假设4件物品，重量和价值数组如下 Weight[]={2,3,4,5} value [] = { 3 ,4 ,5 ,7 }，限重为9

这是一个经典的背包问题（Knapsack Problem），可以使用动态规划算法来解决。

具体的思路如下：

1. 定义一个二维数组dp，其中dp[i][j]表示前i个物品，限重为j时的最大价值。

2. 初始化dp数组，将dp[0][j]和dp[i][0]都置为0。

3. 对于每个物品i，依次考虑将其放入背包或不放入背包两种情况：

a. 如果将物品i放入背包，则可以获得的最大价值为dp[i-1][j-Weight[i-1]] + value[i-1]。

b. 如果不将物品i放入背包，则可以获得的最大价值为dp[i-1][j]。

在这两种情况中选择较大的一个作为dp[i][j]的值。

4. 最后，dp数组的最后一个元素dp[4][9]即为所求的最大价值。

以下是使用Python实现的代码：

def knapsack(Weight, value, W):
    n = len(Weight)
    dp = [[0 for _ in range(W+1)] for _ in range(n+1)]
    
    for i in range(1, n+1):
        for j in range(1, W+1):
            if j >= Weight[i-1]:
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-Weight[i-1]] + value[i-1])
            else:
                dp[i][j] = dp[i-1][j]
    
    return dp[n][W]
    
Weight = [2, 3, 4, 5]
value = [3, 4, 5, 7]
W = 9
print(knapsack(Weight, value, W))  # 输出10，即最大价值

注意，这里的重量数组和价值数组是从Weight[0]和value[0]开始的，因为在代码实现中需要使用到i-1的下标。