将上述程序改为用队列式分支限界法设计出来

将0-1背包问题改用队列式分支限界法（Branch and Bound）需要将递归搜索转换为广度优先搜索，同时使用一个优先级队列来存储待探索的状态，通常使用最小堆来保证效率。以下是基本的步骤：

1. 定义一个结构体来包含状态信息，包括当前物品、背包剩余容量和已计算出的价值。
2. 创建一个优先队列，用于存储（价值，剩余容量，当前物品）元组，初始状态下，放 `(0, C, 0)` 进去。
3. 在循环中，每次从队列中取出价值最高的状态 `(value, remaining_capacity, item)`，如果 `remaining_capacity` 大于 `weight[item]`，说明可以继续选择下一个物品，更新剩余容量，并将新的状态压入队列；否则，如果没有物品可以选择，返回当前最大价值。
4. 每次从队列中移除元素时，也需要检查是否有更优解，即是否有其他路径可能导致更高的价值，如果有，更新队列中的最优解。
5. 当队列为空时，搜索结束。

下面是使用队列式分支限界法的简化版C++代码：

#include <queue>
#include <vector>
using namespace std;

struct State {
    int val, capacity, item;
};

bool compareStates(const State& a, const State& b) {
    return a.val < b.val; // 按价值升序排序
}

State branchAndBound(int weight[], int value[], int n, int W) {
    priority_queue<State, vector<State>, decltype(compareStates)> pq(compareStates);
    pq.push({0, W, 0});

    while (!pq.empty()) {
        State s = pq.top(); pq.pop();
        int value = s.val, capacity = s.capacity, item = s.item;

        // 如果无法再添加物品，检查是否是最优解
        if (item == n) continue;

        // 如果物品过重，跳过
        if (capacity < weight[item])
            continue;

        // 添加下一件物品并更新剩余容量
        pq.push({value + value[item], capacity - weight[item], item + 1});
        
        // 更新当前最优解
        if (value < pq.top().val) {
            pq.pop();
            pq.push(s);
        }
    }

    return pq.top(); // 返回最后一个队列元素（即最优解）
}

int main() {
    int weight[] = {60, 100, 120};
    int value[] = {100, 200, 150};
    int n = sizeof(weight)/sizeof(weight[0]);
    int C = 50;

    State optimalSolution = branchAndBound(weight, value, n, C);
    cout << "Optimal value: " << optimalSolution.val << endl;
    cout << "Items: ";
    while (optimalSolution.item--) {
        cout << optimalSolution.item << " ";
    }
    cout << "\n";

    return 0;
}

注意，队列式分支限界法相比于单纯动态规划，它会避免不必要的搜索，但实现起来更复杂一些。对于小规模问题，直接动态规划可能更高效。