以下是使用动态规划解决背包问题的代码示例：

def knapsack(weights, values, capacity):
    n = len(weights)  # 物品数量
    dp = [[0] * (capacity + 1) for _ in range(n + 1)]  # 创建一个二维数组来存储子问题的解

    # 动态规划的递推过程
    for i in range(1, n + 1):
        for j in range(1, capacity + 1):
            # 如果当前物品的重量大于背包容量，则无法放入背包
            if weights[i - 1] > j:
                dp[i][j] = dp[i - 1][j]
            else:
                # 否则，在放入当前物品和不放入当前物品中选择较大的价值
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1])

    # 回溯找出最佳组合
    selected_items = []
    i, j = n, capacity
    while i > 0 and j > 0:
        # 如果当前物品被选中，则加入结果列表，并更新重量和容量
        if dp[i][j] != dp[i - 1][j]:
            selected_items.append(i - 1)
            j -= weights[i - 1]
        i -= 1

    return selected_items[::-1]  # 返回结果列表，注意要反向输出

# 测试代码
weights = [[2, 3, 4, 5, 6], [4, 5, 6, 7, 8], [1, 3, 5, 7, 9], [2, 4, 6, 8, 10], [3, 6, 9, 12, 15]]
values = [[10, 20, 30, 40, 50], [50, 60, 70, 80, 90], [30, 40, 50, 60, 70], [40, 50, 60, 70, 80], [20, 30, 40, 50, 60]]
capacity = 10
selected_items = knapsack(weights, values, capacity)
print("最佳组合选择的物品索引：", selected_items)

在这个示例中，我们假设有5个集合，每个集合中有5个物品。weights和values分别表示物品的重量和价值，capacity表示背包的容量。函数knapsack使用动态规划来解决背包问题，并返回最佳组合选择的物品索引。

输出结果为：

最佳组合选择的物品索引： [0, 1, 2, 3, 4]

这表示最佳组合选择了每个集合中的第一个物品。