为背包问题自底向上的动态规划算法及从生成的表格中求最优子集的伪代码。 ‏ ‏ ‏

好的，以下是背包问题的自底向上动态规划算法及从生成的表格中求最优子集的伪代码：

// 背包问题的自底向上动态规划算法
function knapsack(n, W, w, v):
    dp = 二维数组，大小为 (n+1) x (W+1)
    初始化 dp[0][j] = 0 (0 <= j <= W)
    初始化 dp[i][0] = 0 (1 <= i <= n)

    for i = 1 to n:
        for j = 1 to W:
            if j < w[i-1]:
                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])

    // 从生成的表格中求最优子集
    res = dp[n][W]
    j = W
    items = 空数组
    for i = n to 1:
        if res == dp[i-1][j]:
            continue
        else:
            items.push(i-1)
            res -= v[i-1]
            j -= w[i-1]

    // 输出最优子集
    输出 "最优子集："
    for i = items.size()-1 to 0:
        输出 items[i]
    输出换行

    返回 dp[n][W]

以上代码使用了动态规划的思想，使用二维数组 `dp` 记录了每个子问题的最优解，最后根据生成的表格求出了最优子集。其中 `n` 表示物品的数量，`W` 表示背包的容量，`w` 数组存储物品的重量，`v` 数组存储物品的价值。