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

这是一个经典的背包问题，可以使用动态规划来解决。

定义一个二维数组dp，其中dp[i][j]表示前i个物品放入容量为j的背包中可以获得的最大价值。

状态转移方程为：

- 如果第i个物品重量大于当前背包容量j，则不能放入背包中，dp[i][j] = dp[i-1][j]；
- 如果第i个物品重量小于等于当前背包容量j，则可以选择放或者不放，取两者中的最大值，即dp[i][j] = max(dp[i-1][j], dp[i-1][j-wi] + vi)。

最后，dp[n][W]就是能获得的最大价值。同时，我们可以借助dp数组来输出获得最大价值时每种物品是否在背包内。

具体实现如下：

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
for i in range(1, n+1):
    for j in range(1, W+1):
        if w[i-1] > j:
            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])

# 输出最大价值
print(dp[n][W])

# 输出每种物品是否在背包内
x = n
y = W
while x > 0 and y > 0:
    if dp[x][y] == dp[x-1][y]:
        print("第{}个物品不在背包中".format(x))
    else:
        print("第{}个物品在背包中".format(x))
        y -= w[x-1]
    x -= 1