我有一个问题，我有很多问题。首先，我主要寻求帮助来描述和理解手头的问题。解决方案总是受欢迎的，但最重要的是，我可以使用比我更有经验的人的建议。现在，对于手头的问题：
我有一组订单，每个订单都需要一定数量的商品。我还有几个项目分组，每个项目都包含一些项目（称为组）。目标是找到可以使用尽可能少的组来完成的订单的子集，并且订单中包含的项目总数在n和N之间。
编辑：对订单中包含的项目数量（n和N）的约束是独立选择的。
至少对我来说，这是一个非常复杂的说法问题，所以我一直试图将其重新定义为背包问题（我怀疑这可能会减少到子集数）。为了帮助我理解这一点，我开始使用以下定义：
首先，我们假设每个可能的项目都存在一个维度，并且有些东西长度为＆＃39;在该维度中，它是具有或需要的特定类型项目的数量。
由此，订单成为＆n; n维对象＆＃39;其中每个维度的值对应于其所需项目的数量。
此外，一组可以被视为一个＆n;维度框＆＃39;每个维度中的空格与其提供的项目数相对应。
对象值等于所有维度的长度总和。
可以组合盒子。
鉴于上述情况，我已将问题重新解释为：
问题＃1：这是表达问题的正确/有用的方法吗？我似乎错过了任何明显的事情吗？
正如我所看到的，由于我正在寻找两种组合，我需要将问题分成两部分。到目前为止，我认为像这样解决问题是一个很好的步骤：
X可以装箱（或箱子组合）多少个物品？
检查所有（或最好是一小部分）盒子的可能组合，然后选择最佳的＆＃39;
这使得它更容易管理，但我仍然在努力解决细节问题。
问题＃2： 解决要解决第一部分，我认为说对象的成本等于其总和是合适的。所有维度的长度，它的价值也是如此。这让我陷入了一个子集和问题，对吧？显然这是一个特例，但这个问题有名吗？
问题＃3： 解决了我一直在研究子集和解决方案，但我不明白如何应用它们这样的事情在多个方面。我认为它之前已经完成，但我不确定从哪里开始我的研究。有人可以描述工作中的原则还是指出我的研究方向？
编辑：在查看了所有人的反馈并深入研究了这些术语后，我认为我已经找到了一个很好的算法来解决第1部分。因为我会有一个与使用原始有效容量启发式（PECH）＆＃39;的项目数量相比，维度数量非常多。将是一个很好的选择。如果他们有使用这种算法的经验，我有兴趣听听有人的想法。
问题＃4：对于第二部分，性能是一个问题，我怀疑暴力行为是否现实。因此，我打算将所有盒子组合视为一个非常大的解决方案树。我们的想法是为M-1盒的所有组合计算第1部分，其中M是盒子的总数。以某种方式决定最好的＆＃39;来自该集合的几个盒子组合，并对树上的子节点执行相同的操作。听起来这有助于我达到接近最佳状态吗？我如何选择最好的＆＃39;盒子组合？
感谢阅读！欢迎提出编辑和澄清建议。