版上两篇文章看过了，但有些还是不懂、想确认
我目前理解是这样：
0/1 knapsack problem 复杂度 O(nW)
n是物品数量（阵列有多少个‘’元素‘）
W就是一个数值（input 只会看到一个东西）
但数值跟物品数量都是人的定义，对电脑来说最后都是开了nW的二维阵列，算了nW格的东西。所以其实数值、数量对电脑程式来说没差吧？
所以不太懂要取 m=lgW 然后说复杂度是O(n2^m) 的理由
目前我是这样理解：
因为复杂度理论也是人定义的，所以当初我们要求的input 必须是一个可以数有多少个的东西，以此题来说，input就会真的出现n+1数字（n个价格、1个重量）
W我们没办法说他 size 是1，要找一个会随着W变大而增长的东西当input size，所以取 bit 数当他的size
这边再提一个疑问，如果我是取他有几位数可以吗？（取log 10为底，反正出来的是exponential）

“我是取他有几位数可以吗？”的回答，就是您所理解到的“所以取bit 数当他的size”。会不会是因为还没发明电脑的社会习惯用log 10，发明后用log 2，造成您的困惑呢？

不算困扰，只是想说关键应该是要把W的size量化成 随着W这个数字越大，他的size也要越大，所以取他有几位也对吧

或是“取他有几位(元)”，您是否认同在下多加一个字呢？

原本的我同意啊，只是我想说取几位表达趋势 也是exponential

您目前的主文与推文，在下如果没会错意的话，都同意；希望在下的推文没有误导您的地方，抱歉！

不会不会 感谢回复

主要是执行时间跟 W 有关，所以才要讨论 bit。像是 comparison-based 的 sorting 都是假设 comparison是 O(1) 时间 与 bit 无关，所以就不用讨论 bit。但是你也可以定义 comparison 跟 bit 长度有关的计算模型只是教科书上不太会这样介绍..