【算法设计背包问题】主要涉及的是在有限容量的背包中，如何通过选择物品来最大化价值的问题，这通常被称为0-1背包问题。在这个问题中，每个物品都有一个重量和一个价值，目标是使得装入背包的物品总重量不超过背包的最大容量，同时最大化物品的总价值。贪心算法是一种解决问题的方法，它每次做出局部最优的选择，期望最终得到全局最优解。
在给出的Java代码中，首先定义了一个`pa`类，用于存储每个物品的属性：价格`p`、重量`w`和选取比例`x`。`main`方法中首先读取物品数量`n`和背包最大容量`c`，然后创建一个`pa`对象数组`good`，并分别输入每个物品的重量和价格。接着，计算每个物品的价值密度（价值/重量），并根据价值密度对物品进行排序，这是贪心算法的核心部分，因为价值密度高的物品优先被考虑。
排序完成后，遍历整个物品列表，对于每个物品，如果其重量小于等于背包剩余容量，则可以完全放入背包，否则按剩余容量的比例放入背包。将每个物品的选取比例以字符串形式输出。
活动安排问题也是贪心算法的一个应用。给定一系列活动，每个活动有开始时间和结束时间，目标是在不冲突的情况下，选择尽可能多的活动参加。这里的贪心策略是选择结束时间最早的活动，因为如果一个活动能在当前活动结束后开始，那么它一定是能被选中的。
在给出的`action`类中，首先定义了一个布尔数组`a`，表示每个活动是否被选中。初始化时，选择最早结束的活动，并将其标记为选中。之后，遍历所有活动，如果新活动的开始时间晚于或等于最近一次选中的活动的结束时间，就将新活动选中，更新最近选中的活动号，并增加选中活动的数量。将选中状态以字符串形式输出，并返回选中活动的数量。
这两个问题都体现了贪心算法的思想，即每次选择局部最优解，希望最终达到全局最优。然而，贪心算法并不总是能得到全局最优解，但在特定条件下，如背包问题和活动安排问题中，贪心策略能保证得到正确答案。在实际编程中，贪心算法往往具有较高的效率，但需要谨慎分析问题特性，确保贪心策略适用。
