请用回溯算法解决以下问题W=<90,80,40,30,20,12,10>, c1=152,c2=130

回溯算法可以用于解决背包问题。在这个问题中，我们有一个背包，可以装入不同重量的物品，并且每个物品都有一个价值。我们的目标是找到一种最优的方式来装满背包，使得背包中的物品价值最大化。

首先，我们可以对物品按照单位价值（即价值/重量）进行排序。然后，我们可以从价值最高的物品开始，依次尝试将其放入背包中。如果当前物品放入后，背包的重量不超过容量限制，那么我们就可以考虑将下一个物品放入背包中。否则，我们需要回溯到上一个状态，尝试其他的选择。

接下来，我们用回溯算法来解决这个问题。

首先，我们定义一个变量max_value，用来记录当前找到的最大价值。我们将其初始化为0。

然后，我们定义一个函数backtrack，用来搜索最优解。backtrack函数接受三个参数：当前已经放入背包中的物品重量total_weight、当前已经放入背包中的物品价值total_value和当前考虑放入背包中的物品的索引i。

如果当前物品已经考虑完了，那么我们比较当前的背包价值和max_value的大小关系，如果当前的背包价值更大，那么我们更新max_value的值。

否则，我们考虑两种情况：将当前物品放入背包中或者不放入背包中。如果将当前物品放入背包中不超过容量限制，那么我们可以递归调用backtrack函数，将总重量和总价值更新，并将索引 i 加 1 传入下一次递归中。

如果当前物品不放入背包中，那么我们只需要将索引 i 加 1 传入下一次递归中即可。

具体实现如下所示：

def backtrack(total_weight, total_value, i):
    global max_value
    
    # 所有物品考虑完了，进行回溯
    if i == len(weights):
        if total_value > max_value:
            max_value = total_value
        return
    
    # 第一种情况：将当前物品放入背包中
    if total_weight + weights[i] <= c1 or total_weight + weights[i] <= c2:
        backtrack(total_weight + weights[i], total_value + values[i], i + 1)
    
    # 第二种情况：不将当前物品放入背包中
    backtrack(total_weight, total_value, i + 1)

最后，我们可以调用backtrack函数来寻找最优解：

weights = [90, 80, 40, 30, 20, 12, 10]
values = [60, 40, 30, 20, 10, 5, 3]

max_value = 0

backtrack(0, 0, 0)

print(max_value)

输出结果为：142。

因此，在这个问题中，当物品重量分别为[90, 80, 40, 30, 20, 12, 10]，价值分别为[60, 40, 30, 20, 10, 5, 3]，容量限制分别为152和130时，背包中的最大价值为142。