从「能吃」到「想吃」：膳食指南模式的现实代价（电工杯 2024 B）优秀范文二

本文为同一赛题的第二篇手写范文，与范文一（成本最低线性规划一日食谱、平衡评价与价格敏感性）视角错位：不再问「最少花多少钱能把营养吃够」，而是问「按膳食指南那样吃得像样，要多花多少钱、贵在哪、怕什么」。全文先诊断出范文一最优解「数学最优、饮食荒谬」的结构性缺陷，再把《中国居民膳食指南》的定性建议操作化为线性约束，以营养摄入对 RNI 软目标的 L1 偏差为目标重解食谱，最后做预算-Pareto 前沿与单项涨价脆弱性两组实验。正文、配图、附录代码与真源脚本四路数字完全一致；真源见 tools/gen_dgcup2024b_2.py（复用范文一 gen_dgcup2024b.py 的 19 种食物库、RNI 区间与两阶段单纯形求解器，纯标准库、零依赖、确定性）。

一、摘要

范文一以总成本最小为目标求得一日最低成本食谱 12.63 元，九项营养素全部达标（均衡度 1.000）。本文指出这个解在营养学口径之外难以执行：全日仅 7 种食物，主食 794 g 超出膳食指南区间上限（600 g），蔬菜仅 177 g 不足推荐下限（300 g）的一半，水果为零，还出现 0.17 份馒头的碎片份量；维生素 C 全靠西兰花与菠菜支撑，脂肪恰好顶在上限 80 g。本文把膳食指南的定性建议转写为三类可计算约束——五类食物的每日克重区间（主食 200–600 g、蛋白 150–400 g、蔬菜 300–500 g、水果 200–350 g、油坚果 20–80 g）、组内必选代表制（11 个代表品种每项至少 0.5 单位，兼去碎片）、原 RNI 区间与用量上限不变——并把目标从「钱最少」改为「九项营养素摄入对软目标的 L1 偏差最小」。所得「指南模式」食谱花费 18.79 元/日，偏离度仅 1.23%，15 种食物入谱、无任何碎片份量，营养依旧全达标：吃得像样的结构性溢价为 6.16 元/日，即极端最优成本的 +48.8%。预算扫描显示该溢价有硬下界：日预算不超过 15 元时指南模式无可行解（连与范文一同价的 12.63 元也不行），16 元是「入场券」（此时偏离度 6.96%），此后预算每加 1 元偏离度约减半，至 18.79 元收敛于 1.23%，再松弛预算无任何改善。单项涨价 ×1.5 的异质冲击实验进一步表明两种模式的命门完全错位：极端最优最怕燕麦涨价（+2.05 元），指南模式最怕馒头（+2.21 元）与全麦面包（+1.97 元）——食谱哲学决定了价格风险敞口。一句话总结：数学最优解决「饿不了」，指南模式解决「过得好」，两者之间 48.8% 的价差就是现实约束的价格标签。

二、问题重述与切入视角

赛题要求依据食物营养成分库与大学生每日营养需求，设计满足平衡膳食原则的食谱并评价。范文一已完整回答「成本最低能到多少」：建库（19 种食物 × 9 项营养素）、建模（营养区间 + 用量上限的线性规划）、求最优（自写两阶段单纯形）、做检验（平衡评价 + 统一价格乘子敏感性）。它的答案是教科书式的：12.63 元、全达标、弹性约 1.0。

但把这份食谱拿给任何一个食堂师傅看，都会被拒收：没有水果的一日餐单很难叫「平衡膳食」，600 克米饭加 177 克燕麦的主食组合更像耐力运动员的备赛餐，而 0.17 份馒头意味着蒸一笼馍只为了掰一角。问题不出在求解器，出在目标函数——成本最小化的极限，就是把一切与钱无关的饮食属性压缩到约束边界。本文因此换一个问题：如果把「吃像样」显式写进模型，市场价下的代价是多少？递进为四问：

范文一的解离膳食指南有多远？（现实性诊断）
把指南写成约束后，最优食谱长什么样、多少钱？（指南模式）
这笔「像样税」随预算怎么变化？有没有硬下界？（Pareto 前沿）
两种模式谁更怕涨价？（脆弱食材）

三、数据与方法

3.1 复用与口径

完全复用范文一的确定性合成数据库：19 种常见食物（每 100 g 可食部）× 9 项营养素、中等活动量男大学生的 RNI 区间、用量上限 CAP 与零售量级价格；LP 求解器沿用范文一两阶段单纯形（支持 ≥、≤、= 三类约束），保证两篇范文的每一个数字同源可比。合成数据仅用于跑通方法，正式参赛应替换官方数据集。

3.2 指南模式的约束化

《中国居民膳食指南》的建议是定性的（「谷类 200–300 g，全谷物和杂豆 50–150 g」「餐餐有蔬菜、天天有水果」等）。本文将其操作化为三类线性约束：

分组克重区间：每组食物日总量落在 $[G_g^{lo}, G_g^{hi}]$ 内——主食 $[2,6]$ 、蛋白 $[1.5,4]$ 、蔬菜 $[3,5]$ 、水果 $[2,3.5]$ 、其他（油+坚果） $[0.2,0.8]$ （单位 100 g）；
组内必选代表制：每组指定代表品种共 11 项（米饭与燕麦、鸡蛋牛奶豆腐、西兰花与番茄、苹果与橙子、食用油），每项用量至少 0.5 单位。它同时完成两件事——保证膳食结构的种类下限，并消灭范文一解中 0.17 份馒头式的碎片份量；
原有 RNI 区间与 CAP 不变，保证与范文一同台竞技时营养安全底线一致。

图1 分析框架

3.3 目标函数：L1 贴近度

目标不再关于钱，而是关于「吃得准」：对第 $k$ 项营养素设软目标 $T_k$ （有上限者取 RNI 中点，仅有下限者取下限的 1.25 倍），引入偏差变量 $d_k^+,d_k^-\ge 0$ 与等式 $\sum_i a_{ik}x_i - T_k = d_k^+ - d_k^-$ ，最小化 $\sum_k (d_k^+ + d_k^-)$ 。这是一个标准的目标规划线性化，规模仅 37 变量 × 62 约束，纯 Python 单纯形毫秒级求解。偏离度指标定义为相对量： $\mathrm{Dev}=\sum_k|I_k-T_k|/\sum_k T_k\times 100\%$ 。

四、诊断与指南模式求解

4.1 极端最优的现实性诊断

图2 两模式分组克重对照

图 2 把范文一的解放到膳食指南的标尺上：主食 7.94 单位冲出区间上限（6），蔬菜 1.77 单位不到下限（3）的六成，水果组克重为零——不是 LP 忽略了水果，而是西兰花（89 mg/100g）与菠菜（31 mg/100g）的维生素 C 太便宜，买水果在成本意义上纯粹浪费；组内种数为主食 3、蛋白 1、蔬菜 2、水果 0、其他 1，合计仅 7 种。同时脂肪摄入恰好在 80 g 上限「贴边飞行」。每个约束都满足了，但每一处都贴着允许的最坏方向——这就是「约束满足、精神违背」的教科书样本。

4.2 指南模式食谱

图3 各营养素达成率对比

图4 指南模式一日食谱构成

加入指南约束并以 L1 偏差为目标后，最优食谱花费 18.79 元/日，15 种食物入谱：馒头 3.68 与全麦面包 1.32 回到主食担当（燕麦退守 0.5 的必选线），豆腐 2.87 成为蛋白主力，香蕉 1.02、苹果 0.5、橙子 0.5 组成水果组 2.02 单位，全部份量要么为零要么不低于半份（图 4，★号必选品种）。九项营养素达成率全部越线（图 3）：能量 109.1%、蛋白质 142.7%、碳水 120.3%、钙 125%、维生素 A 125%、膳食纤维 100%、维生素 C 150%。值得注意的是脂肪仍然顶在 80 g 上限——L1 目标允许个别营养素留在边界以成全整体贴近度，这是 L1 范式区别于 L2 的特性（稀疏偏差），也再次说明脂肪是这个食物库里最难「吃准」的一项：便宜的能量密度都高。

五、「像样税」的定价：结构性溢价与 Pareto 前沿

图5 偏离度-预算前沿

指南模式 18.79 元对极端最优 12.63 元，结构性溢价 6.16 元/日（+48.8%）。这笔钱的构成见图 6：增量几乎平摊在蛋白（+2.9 元，鸡蛋牛奶入场）、水果（+2.6 元，从零到有）、蔬菜（+1.5 元，补足克重）三组，主食反而因米饭让位给更贵的面食微升——「像样税」不是某一项的奢侈化，而是膳食结构的整体重组。

图6 日成本分组构成对照

溢价有没有下界？图 5 的预算扫描给出三段式答案。第一段，B ≤ 15 元全域不可行——包括与范文一同价的 12.63 元：指南约束下的最低可能开销就在 15–16 元之间，范文一省下的钱里有一部分本来就是「结构债」；第二段，B = 16 元是入场券，可行但偏离度高达 6.96%，此后预算每加 1 元偏离度近乎减半（17 元 → 2.97%、18 元 → 1.62%）；第三段，B 达到 18.79 元后偏离度收敛于 1.23%，继续放宽到 20 元食谱分文不动——松弛无效区。三条管理结论随之而来：食堂若想供应「合格的一日三餐」，定价低于 16 元在数学上就不成立；补贴应优先投向 16→19 元这一边际效益极高的区间；而超过 19 元后的每一分钱都与营养无关，属于口味与服务范畴。

六、谁更怕涨价：异质冲击下的脆弱食材

图7 单项涨价的脆弱性对照

范文一的敏感性用统一乘子扫描，回答的是「行情普涨怎么办」；本文改为单项冲击——每种食物单独涨价 ×1.5、其余不动，重解两模式看成本响应（图 7 取升幅前六）。两个模式的命门完全错位：

食材	指南模式 Δ成本	极端最优 Δ成本	是否在极端解中
馒头	+2.21 元	+0.03 元	是（仅 0.17 份）
全麦面包	+1.97 元	0.00 元	否
豆腐	+1.15 元	+0.06 元	是
番茄	+0.64 元	0.00 元	否
燕麦	+0.62 元	+2.05 元	是

极端最优的成本几乎全押在燕麦上（一项占 35%），所以燕麦是它唯一的命门，其余食材涨多少都无所谓（多数直接为 0）；指南模式则把敞口摊到馒头、面包、豆腐等多个主力上，单一冲击的最大伤害只有极端模式的燕麦场景的一半左右。多样性不仅贵，而且贵得有价值——它是价格风险的分散化。这给「要不要吃得像样」提供了第二个维度的论证：48.8% 的溢价里，有一部分买的其实是抗波动能力。

图8 成本-偏离度迁移轨迹

图 8 把全文收拢为一条轨迹：从（12.63 元, 偏离 13.40%）出发，经过（16, 6.96）、（17, 2.97）、（18, 1.62），抵达（18.79, 1.23）。从「能吃」到「想吃」的全程票价 6.16 元，换来 12.2 个百分点的贴近度改善；且曲线前陡后平，钱花在 16–18 元区间最划算。

七、灵敏度与稳健性讨论

软目标的取法是第一个敏感点：仅有下限的营养素取 1.25 倍下限作目标，若改取 1.5 倍，铁（当前 150%）等项会拉高偏离度水平，但前沿的三段式形态与入场券位置不变——因为它们由可行域结构（指南约束 + 价格）决定，而非目标刻度。必选代表池的选取是第二个敏感点：换掉某个代表品种（如以瘦猪肉替鸡蛋）会改变溢价的具体分摊，但「15–16 元硬下界」由分组克重区间与价格水平共同钉死，波动不超过几毛钱。第三是指南区间的松紧：若水果下限从 200 g 放宽到 100 g，溢价可回收约 1 元，但这已经不是营养学问题而是标准制定问题——模型的职责是把标准的代价算清楚，而不是替标准妥协。

八、模型评价与讨论

优点有三：其一，把定性膳食指南无损转译为三类线性约束，目标规划线性化保持了零依赖可复现；其二，「结构性溢价 + 入场券预算 + 松弛无效区」三件套给出了可直接用于食堂定价与补贴设计的数字；其三，单项冲击实验揭示多样性的保险价值，补上了统一乘子敏感性看不到的维度。局限亦有三：其一，必选代表制把品种选择交给了建模者，更彻底的做法是整数规划内生化品种决策；其二，可接受度只以「结构合规」代理，未含口味评分等主观维度；其三，价格取本地零售量级，未考虑食堂采购的批量折扣。方法可直接平移到中小学营养午餐、养老院配餐与军用口粮设计：凡「最低成本达标」与「实际可执行」之间存在裂隙的场合，都应当报一个「现实性溢价」。

九、结论

范文一的 12.63 元最优解在膳食指南标尺下主食超限 32%、蔬菜缺口 41%、水果为零、仅 7 种食物，属「数学最优、饮食荒谬」。
将指南操作化为分组克重区间与必选代表制后，L1 贴近最优食谱为 18.79 元/日、偏离度 1.23%、15 种食物、营养全达标；结构性溢价 6.16 元/日（+48.8%）。
溢价存在硬下界：B ≤ 15 元无可行解，16 元为入场券（偏离 6.96%），18.79 元后预算松弛无效；补贴效率最高的区间是 16–18 元。
两模式的价格命门完全错位（极端模式怕燕麦 +2.05，指南模式怕馒头 +2.21/面包 +1.97）；多样性溢价的一部分实质是价格风险保险费。
一句话总结：约束里没有的属性，价格里也不会有——把「像样」写进约束的那一刻，才知道它值 6 块钱一天。

参考文献

本站范文一：《大学生平衡膳食食谱的优化设计及评价（电工杯 2024 B）优秀范文》（成本最低线性规划视角）.
中国营养学会. 中国居民膳食指南（2022）. 北京: 人民卫生出版社, 2022.
Chvátal V. Linear Programming. New York: W. H. Freeman, 1983.
Dantzig G B, Thapa M N. Linear Programming 1: Introduction. New York: Springer, 1997.
中国疾病预防控制中心营养与健康所. 中国食物成分表（标准版）. 北京: 北京大学医学出版社, 2018.

附录：核心 Python 实现（可运行）

以下代码调用真源脚本，复现本文全部关键数字。运行方式：将该脚本置于仓库 assets/problems/papers/ 目录下运行，或确保 tools/ 位于导入路径；环境为 Python 3，无任何第三方依赖。

import os
import sys
sys.path.insert(0, os.path.join(os.path.dirname(os.path.abspath(__file__)),
                                "..", "..", "..", "tools"))
import gen_dgcup2024b_2 as H

R = H.gen_dgcup2024b_2()
GD = R["guide"]
print("极端最优: 成本=%.2f元 偏离=%.2f%%" % (R["p1_cost"], R["p1_dev"]))
print("范文一解 分组克重:", R["p1_grp_sum"], "| 组内种数:", R["p1_grp_cnt"])
print("指南模式: 成本=%.2f元 偏离=%.2f%% 达标=%.1f%% 均衡=%.4f"
      % (GD["cost"], GD["dev"], GD["rate"] * 100, GD["even"]))
gd_grp = {g: round(sum(GD["x"][i] for i in R["GROUP_IDX"][g]), 2) for g in R["GROUPS"]}
n_food = sum(1 for v in GD["x"] if v > 0.05)
print("指南模式 分组克重:", gd_grp, "| 非零项:", n_food)
print("食谱:", [(H.FOODS[i][0], round(v, 2)) for i, v in enumerate(GD["x"]) if v > 0.05])
premium = R["premium"]
print("结构性溢价 = %.2f 元 (%.1f%%)" % (premium, R["premium_pct"]))
for s in R["scan"]:
    if s["feasible"]:
        print("B=%g -> 偏离=%.2f%% 成本=%.2f" % (s["budget"], s["dev"], s["cost"]))
    else:
        print("B=%g -> 不可行" % s["budget"])
fr = sorted(R["fragility"], key=lambda r: -(r["d_guide"] or 0))[:5]
for r in fr:
    dm = ("%+.2f" % r["d_min"]) if r["d_min"] is not None else "NA"
    print("脆弱[%s]: 指南Δ=%+.2f 极端Δ=%s" % (r["name"], r["d_guide"] or 0.0, dm))