用贪心算法解决已知有n种物品和一个可容纳M重量的背包,每种物品i的重量为wi。假定将物品i的一部分xi放入背包就会得到pixi的效益,这里，0≤xi≤1，pi>0.如果这些物品重量的和大于M,要求所有选中要装入背包的物品总重量不得超过M,且装入背包物品获得的总价值最大。实验报告包括设计分析、算法描述与程序、测试分析与总结，字数3000字

1. 设计分析

本题需要我们使用贪心算法解决，贪心算法的核心思想是每次选择局部最优解，最终得到全局最优解。

对于本题来说，我们可以将物品按照单位重量的效益从大到小排序，然后依次将单位重量效益最大的物品放入背包中，直到背包放满为止。如果当前要放入背包的物品重量超过了背包剩余的容量，我们只能将该物品的一部分放入背包中，使得背包恰好装满。

算法的时间复杂度为O(nlogn)，其中n为物品数量，logn为排序算法的时间复杂度。

2. 算法描述与程序

算法描述：

1. 将物品按照单位重量的效益从大到小排序。
2. 依次将单位重量效益最大的物品放入背包中，直到背包放满为止。
3. 如果当前要放入背包的物品重量超过了背包剩余的容量，我们只能将该物品的一部分放入背包中，使得背包恰好装满。

程序实现：

def fractional_knapsack(n, m, w, p):
    # 按照单位重量的效益从大到小排序
    items = sorted(zip(w, p), key=lambda x: x[1]/x[0], reverse=True)
    # 初始化背包剩余容量
    remain = m
    # 初始化最大总价值
    max_value = 0
    # 依次将单位重量效益最大的物品放入背包中，直到背包放满为止
    for i in range(n):
        if remain >= items[i][0]:
            max_value += items[i][1]
            remain -= items[i][0]
        else:
            max_value += items[i][1] * remain / items[i][0]
            break
    return max_value

3. 测试分析与总结

我们可以通过以下测试数据来验证算法的正确性：

n = 5, m = 10, w = [2, 3, 4, 5, 6], p = [6, 8, 7, 5, 9]

按照上述算法实现后，得到的最大总价值为 29.5，与期望值相同。

通过对贪心算法实现的分析，我们可以发现，贪心算法是一种简单而有效的算法，适用于解决许多实际问题。但是需要注意的是，贪心算法并不是万能的，它只能求解满足贪心策略的最优解，而不能保证得到全局最优解。因此在实际应用中，需要根据具体问题进行分析，并结合其他算法进行求解。