我想找到一个合适的算法来解决这个问题：
假设我们有N个项目，我们知道每个项目将获得多少钱，以及每个项目需要多少时间（每个项目的预计时间）。我们有一定的时间来完成所有项目。我们希望选择项目，以便我们的利润最大化，总体估计时间不超过可用时间。你能告诉我应该使用哪种优化算法吗？有没有我可以在C＃，.NET技术或Java技术中使用的东西？
答案 0 :(得分：6)
这听起来很简单Knapsack problem：
给定一组具有权重和值的项目，确定要包含在集合中的每个项目的计数，以使总权重小于或等于给定限制，并且总值与可能的。
在您的情况下，权重是项目所需的时间，限制是时间限制。
通常情况下，如果你是为现实世界做这件事，那么对于小案例来说蛮力就足够了，对于大案例，贪婪的近似应该足够大，如果你真的不关心准确的最大值。但是，我怀疑是否有人会在现实世界中使用如此严格的模型。
在理论上感兴趣的情况下，背包问题是NP难的，是一个活跃的算法领域。
答案 1 :(得分：2)
您正在寻找的内容称为Knapsack problem。
在您的情况下，“权重”限制是时间限制，值是值。
答案 2 :(得分：0)
简化后，这看起来像加权http://en.wikipedia.org/wiki/Knapsack_problem。您的时间将是项目的大小，您的体重将是您的成本
答案 3 :(得分：0)
从Operations Research的角度来看这个问题，你正在研究混合整数程序（MIP）的一些问题。背包问题方法可能就足够了，但如果没有对问题进行更详细的说明，我就无法提出更详细的表述。
一旦确定了您的配方，就有几种c＃解决方案可用于解决MIP问题。 Microsoft有一个Microsoft Solver Foundation，您可以查看它能够解决简单的MIP并且具有很好的C＃API
IBM最近购买了可用于开发MIP配方的OPL优化包（被认为是业界领先的）。一旦你有了这个配方，OPL提供了.NET API，你可以调用它来运行你的模型。
自己走了OPL路线后，如果可能的话，我会避免使用OPL .NET API，因为它们非常麻烦。如果您的问题很简单，您可能需要查看求解器基础，因为与OPL相比，它提供了一个现代而干净的API