给定n种物品和一背包。物品i的重量是wi，其价值为vi，背包的容量为C。问应如何选择装入背包的物品，使得装入背包中物品的总价值最大? （在选择物品装入背包 时，对每种物品只有两种选择，全部装入或不装入背包） 用回溯算法求解该问题，找出问题的最优值和最优解。用编程语言实现该算法。

好的，我明白了你的问题。这是一个经典的背包问题，可以使用回溯算法来解决。具体算法流程如下：

1. 定义一个全局变量maxValue，用于记录当前最优解的总价值。
2. 定义一个数组visited，长度为n，用于记录每个物品是否已经被选择。初始时visited数组的所有元素都为false。
3. 定义一个函数backtrack，用于递归地搜索所有可能的解。
4. 在backtrack函数中，首先判断当前所选物品的总价值是否大于maxValue，如果是，则更新maxValue。
5. 然后，从未被选择的物品中选择一个物品，将其标记为已选择，并递归调用backtrack函数。
6. 在递归调用返回后，将该物品标记为未选择，继续循环选取下一个未被选择的物品。
7. 当所有物品都被循环过后，backtrack函数返回。

下面是该算法的 Python 实现代码：

maxValue = 0

def backtrack(w, v, C, visited, curValue, curWeight, n):
    global maxValue
    
    if curWeight > C:
        return
    if curValue > maxValue:
        maxValue = curValue
        
    for i in range(n):
        if not visited[i]:
            visited[i] = True
            backtrack(w, v, C, visited, curValue+v[i], curWeight+w[i], n)
            visited[i] = False

def knapsack(w, v, C):
    n = len(w)
    visited = [False] * n
    backtrack(w, v, C, visited, 0, 0, n)
    return maxValue

其中，w 和 v 分别是物品的重量和价值，C 是背包的容量，n 是物品的数量。调用 knapsack 函数即可得到最优解的总价值。