输入背包容量，物品数量、价值及重量，利用动态规划法解决0-1背包问题，要求输出装入物品的对应指示向量，并分析该算法性能，并写一个流程图

以下是对于输入背包容量，物品数量、价值及重量，利用动态规划法解决0-1背包问题的详细流程图：


该算法的时间复杂度为O(n*c)，其中n为物品数量，c为背包容量。在这个算法中，我们需要使用两个二维数组m和b来保存计算结果，其中m[i][j]表示前i个物品放入容量为j的背包中所能得到的最大价值，b[i][j]表示在容量为j的背包中是否选择放第i个物品。

具体步骤如下：

1. 读入物品数量n和背包容量c。

2. 读入n个物品的重量w和价值v。

3. 初始化二维数组m和b，对于m[n][j]，当j<w[n]时，m[n][j]=0，当j>=w[n]时，m[n][j]=v[n]；对于b[n][j]，当j<w[n]时，b[n][j]=0，当j>=w[n]时，b[n][j]=1。

4. 从n-1到2遍历物品i：

a. 当j<w[i]时，m[i][j]=m[i+1][j]，b[i][j]=0。

b. 当j>=w[i]时，计算m[i][j]和b[i][j]的值：

i. 当v[i]+m[i+1][j-w[i]]>m[i][j]时，m[i][j]=v[i]+m[i+1][j-w[i]]，b[i][j]=1。

ii. 否则，m[i][j]=m[i+1][j]，b[i][j]=0。

5. 计算m[1][c]和b[1][c]的值：

a. 如果w[1]<=c，当v[1]+m[2][c-w[1]]>m[1][c]时，m[1][c]=v[1]+m[2][c-w[1]]，b[1][c]=1。

b. 否则，m[1][c]=m[2][c]，b[1][c]=0。

6. 输出最优解的价值Best Value: m[1][c]。

7. 利用b数组求解最优解的向量，具体步骤为：

a. 初始化j为c。

b. 从i=1到n遍历物品i：

i. 当b[i][j]=1时，将x[i]=1。

ii. 否则，将x[i]=0。

iii. 更新j的值：j-=x[i]*w[i]。

8. 输出最优解的向量Best Solution: x[1]...x[n]。

该算法的时间复杂度为O(n*c)，空间复杂度为O(n*c)，其中n为物品数量，c为背包容量。该算法使用动态规划思想，避免了暴力搜索所有方案的复杂度过高的问题，大大提高了算法效率。