利用动态规划思想解决背包问题，给出伪代码和时间复杂度分析

伪代码：

function knapsack(weights[], values[], capacity):
    n = length(weights)
    dp = new 2D array[n+1][capacity+1]
    
    // 初始化第一行和第一列
    for j from 0 to capacity:
        dp[0][j] = 0
    for i from 1 to n:
        dp[i][0] = 0
        
    // 动态规划
    for i from 1 to n:
        for j from 1 to capacity:
            if weights[i-1] > j:
                dp[i][j] = dp[i-1][j]
            else:
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-weights[i-1]] + values[i-1])
                
    return dp[n][capacity]

时间复杂度分析：

该算法使用了二维数组来存储子问题的解，因此空间复杂度为O(nc)，其中c为背包容量，n为物品数量。时间复杂度为O(nc)，因为算法使用了两重循环来遍历所有子问题。因此，该算法在处理较小的背包问题时效率较高，但在处理较大的问题时，时间和空间复杂度都会增加。