贪心算法若在0-1背包问题中，各物品依重量递增排列时，其价值恰好依递减序排列。对这个特殊0-1背包问题设计一个有效算法找出最优解，并说明算法的正确性，分析算法的时间复杂度。java代码

当0-1背包问题满足“价值非负，且重量递增、价值也递减”的条件时，贪心算法确实可以找到最优解。在这种情况下，我们可以采用称为“最值优先”或“最大剩余价值优先”的策略。

算法步骤如下：

1. 初始化：设定一个空的结果数组，用于存放选择的物品和它们的总价值。
2. 遍历物品列表：从最轻的物品开始，检查当前背包容量是否足够装下这件物品。如果可以，就选择它并将剩余的容量用于下一件更小的价值的物品；如果不可以，就不选。
3. 更新结果：每一步都更新结果数组中的最大价值，即已选择物品的价值之和。

**算法的正确性**：
这个算法基于这样一个事实：对于给定的剩余容量，总是会选择价值密度最大的物品（即单位重量的价值最高）。由于价值密度是递减的，所以在遍历过程中，我们总是选择当前状态下价值最高的物品，直到无法再装入任何物品为止。这保证了最终选择的是总价值最大的组合。

**时间复杂度**：
因为我们需要遍历所有物品一次，并在每个物品上做常数时间的操作（如比较和添加），所以时间复杂度是O(n)，其中n是物品的数量。

以下是简单的Java代码实现：

public int knapsack(int[] weights, int[] values, int capacity) {
    int[] result = new int[capacity + 1];
    for (int i = 0; i <= capacity && i < weights.length; i++) {
        if (weights[i] <= capacity) { // 如果当前物品能完全装下
            int takeIt = result[capacity - weights[i]] + values[i]; // 取还是不取
            result[capacity] = Math.max(result[capacity], takeIt);
        }
        result[i] = result[i - 1]; // 不选则保持之前的最大价值
    }
    return result[capacity];
}

在这个代码中，`weights`表示物品的重量数组，`values`表示物品的价值数组，`capacity`是背包的容量。`result`数组存储着每个状态下的最大价值。