应用错误收集

假设我有一个有序的权重列表，其长度为M.我想将此列表划分为N个有序的非空子列表，其中每个子列表中权重的总和尽可能彼此接近。最后，列表的长度将始终大于或等于分区数。

例如：

时代幻想的读者想要在N = 90天内阅读整个时间轮系列。她想每天阅读大约相同数量的单词，但她不想在两天内打破一章。显然，她也不想也不按顺序阅读。该系列共有M章，她有一个单词计数列表。

她可以使用什么算法来计算最佳阅读时间表？

在这个例子中，权重可能不会有太大变化，但我所寻求的算法应该足够通用，以处理变化很大的权重。

至于我认为最优的，我会说，如果选择两个或三个分区之间的重量不同，那么从平均值开始的少量会比一个分区变化很大。或者换句话说，如果这意味着她可以避免阅读比平均值更多或更少的一千个单词，甚至一次，她宁愿有几天读取比平均数字更多或更少的单词。我的想法是使用这样的东西来计算任何给定解决方案的分数：

让W_1，W_2，W_3 ...... w_N为每个分区的权重（通过简单地对其元素的权重求和来计算）。令x为列表的总权重，除以其长度M. 然后得分将是总和，其中我从1到N（X - w_i）^ 2

所以，我认为我知道一种评分每种解决方案的方法。问题是，除了蛮力之外，最小化得分的最佳方法是什么？

非常感谢任何正确方向的帮助或指示！