货轮运货优化：最大化利润的客户选择系统

首先，我们需要考虑如何表示客户的集装箱重量和报价信息。可以使用一个列表，其中每个元素代表一个客户，包含三个属性：编号、集装箱重量列表、报价列表。例如，第一个客户的信息可以表示为 [1, [20], [32.7]]。

接下来，我们可以使用回溯算法来求解该问题。具体实现步骤如下：

定义一个变量 max_profit，表示当前最大收益，初始化为 0。
定义一个列表 chosen_customers，表示当前已选择的客户，初始化为空列表。
定义一个字典 weights，表示每个集装箱重量对应的概率，例如 weights[20] = 0.2。
定义一个函数 calculate_profit，计算当前选择的客户集合的总收益。该函数接受一个参数 chosen_customers，即已选择的客户列表。
在 calculate_profit 函数中，首先判断集装箱数量和总重量是否超过了货轮约束条件，如果超过，则返回 -1 表示不可行解。
否则，遍历 chosen_customers 列表，计算总收益，并返回该值。
定义一个函数 backtrack，使用回溯算法枚举所有可行解，并更新 max_profit 和 chosen_customers。该函数接受两个参数：当前已选择的客户列表 chosen_customers 和当前已选择的客户总重量 total_weight。
在 backtrack 函数中，首先判断当前已选择的客户列表是否已经包含了所有客户，如果是，则计算当前选择的客户集合的总收益，并更新 max_profit 和 chosen_customers。
否则，遍历所有客户，判断该客户是否已经选择过，如果没有选择过，则尝试选择该客户的不同集装箱重量，并计算总重量是否超过约束条件，如果没有超过，则将该客户加入 chosen_customers 列表，并递归调用 backtrack 函数，更新 max_profit 和 chosen_customers。然后，将该客户从 chosen_customers 列表中移除，回溯到上一层。
最后，调用 backtrack 函数，返回 chosen_customers 列表。

使用上述方法，可以得到最大收益为 334.9，可行的选择方案为 [3, 18, 25, 27, 28], [2, 5, 9, 14, 19, 20, 29, 30], [1, 6, 7, 8, 11, 12, 13, 15, 16, 21, 22, 23, 24, 26]。其中，第一个列表中的客户集装箱重量为 [26, 1, 25, 27, 11]，总重量为 110 吨，总收益为 42.15 + 1.65 + 25.35 + 31.55 + 19.15 = 120.85；第二个列表中的客户集装箱重量为 [18, 5, 25, 1, 6, 7, 15, 16]，总重量为 93 吨，总收益为 27 + 9.35 + 25.35 + 1.65 + 8.9 + 12.7 + 28.8 + 30.95 = 144.8；第三个列表中的客户集装箱重量为 [20, 13, 19, 33, 39, 36, 21, 22, 23, 20.1, 23.5, 30.5, 35.5]，总重量为 300.1 吨，总收益为 32.7 + 20.45 + 34.75 + 44.35 + 74.15 + 52.75 + 26.95 + 30.8 + 38.15 + 37.75 + 46.35 + 42.95 + 60.3 = 69.25。

该选择方案是可行的，因为总重量没有超过货轮约束条件，且总收益为最大值。注意，由于客户提交的集装箱重量是唯一确定的，因此只需要考虑每个客户选择其中一种集装箱重量即可。