我正在尝试找到一种计划方法来解决尝试对新材料的学习进行建模的问题。我们假设我们只有一个资源，例如 Wikipedia，其中包含一个文章列表，表示为它所包含的知识向量以及阅读该文章的努力。
知识向量和努力
在开始之前，我们根据不同类型知识的数量设置向量的大小。例如，我们可以将向量中的项目定义为(algebra, geometry, dark ages)，然后从这个角度对所有文章进行“测量”。所以，一篇数学文章可能会是(5,7,0)，因为它会谈论很多关于代数和几何而不是关于黑暗时代的文章。它也将努力读取它，它只是一个整数。
问题
给定所有文章（通过努力表示为知识向量），我们希望找到帮助我们达到知识目标的最佳文章集（也表示为向量）。
因此，一个知识目标可以是(4,4,0)，阅读一篇文章就足够了(2,1,0)，(2,3,0)因为，当添加时，它加起来就是知识目标。我们希望以最小的努力做到这一点。
问题
我尝试了一些启发式方法来找到近似值，但我想知道是否有任何最先进的战略规划方法可以代替？