我想使用c++代码来实现

当然可以，以下是使用C++实现的回溯法求解0-1背包问题的示例代码：

#include <iostream>
#include <vector>

using namespace std;

int backtrack(int n, vector<int>& w, vector<int>& v, int c, int cw, int cv, int bestv) {
    if (n == 0 || cw == c) {  // 如果已经搜索完所有物品或者背包已经装满
        if (cv > bestv) {
            bestv = cv;  // 更新最优解
        }
        return bestv;
    }

    if (cw + w[n-1] <= c) {  // 如果选择当前物品可以装入背包
        bestv = backtrack(n-1, w, v, c, cw+w[n-1], cv+v[n-1], bestv);  // 选择当前物品进行搜索
    }
    bestv = backtrack(n-1, w, v, c, cw, cv, bestv);  // 不选择当前物品进行搜索

    return bestv;
}

int main() {
    int n = 5;  // 物品数量
    vector<int> w = {2, 2, 6, 5, 4};  // 物品重量
    vector<int> v = {6, 3, 5, 4, 6};  // 物品价值
    int c = 10;  // 背包容量
    int cw = 0;  // 当前背包重量
    int cv = 0;  // 当前背包价值
    int bestv = 0;  // 当前最优解

    cout << backtrack(n, w, v, c, cw, cv, bestv) << endl;  // 输出最优解

    return 0;
}

这段代码与之前的Python代码相似，使用递归函数 `backtrack` 来搜索所有可能的解，其中 `n` 表示当前搜索的物品数量，`w` 和 `v` 分别表示物品的重量和价值，`c` 表示背包的容量，`cw` 和 `cv` 分别表示当前背包的重量和价值，`bestv` 表示当前最优解。在搜索时，我们分别考虑选择当前物品或者不选择当前物品，然后递归搜索下一个物品，直到搜索完所有物品或者背包已经装满为止。如果当前选择的物品导致背包超重，或者已经搜索完所有物品，则回溯到上一个状态，考虑其他选择。最后，输出当前最优解即可。

需要注意的是，回溯法虽然可以解决0-1背包问题，但是其时间复杂度很高，在物品数量较大的情况下，会导致程序运行时间过长。因此，在实际应用中，我们通常使用动态规划算法来求解该问题。