头衔很抱歉；坦白说，我什至不知道我的问题是否与背包问题有关。正在阅读一些有关遗传算法的资料，并发现了这个“背包问题”。

我需要有人向正确的方向踢我：

我正在为工厂开发python Web应用程序。因此，在工厂中，他们有一个称为订单的东西。订单包含一个或多个产品。有一个不匹配的概念，实际上是一个负数，用于指示特定产品在订单中出现的数量（以数量计）要少多少。

考虑一个矩阵，其中列为产品，行为订单。假设所有订单（行）都包含所有产品（列）。同样，有8个订单，订单1至订单8和5产品，产品1至产品5。

假设，现在我对产品1的匹配为6。我需要在所有8个订单中随机地将数字6均分。因此，显然2个订单不会有不匹配的数量。然后，我对产品2的不匹配数为9。我将不匹配数尽可能平均地随机分配给8个订单。每个产品都会这样。现在开始，当我正在将所有订单中的不匹配情况随机分配时，我需要确保将每个订单的不匹配总数（对于该行而言）保持在最小水平。这意味着订单中的总不匹配数必须为最低数量。

    |-----|-----|-----|-----|-----|
    |  P1 |  P2 |  P3 |  P4 |  P5 |
    -------------------------------
O1  |  2  |  1  |  1  |  0  |  2  |  6
    -------------------------------
O2  |  1  |  2  |  1  |  1  |  1  |  6
    -------------------------------
O3  |  2  |  2  |  1  |  0  |  1  |  6
    -------------------------------
O4  |  1  |  2  |  0  |  1  |  1  |  5
    -------------------------------
       6     7     3     2     5

你明白了吗？我需要用Python编写代码，而且我不知道从哪里开始。

解决方案

因此，OP的问题有两个要求：随机和均匀。不过这有点矛盾，因此我想“真正随机”是不可能的。

这是我的尝试

以OP为例，我们有4个订单和5个产品。从第一个产品开始，我们将随机划分数字，因此每个产品至少将具有floor（6/4）= 1个不匹配项。然后，我们将剩余的2个不匹配项随机分配给2个产品。

    |-----|
    |  P1 |
    -------
O1  |  2  | 2
    -------
O2  |  1  | 1
    -------
O3  |  2  | 2
    -------
O4  |  1  | 1
    -------
       6  

接下来，我们照顾第二个产品。同样，我们首先随机分配数字，因此每个乘积至少将具有floor（7/4）= 1个不匹配项。现在，对于剩下的3个失配，为了使其尽可能均匀，我们首先将它们分配给O2和O4，因为上次它们的失配比其他的少1个。对于剩下的1个不匹配项，我们再次将其随机分配给一种产品。

    |-----|-----|
    |  P1 |  P2 |
    -------------
O1  |  2  |  1  | 3
    -------------
O2  |  1  |  2  | 3
    -------------
O3  |  2  |  2  | 4
    -------------
O4  |  1  |  2  | 3
    -------------
       6     7  

对所有产品重复此过程。

使用这种方法，您可以保证它尽可能的均匀（最大的区别是1），而且您会得到一定程度的随机性