cbm总和满足0.8±0.08时，如何选取组合实现最低price总和？

问题本质 #

这是一个0-1背包变种问题：从给定6行数据中选若干行，要求选中行的CBM总和落在0.72~0.88区间（0.8±0.08），同时总价最小。你的思路（用0/1标记选中状态，筛选符合CBM条件的组合后取总价最低）完全正确，且由于数据量极小（仅6行，总组合数2^6=64种），直接枚举所有子集是最简便高效的方法。

手动验证最优组合 #

逐一计算所有非空子集的CBM总和与总价，筛选符合条件的组合后对比：

• 行1+2+3+4：CBM总和0.24+0.14+0.21+0.18=0.77（在允许区间内），总价500+400+610+300=1810
• 行1+3+4+5：CBM总和0.75，总价1850
• 行1+2+4+6：CBM总和0.8，总价1960
• 其他符合条件的组合总价均高于1810

因此，行1、2、3、4的组合是最优解，既满足CBM要求，又实现了最低总价。

自动化计算代码（Python） #

如果需要快速验证或后续数据量调整，可使用以下代码自动枚举所有组合：

# 原始数据：(cbm, price)
data = [
    (0.24, 500),
    (0.14, 400),
    (0.21, 610),
    (0.18, 300),
    (0.12, 440),
    (0.24, 760)
]

# CBM允许范围
target_cbm_min = 0.8 - 0.08
target_cbm_max = 0.8 + 0.08

min_total_price = float('inf')
best_selection = []

# 枚举所有非空子集（二进制掩码表示选中状态）
for mask in range(1, 1 << len(data)):
    current_cbm = 0.0
    current_price = 0
    selected_rows = []
    
    for idx in range(len(data)):
        if mask & (1 << idx):
            current_cbm += data[idx][0]
            current_price += data[idx][1]
            selected_rows.append(idx + 1)  # 行号从1开始
    
    # 检查CBM是否符合要求
    if target_cbm_min <= current_cbm <= target_cbm_max:
        if current_price < min_total_price:
            min_total_price = current_price
            best_selection = selected_rows

# 输出结果
print(f"最优选中行：{', '.join(map(str, best_selection))}")
print(f"总CBM：{sum(data[row-1][0] for row in best_selection):.2f}")
print(f"最低总价：{min_total_price}")

运行后输出：

最优选中行：1, 2, 3, 4
总CBM：0.77
最低总价：1810

大数据量优化方案 #

如果后续数据行数超过20行，枚举法效率会下降，可改用动态规划：

• 定义dp[i][j]为前i行中，CBM总和接近j时的最小总价
• 遍历每行数据更新dp数组，最终在0.72~0.88区间内找到最小总价对应的组合

但当前6行规模下，枚举法完全足够，无需复杂优化。

内容的提问来源于stack exchange，提问作者Song_Rui123