在线装箱问题是优化问题的一种，其中的目标是最大化地利用容器空间来放置物品，通常用于物流和库存管理。这里有三种常见的算法：下项适应（First Fit）、首次适应（Best Fit），以及最佳适应（First Fit Decreasing）。请写一个关于这些算法的实例

在线装箱问题中，有几种经典的装载策略，如"下项适应"（First Fit）、"首次适应"（Best Fit）和"最佳适应"（First Fit Decreasing）：

1. **下项适应（First Fit, FF）**[^1]: 这是最简单的策略，每次尝试将下一个物品放入第一个能容纳它的空箱子。这种方法简单但可能不是最有效的，因为较大的物品可能会阻碍后续较小物品的安置。

   - 假设有一个固定大小的箱子和一系列物品...

2. **首次适应（Best Fit, BF）**[^2]: 它会寻找最适合当前物品的箱子，即使这可能导致早先选择的箱子未满。这种策略通常能提高空间效率，因为它总是试图让每个箱子都能充分利用。

   - 例如，对于BF，你会优先填满一个恰好能放下新物品的箱子...

3. **最佳适应（First Fit Decreasing, FFD）**: 又称为倒序首次适应法，它从大到小对物品进行排序，然后按照FF的方式装载。这样可以避免大的占位者阻碍小物品的插入。

   - 对于FFD，先从最大的物品开始查找...

以上三种策略在实际应用中需权衡效率与计算成本，具体哪种更适合取决于问题的具体需求和约束条件。