编写背包问题（不限制物品数量）的python代码，要求：构建相关函数代码，根据给定实例正确输入输出。实例输入：各种物品价值：各种物品重量：背包限重：输出：最大价值、各物品选取数量

编写一个无限制物品数量（也可以理解为背包允许无限次取用同种物品）的背包问题解决方案，我们可以使用Python的字典数据结构来跟踪物品的选择和它们对最终价值的贡献。下面是一个简单的示例代码，它使用了模拟退火算法作为优化方法：

import random

def value_of_item(item_value, weight, capacity):
    return item_value * min(capacity // weight, 1)  # 由于可以无限取用，取整除后的结果就是取的数量

def simulate_annealing(items, capacity):
    initial_state = {item: 0 for item in items}  # 初始状态下所有物品都不选
    current_temperature = capacity * len(items)
    T_min = 1e-6  # 最低温度
    steps = 10000  # 迭代次数

    for _ in range(steps):
        # 随机选择一个物品
        i = random.choice(list(items.keys()))
        old_weight = sum(value_of_item(v, w, capacity) for v, w in items.items() if items[i] > 0)

        # 变换策略：增加或减少物品
        new_weight = old_weight + value_of_item(items[i], items[i], capacity) - value_of_item(items[i], items[i], old_weight)
        delta = new_weight - old_weight
        if delta <= 0 or random.random() < math.exp(-delta / current_temperature):  # 接受变换
            items[i] += 1
        else:
            items[i] -= 1

        # 降低温度
        current_temperature *= 0.99  # 降温

    return items, sum(value_of_item(v, w, capacity) for v, w in items.items())

# 示例输入
items_values = {'A': 60, 'B': 100, 'C': 120}
items_weights = {'A': 10, 'B': 20, 'C': 30}
capacity = 50

solution, total_value = simulate_annealing({item: 0 for item in items_values}, capacity)
print(f"最大价值：{total_value}")
print(f"物品选取数量：{solution}")

在这个例子中，`simulate_annealing` 函数接收物品的值和重量以及背包的容量，返回一个字典，其中键是物品名称，值是选取的数量。请注意，这个算法并不是精确求解，而是基于概率的近似优化方法，结果可能会因为随机性而有所不同。