（我的统计能力不强，所以如果我在这里没有使用正确的术语，请原谅我）

假设我有一本书有很多（1000+）个部分，每个部分包含的单词数量差异很大。我的目标是将这些部分划分为一段时间（比如说 150 天），按顺序阅读这些部分，但每天阅读的字数尽可能少。

例如，我需要在三个月内读完一本巨大的税法书的每一个字。它分为从几句话到多页不等的部分。我只想阅读完整的部分，并且我希望每天花尽可能多的时间阅读。

我编写了一个这样工作的脚本：
1. 我将各个部分平均划分为天数，而不考虑每天的字数。对于剩余的部分，我选择了一个均匀间隔的天集合，并为每个天添加一个部分。
2. 然后我计算每天最终的实际字数，计算平均值，然后选择离平均值最远的那一天。
3.根据当天的字数，我根据3个场景来评估字数的标准差：a）当天第一节移到前一天，b）当天最后一节移到第二天，并且 c) 没有变化。如果 a 或 b 导致较低的标准偏差，我保留该更改并返回第 2 步。如果没有，我移动到与每天平均单词差异最大的那一天，并重复第 3 步。
4. 最终在集合中的每一天运行第 3 步后，算法将无法找到改善标准差的变化。至此，脚本完成。

我已经对此进行了测试，它可以工作并提供比第 1 步的结果更平滑的集合。但是我没有以这种方式找到最佳的部分分布……我仍然有可以手动修复的大峰。

我的下一个想法是在第 3 步中允许更复杂的场景……回顾/向前看更多天或移动更多部分。但我不确定这是否会奏效。

我想做的事情有名字吗？这个问题已经解决了吗？有比我更好的方法吗？（实际上，我的脚本需要很长时间才能在网站上实时运行）我没有运气搜索，但我什至不确定我在搜索什么。有人已经创建了一个算法来做到这一点吗？有更好的想法吗？我不确定如何标记问题，因为我对这些术语不够熟悉。