Python3中固定权重下优化字典数值实现加权和舍入为零的通用方法

示例场景 #

给定Python字典：

d = {'C1': 0.68759, 'C2': -0.21432, 'H1': 0.49062, 'H2': -0.13267, 'H3': 0.08092, 'O1': -0.8604}

存在线性方程：

n1d['C1'] + n2d['H2'] + n3d['C2'] + n4d['H3'] + n5d['O1'] + n6d['H1'] = small_number

示例中标量取值为：

n1, n2, n3, n4, n5, n6 = 2, 2, 2, 4, 4, 2

核心需求 #

• 调整每个d[key]的值（四舍五入到5位小数），使得方程结果为0
• 每个字典值的调整幅度不得超过±0.0005
• 标量n均为固定正整数，不可修改
• 通用适配：字典键值对数量、标量n的取值均可变化；small_number量级约为1e-5，必要时可将舍入位数调整至±1位

已尝试思路 #

• 尝试将方程的非零部分从单个字典键值中扣除，但当不存在取值为1的标量n时无法实现
• 考虑使用scipy.optimize.minimize工具，但不确定如何基于字典d和标量n正确定义目标函数

内容的提问来源于stack exchange，提问作者scaldedolive