编写一个C语言程序，解决背包问题：给定一个背包容量M（例如150），七种可无限分割的物品，每种物品都有一个价值和体积，目标是在不超过背包容量的前提下，如何组合物品以获得最大的总价值？请提供相应的C代码实现和算法思路。

这是一个典型的动态规划问题，通常被称为"0-1背包"问题。我们可以使用动态规划的表格法来解决它。以下是C语言的代码实现以及算法思路：

#include <stdio.h>
#include <limits.h>

// 定义物品结构体
typedef struct {
    int value; // 物品价值
    int weight; // 物品体积
} Item;

// 动态规划函数
int knapsack(int capacity, Item items[], int n) {
    int dp[capacity + 1]; // dp数组，存储背包容量从0到M时的最大价值

    // 初始化dp数组，所有负容量值设为0
    for (int i = 0; i <= capacity; i++) {
        dp[i] = 0;
    }

    // 遍历每个物品，对于每个物品，有两种选择：包含或不包含
    for (int i = 1; i <= n; i++) {
        for (int j = items[i].weight; j <= capacity; j++) {
            // 如果包含该物品，当前容量变为剩余容量，考虑剩余容量下的最大价值
            dp[j] = max(dp[j], dp[j - items[i].weight] + items[i].value);
        }
    }

    return dp[capacity]; // 返回背包容量为M时的最大价值
}

int main() {
    Item items[] = {{60, 50}, {100, 40}, {40, 10}, {120, 30}, {80, 20}, {150, 70}, {180, 90}};
    int n = sizeof(items) / sizeof(items[0]);
    int capacity = 150;
    printf("背包内物品的最大价值为：%d\n", knapsack(capacity, items, n));

    return 0;
}

算法思路：
1. 初始化一个长度为背包容量+1的dp数组，用于存储每个容量下背包的最大价值。
2. 对于每个物品，遍历其可能的放置情况，如果包含当前物品，则背包容量减去它的体积，同时加上它的价值；如果不包含，就保持原容量不变。
3. 比较包含和不包含当前物品两种情况下，哪一种能得到更大的价值，将较大者存入dp数组对应位置。
4. 当处理完所有物品后，dp数组的最后一个元素就是所求的最大价值。