Gas mixture algorithm：从10种混合气中选最优子集及配比实现目标组分

嘿，这个问题本质是个**线性规划（Linear Programming, LP）**问题，核心是在满足组分约束的前提下，找到最贴合你需求的原料组合和配比。下面我给你拆解成可落地的实操步骤，结合你说的33-33-33目标来举例：

一、先把问题量化清楚 #

首先得把所有已知条件转化成数学变量，这样才好求解：

• 把10种原料气体记为 ( G_1 ) 到 ( G_{10} )，每种的组分占比写成三元组：( G_i = (N_i, O_i, C_i) )（比如 ( N_i ) 是第i种气体中氮气的百分比，且三种组分加起来是100%）
• 设每种原料的混合比例为 ( x_i )（( x_i \geq 0 )，不能用负的原料；同时所有 ( x_i ) 加起来等于1，代表总混合比例）
• 你的目标组分是 ( (T_N, T_O, T_C) )，比如33-33-33就是 ( T_N=33%, T_O=33%, T_C=33% )

核心约束条件就是：

N₁x₁ + N₂x₂ + ... + N₁₀x₁₀ = T_N
O₁x₁ + O₂x₂ + ... + O₁₀x₁₀ = T_O
C₁x₁ + C₂x₂ + ... + C₁₀x₁₀ = T_C
∑xᵢ = 1
xᵢ ≥ 0

二、先明确“最优”到底指什么 #

你说的“最优”得先定个方向，不同的优先级解法不一样：

• 最少原料种类：优先用最少的气体来混合，减少操作复杂度（比如能用2种就不用3种）
• 最小成本：如果每种气体采购/使用成本不同，优先选总成本最低的组合
• 最小组分偏差：如果没法完全达到目标，让三种组分的偏差平方和最小（近似最优）

三、实操步骤（以33-33-33目标为例） #

1. 先筛选互补性强的原料 #

先扫一遍10种原料，挑出那些组分和目标互补的——比如有的原料氮气多但二氧化碳少，有的氧气多但氮气少，互补性强的更容易配出目标。
比如假设你手里有这三种：

• G1: 40%N, 50%O, 10%C（缺CO₂）
• G2: 20%N, 20%O, 60%C（缺N和O）
• G3: 35%N, 30%O, 35%C（接近目标）
  这三个的互补性就很好，优先拿它们来试。

2. 尝试用最少原料求解 #

先试试2种原料能不能配出来：比如拿G2和G3，列方程组：

20x + 35(1-x) = 33  # 氮组分
20x + 30(1-x) = 33  # 氧组分
60x + 35(1-x) = 33  # 二氧化碳组分

解第一个方程得到x≈0.133，代入第二个方程算出来氧组分≈28.67%，和目标33%差太多，所以2种不行，得用3种。

用3种的话，解方程组：

40x + 20y + 35z = 33
50x + 20y + 30z = 33
10x + 60y + 35z = 33
x + y + z = 1

解出来x≈0.2，y≈0.2，z≈0.6，代入验证：
400.2 + 200.2 +35*0.6 = 8+4+21=33，完美符合目标！这就是一组可行的最优解（如果以最少原料为目标的话）。

3. 针对其他最优目标调整 #

如果你的最优目标是最小成本，就把每种原料的成本作为系数，把目标函数设为 minimize (Cost₁x₁ + Cost₂x₂ + ... + Cost₁₀x₁₀)，再代入约束条件求解就行。

如果遇到无法精确匹配目标的情况（比如所有原料的氮气占比都低于30%，但目标要33%），那就求近似最优，用最小二乘法：把目标函数设为最小化三种组分的偏差平方和，同样带约束条件求解。

四、不用手算的工具推荐 #

不用自己啃方程组，这些工具能帮你快速求解：

• Excel的规划求解插件：在数据选项卡里启用，设置好变量、约束和目标函数，一键出结果，适合新手
• Python的scipy.optimize.linprog库：写几行代码就能解线性规划问题，适合有编程基础的人
• 专业LP软件（比如Gurobi、CPLEX）：适合大规模问题，但个人用前两个完全足够

给你个Python代码的小示例（针对33-33-33目标，假设你已经有了原料组分和成本数据）：

from scipy.optimize import linprog

# 假设你有5种原料的组分（这里简化举例）
N = [40, 20, 35, 50, 10]
O = [50, 20, 30, 30, 60]
C = [10, 60, 35, 20, 30]
costs = [10, 15, 8, 12, 9]  # 每种原料的单位成本

# 约束矩阵：组分约束 + 总比例为1
A_eq = [N, O, C, [1]*5]
b_eq = [33, 33, 33, 1]
# 变量非负约束：每个x_i在0到1之间
bounds = [(0, 1) for _ in range(5)]

# 求解最小成本的配比
res = linprog(costs, A_eq=A_eq, b_eq=b_eq, bounds=bounds, method='highs')
print("最优配比（对应上面的5种原料）：", res.x.round(4))

内容的提问来源于stack exchange，提问作者Lockless