[PYTHON] Kombinationsoptimierungstypisches Problem-Aggregat-Abdeckungsproblem

Typisches Problem und Ausführungsmethode

Kollektives Beschichtungsproblem

$ N $ Teilmenge der Menge $ M = \ {1, \ dots, m \} $ S_j (\ subseteq M), j \ in N = \ {1, \ dots, n \} Angenommen, $ kostet $ c_j $. Finden Sie die Beschichtung $ X (\ subseteq N) $ von $ M $, die die Summe der Kosten minimiert. Die Beschichtung kann die gleichen Elemente in der Teilmenge aufweisen.

Ausführungsmethode

usage

Signature: set_covering(n, cand, is_partition=False)
Docstring:
Kollektives Beschichtungsproblem
Eingang
    n:Elementanzahl
    cand: (Gewicht,Teilmenge)Kandidatenliste
Ausgabe
Nummernliste der ausgewählten Kandidatenliste

python

#CSV-Daten
import pandas as pd
from ortoolpy import set_covering
ss = pd.read_csv('data/subset.csv')
g = ss.groupby('id')
set_covering(len(g), [(r.weight.iloc[0], r.element.tolist()) for _, r in g])

Ergebnis

[0, 1, 2]

python

# pandas.DataFrame
from ortoolpy.optimization import SetCovering
SetCovering('data/subset.csv')

python

#Beispieldaten
from ortoolpy import set_covering
set_covering(4, [(1, ('a', 'b')), (1, ('a', 'c')), (1, ('a', 'd')), (3, ('b', 'c'))])

Ergebnis

[0, 1, 2]

Daten

• data/subset.csv