我遇到以下问题，我正在寻找有效的解决方案。
让我们考虑一组100个整数。我想找到最接近平均值的最大值子集和某些给定值的std（比如av和std）。
我看到的解决方案是计算所有可能的组合，然后根据平均距离和标准偏差之和选择最接近的组合（即样本平均值与给定平均值之间的距离之和+样本的标准偏差与给定的标准偏差之间的距离最小（每个总和具有权重））。
但是这个问题真的很慢，我正在考虑一些动态编程解决方案。
对于子集中的每个n（n - 元素，我们找到最合适的解决方案）。然后，我们比较每个最佳解决方案，从这一刻起，我们可以应用一些自定义标准来选择不同基数的最佳解决方案
任何提示？
修改
非常感谢您的回答。
实际上，在问题中已经说明，均值和标准差与初始集合X无关。
定义的标准是L²-范数。
此外，我认为更好的规范将是“修改后的L2规范，赋予每个组件一个权重，即：
`
sqrt（sum | w_i x_i |²）
` - 其中W_i是用户定义的权重。