有N个物品，每个物品的重量是wi ,每个物品的价值是vi 。 求解当背包容量为W时，能获得的最大价值，并输出获得最大价值时每种物品是否在背包内 数据范围 0 < n <= 30 重量、价值、背包容量均为正整数

这是一个经典的01背包问题，可以使用动态规划来解决。

设dp[i][j]表示前i个物品在背包容量为j时能获得的最大价值。则有状态转移方程：

当j<wi时，dp[i][j] = dp[i-1][j]
当j>=wi时，dp[i][j] = max(dp[i-1][j], dp[i-1][j-wi]+vi)

其中，第一种情况表示第i个物品不能放入背包，因此最大价值与前i-1个物品的最大价值相同；第二种情况表示第i个物品可以放入背包，因此最大价值等于前i-1个物品在容量为j-wi时的最大价值加上第i个物品的价值。

最终，答案即为dp[n][W]。同时，可以通过倒推dp数组来确定每个物品是否在背包内。具体地，在dp[n][W]中，如果dp[i][j]来自于dp[i-1][j]，说明第i个物品没有放入背包中；否则，第i个物品被放入背包中，并将j减去wi，继续考虑前i-1个物品在容量为j-wi时的最大价值。

下面是Python实现代码：

n = int(input())
w = list(map(int, input().split()))
v = list(map(int, input().split()))
W = int(input())

# 初始化dp数组
dp = [[0] * (W+1) for _ in range(n+1)]

# 动态规划求解
for i in range(1, n+1):
    for j in range(1, W+1):
        if j < w[i-1]:
            dp[i][j] = dp[i-1][j]
        else:
            dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]]+v[i-1])

# 倒推确定每个物品是否在背包内
res = dp[n][W]
choice = [False] * n
j = W
for i in range(n, 0, -1):
    if dp[i][j] == dp[i-1][j]:
        choice[i-1] = False
    else:
        choice[i-1] = True
        j -= w[i-1]

# 输出结果
print("最大价值：", res)
print("每个物品是否在背包内：", choice)