背包问题是一种经典的组合优化问题，其目的是在给定的物品集合中选择一些物品放入一个容量有限的背包中，使得所选物品的价值之和最大。背包问题有多种变种，其中最基本的是0/1背包问题。在动态规划中，可以通过递推式来求解0/1背包问题的最优解。以下为Python代码示例：

def knapsack(W, wt, val, n):
    """
    W: 背包容量
    wt: 每个物品的重量
    val: 每个物品的价值
    n: 物品数量
    """
    dp = [[0 for _ in range(W+1)] for _ in range(n+1)]
    # 动态规划递推式
    for i in range(1, n+1):
        for j in range(1, W+1):
            if j < wt[i-1]:
                dp[i][j] = dp[i-1][j]
            else:
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-wt[i-1]] + val[i-1])
    return dp[n][W]

以上代码展示了如何使用动态规划来解决0/1背包问题，时间复杂度为 $O(nW)$。在实际应用中，还可以采用贪心算法或者分支定界法来求解不同的背包问题变种。