，weights和values分别为物品的重量和价值。