这个问题是一个经典的动态规划问题，我们可以使用动态规划来解决。首先，我们需要创建两个数组dpi,其中dpi表示小明和小白完成前i个任务中，小明选择了前j个任务所需的最大时间。然后，我们可以通过状态转移方程来更新这个数组。最后，我们可以返回dpn作为答案。

以下是解决这个问题的Python代码：

def minTime(n, k, tasks):
    dp = [[0 for _ in range(k+1)] for _ in range(n+1)]
    for i in range(1, n+1):
        for j in range(1, min(k+1, i)+1):
            if j <= tasks[i-1]:
                dp[i][j] = max(dp[i-1][j-tasks[i-1]] + tasks[i-1], dp[i-1][j])
            else:
                dp[i][j] = dp[i-1][j]
    return dp[n][k]

在这段代码中，tasks是一个列表，表示每个任务的编辑时间。n是任务的数量，k是需要进行编辑的任务的数量。函数minTime返回的是小明和小白完成所有任务所需的最大时间。