题目描述：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 。输入： 第一行两个数，N和W，N表示物品的个数，W表示容量限制 接下来N行，每行两个数，分别是wi和vi，分别表示第i个物品的重量和价值 。输出： 第一行一个数，为最大价值 第二行N个数，依次表示各个物品的是否放在背包里（0表示不放，1表示放），如果有多种方案，取字典序

这道题可以使用动态规划来解决。定义一个二维数组dp[i][j]表示前i个物品放入容量为j的背包中能获得的最大价值。则有以下状态转移方程：

- 如果不放第i个物品，则dp[i][j] = dp[i-1][j]
- 如果放第i个物品，则dp[i][j] = dp[i-1][j-wi] + vi

取两者的最大值即可，即dp[i][j] = max(dp[i-1][j], dp[i-1][j-wi] + vi)。

最后，从dp[n][w]开始，根据状态转移方程倒推出每个物品是否在背包里，具体实现可以参考下面的代码：

n, w = map(int, input().split())

# 初始化dp数组
dp = [[0] * (w+1) for _ in range(n+1)]

# 读入物品信息
items = [(0, 0)]
for i in range(n):
    wi, vi = map(int, input().split())
    items.append((wi, vi))

# 动态规划求解最大价值
for i in range(1, n+1):
    for j in range(1, w+1):
        if j >= items[i][0]:
            dp[i][j] = max(dp[i-1][j], dp[i-1][j-items[i][0]] + items[i][1])
        else:
            dp[i][j] = dp[i-1][j]

# 输出最大价值
print(dp[n][w])

# 输出每个物品是否在背包里
chosen = [0] * (n+1)
j = w
for i in range(n, 0, -1):
    if dp[i][j] > dp[i-1][j]:
        chosen[i] = 1
        j -= items[i][0]
for i in range(1, n+1):
    print(chosen[i], end=" ")

时间复杂度为O(nw)，空间复杂度为O(nw)。由于n的范围比较小，本题可以通过此方法AC。