可以使用动态规划算法解决这个问题。首先需要定义状态转移方程，即设计动态转移方程的过程。假设dp[i][j]表示在前i个物品中，选择一些物品放入容量为j的背包中能够获得的最大价值，转移方程如下：

dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i]]+v[i])

其中，w[i]表示第i个物品的重量，v[i]表示这个物品的价值，max表示取两者之间的最大值。dp[i-1][j]表示不取第i个物品时的最大价值，可以直接继承。dp[i-1][j-w[i]]+v[i]表示取第i个物品时的最大价值，要将第i个物品的重量w[i]从容量j中减去，然后加上第i个物品的价值v[i]。

最终，返回dp[n][m]，其中n表示物品的个数，m表示背包的容量。下面给出具体实现的Python代码示例：

def different_paths_sack(n, m, paths): dp = [0] * (m+1) for path in paths: for j in range(m, -1, -1): for i in range(len(path)): if j >= path[i][0]: dp[j] = max(dp[j], dp[j-path[i][0]] + path[i][1]) return dp[m]

其中，n表示物品的个数，m表示背包的容量，paths为一个数组，包含了不同的路径。每个路径是一个二维数组，其中每个元素表示(重量, 价值)。最终返回的是能够获得的最大价值。