'''
转换为最大权闭合子图问题求解
所有试验是正权点，所有器材是负权点，正权点对一些负权点有依赖，负权点没有对外依赖
因此最后选择的方案一定是一个闭合点集
直接用最大权闭合子图模型求解即可
'''


from typing import List
from collections import deque

class FortdFulkerson:
    # 输入图中所有边列表[(from1, to1, weight1), (form2, to2, weight2), ......]
    # 边可以有重边和自环边
    # souece_node 和 end_node 分别为源点和汇点
    # 所有节点从1开始连续编号, max_node_num是最大节点数，max_edge_nums是最大边数
    def __init__(self, edges, source_node, end_node, max_node_num, max_edge_num):
        self.edges = edges[::]
        self.source_node = source_node
        self.end_node = end_node
        self.max_edge_num = max_edge_num
        self.max_node_num = max_node_num

    # 获取最小割的划分方案，返回最小割容量以及两个列表，第一个列表为和源点在一个集合中的所有点，第二个列表是和汇点在同一个集合中的所有点
    def getMinCut(self):
        e = [-1] * (self.max_edge_num * 2 + 1)          # e[idx]表示编号为idx残量图边的终点, idx//2 就是残量图边对应的原图边的编号
        f = [-1] * (self.max_edge_num * 2 + 1)          # f[idx]表示编号为idx的残量图边的流量
        ne = [-1] * (self.max_edge_num * 2 + 1)         # ne[idx]表示根编号为idx的边同一个起点的下一条边的编号
        h = [-1] * (self.max_node_num + 1)              # h[a]表示节点a为起点的所有边的链表头对应的边的编号
        dis = [-1] * (self.max_node_num + 1)            # dis[a]表示点a到源点的距离，用于记录分层图信息
        cur = [-1] * (self.max_node_num + 1)            # cur[a]表示节点a在dfs搜索中第一次开始搜索的边的下标，也称当前弧，用于优化dfs速度

        idx = 0
        for a, b, w in self.edges:
            e[idx], f[idx], ne[idx], h[a] = b, w, h[a], idx
            idx += 1
            e[idx], f[idx], ne[idx], h[b] = a, 0, h[b], idx
            idx += 1

        # bfs搜索有没有增广路
        def bfs() -> bool:
            for i in range(self.max_node_num + 1):
                dis[i] = -1

            que = deque()
            que.append(self.source_node)
            dis[self.source_node] = 0
            cur[self.source_node] = h[self.source_node]

            while len(que) > 0:
                cur_node = que.popleft()
                idx = h[cur_node]
                while idx != -1:
                    next_node = e[idx]
                    if dis[next_node] == -1 and f[idx] > 0:
                        dis[next_node] = dis[cur_node] + 1
                        cur[next_node] = h[next_node]
                        if next_node == self.end_node:
                            return True

                        que.append(next_node)

                    idx = ne[idx]

            return False

        # dfs查找增广路, 返回当前残量图上node节点能流入汇点的不超过limit的最大流量有多事少
        def dfs(node, limit) -> int:
            if node == self.end_node:
                return limit

            flow = 0
            idx = cur[node]  # 从节点的当前弧开始搜索下一个点
            while idx != -1 and flow < limit:
                # 当前弧优化，记录每一个节点最后走的一条边，只要limit还没有减成0，已经搜过的边的终点
                # 能够汇入汇点的流量就已经全部用完了，另外一条路径到同一个点时候没必要重复搜索已经不会
                # 再提供流量贡献的邻接点
                cur[node] = idx

                next_node = e[idx]
                if dis[next_node] == dis[node] + 1 and f[idx] > 0:
                    t = dfs(next_node, min(f[idx], limit - flow))
                    if t == 0:
                        # 已经无法提供流量的废点闪删除掉，不再参与搜索
                        dis[next_node] = -1

                    # 更新残量图边的流量
                    f[idx], f[idx ^ 1], flow = f[idx] - t, f[idx ^ 1] + t, flow + t

                idx = ne[idx]

            return flow

        min_cut_cap = 0
        while bfs():
            # 只要还有增广路，就dfs把增广路都找到，把增广路上的流量加到可行流上
            min_cut_cap += dfs(self.source_node, 0x7fffffff)

        visit = [0] * (self.max_node_num + 1)
        def travel(cur):
            visit[cur] = 1

            idx = h[cur]
            while idx != -1:
                next_node = e[idx]
                if visit[next_node] == 0 and f[idx] > 0:
                    travel(next_node)

                idx = ne[idx]

        travel(self.source_node)
        s_nodes = [node for node in range(1, self.max_node_num+1) if visit[node] == 1]
        t_nodes = [node for node in range(1, self.max_node_num+1) if visit[node] == 0]

        return min_cut_cap, s_nodes, t_nodes


m, n = map(int, input().split())
S, T = m+n+1, m+n+2
edges = []

pos_node_sum = 0
for i in range(1, m+1):
    arr = list(map(int, input().split()))
    edges.append((S, i, arr[0]))
    pos_node_sum += arr[0]
    for node in arr[1:]:
        edges.append((i, node+m, 0x7fffffff))

arr = list(map(int, input().split()))
for i, val in enumerate(arr):
    edges.append((i+1+m, T, val))

min_cut_cap, s_nodes, _ = FortdFulkerson(edges, S, T, m+n+2, len(edges)).getMinCut()
max_profit = pos_node_sum - min_cut_cap


pos_nodes = []
neg_nodes = []
for node in s_nodes:
    if node >= 1 and node <= m:
        pos_nodes.append(node)
    elif node >= m+1 and node <= m+n:
        neg_nodes.append(node - m)

for node in pos_nodes:
    print(node, end=' ')
print()

for node in neg_nodes:
    print(node, end=' ')
print()
print(max_profit)