背包问题是一个经典的动态规划问题，其目标是在给定一组物品和一个背包的容量下，找到最有价值的物品组合，使得其总重量不超过背包容量。

以下是一个使用动态规划解决背包问题的示例代码：

def knapsack(items, capacity):
    n = len(items)  # 物品数量
    dp = [[0] * (capacity + 1) for _ in range(n + 1)]  # 动态规划表格

    for i in range(1, n + 1):
        weight, value = items[i - 1]
        for j in range(1, capacity + 1):
            if j >= weight:
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weight] + value)
            else:
                dp[i][j] = dp[i - 1][j]
    
    # 回溯找到最优解的物品组合
    selected_items = []
    i, j = n, capacity
    while i > 0 and j > 0:
        if dp[i][j] != dp[i - 1][j]:
            weight, value = items[i - 1]
            selected_items.append((weight, value))
            j -= weight
        i -= 1

    return dp[n][capacity], selected_items

# 示例调用
items = [(2, 3), (3, 4), (4, 5), (5, 6)]  # 物品列表，每个物品表示为(重量, 价值)
capacity = 8  # 背包容量

max_value, selected_items = knapsack(items, capacity)
print("最大总价值:", max_value)
print("选择的物品组合:", selected_items)

在上述示例中，knapsack函数接受一个物品列表和一个背包容量作为输入，返回最大总价值和选择的物品组合。代码使用一个二维数组dp来保存中间结果，其中dp[i][j]表示前i个物品在背包容量为j时的最大总价值。通过动态规划的思想，依次计算每个物品在不同背包容量下的最大总价值。最后，通过回溯找到最优解的物品组合。