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。c++

以下是使用动态规划算法解决0-1背包问题的C++代码，其中包括了输出装入物品的对应指示向量的实现：

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

int main() {
    int n, w;
    cin >> n >> w;
    vector<int> v(n+1), c(n+1);
    for(int i = 1; i <= n; i++) {
        cin >> v[i] >> c[i];
    }
    vector<vector<int>> dp(n+1, vector<int>(w+1));
    vector<vector<bool>> path(n+1, vector<bool>(w+1));
    for(int i = 1; i <= n; i++) {
        for(int j = 1; j <= w; j++) {
            if(c[i] <= j) {
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-c[i]]+v[i]);
                if(dp[i-1][j] < dp[i-1][j-c[i]]+v[i]) {
                    path[i][j] = true;
                }
            } else {
                dp[i][j] = dp[i-1][j];
            }
        }
    }
    vector<int> res(n+1, 0);
    int j = w;
    for(int i = n; i >= 1; i--) {
        if(path[i][j]) {
            res[i] = 1;
            j -= c[i];
        }
    }
    cout << "The maximum value is: " << dp[n][w] << endl;
    cout << "The selected items are: ";
    for(int i = 1; i <= n; i++) {
        if(res[i] == 1) {
            cout << i << " ";
        }
    }
    cout << endl;
    return 0;
}

在上述代码中，我们使用了两个二维数组`dp`和`path`，其中`dp[i][j]`表示前i个物品放入容量为j的背包中所能获得的最大价值，`path[i][j]`表示第i个物品是否被放入背包中。首先，我们初始化`dp[0][j]`和`dp[i][0]`均为0，然后对于每个物品i，我们分别考虑是否将其放入背包中。若将其放入，则可以获得`dp[i-1][j-c[i]]+v[i]`的价值，其中`dp[i-1][j-c[i]]`为前i-1个物品放入容量为j-c[i]的背包中所能获得的最大价值，加上v[i]即为将第i个物品放入背包中所能获得的价值。若不将其放入，则直接继承`dp[i-1][j]`的价值即可。最终，我们需要输出最大价值以及被选中的物品编号。

该算法的时间复杂度为O(nw)，空间复杂度也为O(nw)。由于需要使用二维数组进行存储，因此当n和w较大时，该算法可能会面临内存不足的问题。