用回溯法求解0-1背包问题：包容量10kg，现有3个物品，质量分别为[4,8,5]、价值分别为[24,40,20]。

在解决0-1背包问题时，回溯法是一种常见的动态规划策略。对于给定的包容量10kg和三个物品，我们可以通过遍历所有可能的组合来确定每个物品是否放入背包，同时记录当前背包的价值。下面是使用回溯法的一种基本思路：

首先，创建一个二维数组dp，其中dp[i][j]表示前i个物品能装入最大价值不超过j的背包的最大价值。

1. 初始化：dp[0][j] = 0，表示没有物品的情况下背包价值为0；dp[i][0] = 0，表示无法装入重量为0的背包。

2. 递推：对于每个物品i，有两种选择，要么不放（取值不变，即dp[i][j] = dp[i-1][j]），要么放（取值为当前物品的价值加上剩余容量可以装下的最大价值，即dp[i][j] = max(dp[i][j], dp[i-1][j-weight[i]] + value[i]))。这里weight[i]和value[i]分别代表第i个物品的质量和价值。

3. 当前状态：遍历物品质量和背包容量，直到dp[n][capacity]，n是物品的数量，capacity是背包容量。如果dp[n][capacity]大于0，说明找到了一个有效的物品组合。

以下是伪代码形式：

def backtrack(capacity, weights, values, dp, n):
    if capacity == 0 or n == 0:
        return 0
    if dp[n][capacity] != -1:
        return dp[n][capacity]

    # 尝试包含第n个物品
    include = values[n-1] + backtrack(capacity - weights[n-1], weights, values, dp, n-1)

    # 尝试不包括第n个物品
    exclude = backtrack(capacity, weights, values, dp, n-1)

    dp[n][capacity] = max(include, exclude)
    return dp[n][capacity]

其中，初始化dp数组时，所有元素设为-1，避免重复计算。

最后，调用`backtrack(10, [4, 8, 5], [24, 40, 20], [-1]*len(weights), len(weights))`即可得到结果。