背包问题是一个经典的动态规划问题，其中背包具有可变重量的要求可以通过二维数组来实现。下面是一个示例的解决方法，使用Python编写：

def knapsack(weight, value, capacity):
    n = len(weight)
    # 创建一个二维数组来保存子问题的最优解
    dp = [[0] * (capacity + 1) for _ in range(n + 1)]
    
    for i in range(1, n + 1):
        for j in range(1, capacity + 1):
            # 如果当前物品的重量小于等于背包容量，则可以选择装入背包或不装入背包
            if weight[i - 1] <= j:
                dp[i][j] = max(value[i - 1] + dp[i - 1][j - weight[i - 1]], dp[i - 1][j])
            # 如果当前物品的重量大于背包容量，则只能选择不装入背包
            else:
                dp[i][j] = dp[i - 1][j]
    
    return dp[n][capacity]

# 测试代码
weight = [2, 3, 4, 5]
value = [3, 4, 5, 6]
capacity = 8
result = knapsack(weight, value, capacity)
print("背包问题的最优解为：", result)

上述代码中，weight列表存储了每个物品的重量，value列表存储了每个物品的价值，capacity表示背包的容量。函数knapsack使用动态规划的思想来求解背包问题，最后返回背包问题的最优解。

该算法的时间复杂度为O(n*capacity)，其中n表示物品的个数。