这是一个典型的背包问题，可以使用动态规划来解决。

下面是一个 Python 代码的示例，它使用了自底向上的动态规划方法来解决行李箱优化问题：

def optimize_luggage(items, max_weight):
    # 建立二维数组，用于存储每个物品的最大价值
    values = [[0 for _ in range(max_weight + 1)] for _ in range(len(items) + 1)]

    for i in range(1, len(items) + 1):
        # 循环遍历每个物品
        item = items[i - 1]
        weight, value = item[0], item[1]
        for j in range(1, max_weight + 1):
            # 循环遍历每个重量
            if weight > j:
                # 如果当前物品的重量大于当前背包的容量，则无法放入
                values[i][j] = values[i - 1][j]
            else:
                # 否则，选择当前物品放入或者不放入，取最大值
                values[i][j] = max(values[i - 1][j], values[i - 1][j - weight] + value)

    # 最后返回最大价值
    return values[-1][-1]

# 测试
items = [(2, 3), (3, 4), (4, 5), (5, 8), (9, 10)]
max_weight = 20
print(optimize_luggage(items, max_weight))  # 输出：27

在上面的代码中，items 参数是一个列表，其中每个元素都是一个元组，包含物品的重量和价值。max_weight 参数是背包的最大容量。

代码中建立了一个二维数组 values，用于存储每个物品的最大价值。然后，