背包问题是一个经典的动态规划问题，可以通过动态规划的方法求解。下面是一个示例代码，用于解决将所有物品的价值替换的背包问题：

def knapsack(weights, values, capacity):
    n = len(weights)
    dp = [[0] * (capacity + 1) for _ in range(n + 1)]
    
    for i in range(1, n + 1):
        for j in range(1, capacity + 1):
            if weights[i - 1] <= j:
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - weights[i - 1]] + values[i - 1])
            else:
                dp[i][j] = dp[i - 1][j]
    
    return dp[n][capacity]

这段代码中，weights是物品的重量列表，values是物品的价值列表，capacity是背包的容量。dp是一个二维数组，用于保存计算的结果。其中，dp[i][j]表示在前i个物品中，背包容量为j时能够获得的最大价值。

在代码的主循环中，我们遍历物品和背包容量的组合，根据当前物品的重量和价值以及背包容量的限制，更新dp数组中的值。最后返回dp[n][capacity]即为问题的解。

这段代码的时间复杂度为O(n * capacity)，其中n为物品的数量，capacity为背包的容量。