解决这个问题的关键是使用动态规划的方法。我们可以创建一个二维数组`dp[i][j]`，其中`i`表示考虑前`i`件物品，`j`表示背包的容量。`dp[i][j]`的值表示在考虑前`i`件物品，且背包容量为`j`时能获得的最大价值。

### 算法步骤
1. 初始化一个二维数组`dp`，大小为`(N+1) x (M+1)`，所有值初始化为0。
2. 遍历每件物品`i`，从1到`N`。
   - 对于每个容量`j`，从0到`M`。
     - 如果当前物品的重量`Wi`小于等于`j`，则考虑是否选择这件物品。计算不选择这件物品的价值`dp[i-1][j]`和选择这件物品的价值`dp[i-1][j-Wi] + Ci`，取两者的最大值作为`dp[i][j]`的值。
     - 如果`Wi`大于`j`，则当前物品不能被选择，`dp[i][j]`的值等于`dp[i-1][j]`。
3. `dp[N][M]`即为最大总价值。

### 代码实现
 

#include <iostream>
#include <vector>
using namespace std;int main() {int M, N;cin >> M >> N;vector<int> W(N+1), C(N+1);vector<vector<int>> dp(N+1, vector<int>(M+1, 0));for (int i = 1; i <= N; ++i) {cin >> W[i] >> C[i];}for (int i = 1; i <= N; ++i) {for (int j = 0; j <= M; ++j) {if (W[i] <= j) {dp[i][j] = max(dp[i-1][j], dp[i-1][j-W[i]] + C[i]);} else {dp[i][j] = dp[i-1][j];}}}cout << dp[N][M] << endl;return 0;
}

这段代码首先读取背包容量`M`和物品数量`N`，然后读取每件物品的重量和价值，存储在`W`和`C`数组中。接着，使用动态规划填充`dp`数组，最后输出`dp[N][M]`作为最大总价值。