我们可以使用动态规划的方法来解决这个问题。

首先，我们按照不同的尺寸给箱子排序，然后定义一个二维数组dp，其中dp[i][j]表示对于前i个箱子，卡车最多可以装j个箱子时的最大价值。

我们使用如下状态转移方程来更新dp数组：

当当前箱子的体积小于等于剩余空间时： dp[i][j] = max(dp[i-1][j], dp[i-1][j-num]+val)

当当前箱子的体积大于剩余空间时： dp[i][j] = dp[i-1][j]

最后，我们得到dp[n][m]，即为卡车能够装载的最大价值。然后我们可以从dp[n][m]开始，根据状态转移方程逆推出装载方案。

代码示例（Python）：

def truckOptimization(size, num, maxNum): n = len(size) dp = [[0 for _ in range(maxNum+1)] for _ in range(n+1)] for i in range(1, n+1): for j in range(1, maxNum+1): if size[i-1] <= j: dp[i][j] = max(dp[i-1][j], dp[i-1][j-num[i-1]]+num[i-1]) else: dp[i][j] = dp[i-1][j] maxVal = dp[n][maxNum] print("装载的最大价值为：", maxVal) curNum = maxNum boxList = [] for i in range(n, 0, -1): if dp[i][curNum] > dp[i-1][curNum]: boxList.append(i-1) curNum -= size[i-1] print("装载的箱子编号为：", boxList[::-1])