最优装载问题： 问题描述：某艘船的载重量为C，每件物品的重量为wi，要将尽量多的物品装入到船上。 给出其解题思路及算法分析

这是一个经典的背包问题，可以使用动态规划算法进行求解。

算法思路：

1. 定义状态：设dp[i][j]表示前i个物品装入载重量为j的背包中所能获得的最大价值。

2. 状态转移方程：对于第i个物品，可以选择装入或者不装入背包中。如果不装入，则dp[i][j]=dp[i-1][j]；如果装入，则dp[i][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]表示第i个物品的价值。

3. 边界条件：dp[0][j]=0，dp[i][0]=0。

4. 最终结果：dp[n][C]，其中n表示物品的数量。

时间复杂度为O(nC)，空间复杂度为O(nC)。

具体实现可以参考以下代码：

def knapsack(C, w, v):
    n = len(w)
    dp = [[0 for j in range(C+1)] for i in range(n+1)]
    for i in range(1, n+1):
        for j in range(1, C+1):
            if j >= w[i-1]:
                dp[i][j] = max(dp[i-1][j], dp[i-1][j-w[i-1]]+v[i-1])
            else:
                dp[i][j] = dp[i-1][j]
    return dp[n][C]

其中，C为船的载重量，w和v分别为物品的重量和价值，均为列表类型。