带总量约束的字典数值取整问题：是否有标准解法与更优方案？

这是一个标准的整数规划子问题，通常被称为带总量约束的离散化舍入问题，也可归类到线性约束下的整数逼近问题范畴。

现有简单方法的缺陷 #

你提到的「按残差排序舍入，最后调整单项满足总量」的方法，核心问题在于当所有配料的残差总和不为0时，最后一项需要承担全部的差值补偿，会导致该配料的舍入结果严重偏离原始比例，破坏配方的合理性。

更优的客观解决方法 #

以下是几种比简单方案更均衡、更可控的方法：

1. 加权残差优先级调整法

给每个配料设置优先级权重（可根据配料对蛋糕品质的影响程度、原始配方占比来设定），计算每个配料的「残差绝对值 × 权重」，按照这个值从大到小排序，优先调整权重高的配料的舍入方向，直到总重量符合1kg约束。

• 比如面粉、鸡蛋这类核心配料权重设为1.5，可可这类次要配料权重设为0.5，优先保证核心配料的舍入结果更接近原始值。

2. 整数线性规划（ILP）最优解

将问题转化为数学模型，用ILP求解器直接计算最优解：

• 变量定义：设第i种配料的原始重量为 ( w_i )，舍入后重量为 ( x_i = 50 \times k_i )（( k_i ) 为非负整数）
• 约束条件：( \sum_{i=1}^n x_i = 1000 )
• 目标函数：最小化总误差 ( \sum_{i=1}^n |x_i - w_i| )（或加权总误差 ( \sum_{i=1}^n \alpha_i |x_i - w_i| )，其中 ( \alpha_i ) 为配料权重）
• 实现工具：可以用PuLP、CVXPY等开源ILP库快速求解，得到既满足总量约束，又使整体舍入误差最小的配方。

3. 迭代均衡调整法

步骤如下：

1. 先将所有配料按「最近50g」规则初步舍入，计算当前总重量与1000g的差值 ( \Delta )（( \Delta ) 必然是50的整数倍，因为所有舍入值和目标值都是50的倍数）。
2. 如果 ( \Delta > 0 )（总重超标）：找到所有「舍入后重量 > 原始重量」的配料，按「(舍入值-原始值)从大到小」排序，依次将这些配料的舍入值减50g，直到总重等于1000g。
3. 如果 ( \Delta < 0 )（总重不足）：找到所有「舍入后重量 < 原始重量」的配料，按「(原始值-舍入值)从大到小」排序，依次将这些配料的舍入值加50g，直到总重等于1000g。
   这种方法会把调整量分散到多个配料上，避免单一配料偏差过大。

示例验证（迭代均衡调整法） #

以你给出的配方为例：
原始配方：cake_1 = {flour: 322g, egg: 100g, sugar: 213g, milk: 189g, butter: 164g, cocoa: 12g}
初步舍入后：{flour:300g, egg:100g, sugar:200g, milk:200g, butter:150g, cocoa:0g}，总重950g，差值为-50g。
找到「原始值-舍入值」最大的配料是flour（322-300=22），将其舍入值加50g变为350g，最终总重350+100+200+200+150+0=1000g，与示例结果一致，但逻辑更均衡。

内容的提问来源于stack exchange，提问作者Goods