python - 解决具有特定约束的分配问题
问题描述
想象一下以下数据(重现所有输出的代码在最后):
df
cars horsepower year safety
1 Toyota 140 2008 4
2 Chrysler 120 2009 4
3 Ford 140 2010 5
4 BMW 150 2008 3
5 Mercedes-Benz 150 2008 3
6 Hyundai 120 2009 4
7 Jaguar 150 2007 3
8 Tesla 120 2010 5
我想交换汽车以获得类似的东西:
cars_initial cars_match horsepower year safety horsepowerMatch yearMatch safetyMatch
1 Toyota BMW 140 2008 4 150 2008 3
2 Tesla Chrysler 120 2010 5 120 2009 4
3 Mercedes-Benz Ford 150 2008 3 140 2010 5
4 Jaguar Hyundai 150 2007 3 120 2009 4
5 Hyundai Jaguar 120 2009 4 150 2007 3
6 Ford Mercedes-Benz 140 2010 5 150 2008 3
7 Chrysler Tesla 120 2009 4 120 2010 5
8 BMW Toyota 150 2008 3 140 2008 4
现在这是一个典型的分配问题,在上述情况下是随机解决的,即在所有情况下将成本矩阵设置为 0。
我感兴趣的是结果。在上述情况下,解决方案会产生以下统计信息:
stats
horsepower year safety
1 0.25 0.25 0
也就是说,1/4 的掉期具有相等的马力,等等。
这是我的问题:如何通过直接限制结果统计的确切内容来解决此类分配,而无需设置成本的试错法?
例如,如果我想要一个safety
匹配超过 0.20 且year
至少为 0.10 的解决方案,如下所示,该怎么办?
desiredOutput
cars_initial cars_match
1 Toyota Chrysler
2 Tesla Mercedes-Benz
3 Mercedes-Benz BMW
4 Jaguar Toyota
5 Hyundai Tesla
6 Ford Hyundai
7 Chrysler Jaguar
8 BMW Ford
statsDesired
horsepower year safety
1 0.25 0.12 0.25
当然,在所有safety
汽车数量相等的情况下,我都可以将成本矩阵设置为较低的数字。
但是有没有办法通过直接设置结果统计的约束来影响结果?
也许有一种方法可以优化成本以达到预期的结果?
编码:
library(lpSolve)
library(dplyr)
library(tidyr)
set.seed(1)
df <- data.frame(
cars = c("Toyota", "Chrysler", "Ford", "BMW", "Mercedes-Benz", "Hyundai", "Jaguar", "Tesla"),
horsepower = c(140, 120, 140, 150, 150, 120, 150, 120),
year = c(2008, 2009, 2010, 2008, 2008, 2009, 2007, 2010),
safety = c(4, 4, 5, 3, 3, 4, 3, 5)
)
mat <- df %>% select(cars) %>%
crossing(df %>% select(cars)) %>%
mutate(val = 0) %>%
spread(cars, val)
solved <- lp.assign(mat %>% select(-cars1) %>% as.matrix())$solution
matches <- as.data.frame(solved) %>%
setNames(., names(mat %>% select(-cars1))) %>%
bind_cols(mat %>% select(cars1)) %>%
gather(key, val, -cars1) %>%
filter(val == 1) %>% select(-val, cars_initial = cars1, cars_match = key)
nms <- c("cars", paste0(names(df %>% select(-cars)), "Match"))
matches <- matches %>%
left_join(df, by = c("cars_initial" = "cars")) %>%
left_join(df %>% setNames(., nms), by = c("cars_match" = "cars"))
stats <- matches %>%
summarise(
horsepower = round(sum(horsepower == horsepowerMatch) / n(), 2),
year = round(sum(year == yearMatch) / n(), 2),
safety = round(sum(safety == safetyMatch) / n(), 2)
)
desiredOutput <- data.frame(cars_initial = matches$cars_initial, cars_match = c("Chrysler", "Mercedes-Benz", "BMW", "Toyota", "Tesla", "Hyundai", "Jaguar", "Ford"))
statsDesired <- desiredOutput %>%
left_join(df, by = c("cars_initial" = "cars")) %>%
left_join(df %>% setNames(., nms), by = c("cars_match" = "cars")) %>%
summarise(
horsepower = round(sum(horsepower == horsepowerMatch) / n(), 2),
year = round(sum(year == yearMatch) / n(), 2),
safety = round(sum(safety == safetyMatch) / n(), 2)
)
我希望上面的例子就足够了,这是我的第一个问题,所以如果我需要提供更多内容,请告诉我。
代码在 中R
,但我也添加了标签Python
,因为我并不介意可能的解决方案的语言。
解决方案
这是这个问题作为整数规划 (IP) 问题的部分表述。
让I
是汽车类型的集合。对于汽车类型i
和j
in I
,让:
h[i,j]
= 1 如果汽车i
和j
具有相同的马力y[i,j]
= 1 如果汽车i
和j
同年- 同样对于
s[i,j]
(安全)
这些是参数,表示模型的输入。(您需要编写代码来根据您的数据表计算这些二进制数量。)
现在介绍以下决策变量,即您的 IP 模型将选择的变量值:
x[i,j]
= 1 如果我们将汽车类型指定j
为类型i
的匹配
现在,通常 IP 具有我们想要最小化或最大化的目标函数。在这种情况下,没有目标函数——您只想找到一组满足您的约束的匹配项。所以你的目标函数可以是:
minimize 0
这是第一个约束。它说:至少a
比赛必须具有相同的马力。(a
是分数。) 左边是具有相同马力的匹配数:对于每对汽车类型i
和j
,如果j
分配为i
' 匹配并且它们具有相同的马力,则计数为 1;否则,计数为 0。右侧是您想要的匹配数,即a
整个集合的分数。
subject to sum {i in I, j in I} h[i,j] * x[i,j] >= a * |I|
现在为其他类别制定类似的约束条件。
接下来,您需要一个约束,说明i
必须将每种汽车类型分配给一种汽车类型j
:
subject to sum {j in I} x[i,j] == 1 for all i in I
最后,您需要约束说明决策变量是二元的:
subject to x[i,j] in {0,1} for all i, j in I
现在,就解决这个问题而言,您将需要使用像 AMPL 或 GAMS 这样的数学建模语言,或者像PuLP
Python 这样的包。
我希望这有帮助。我可能咬掉的东西比你在这里咀嚼的还多。
推荐阅读
- javascript - Foreach 循环和 ajax 中的 Bootstrap Collapse
- r - 如何使用ggplot2增加PCA Biolot黄色圆圈内的文本大小?
- python - Pandas - 列之间的插值
- sql - 左连接条件中的子字符串
- python - 如何编写一个 A-star 搜索算法来访问没有特定端点的所有节点?
- asp.net-core - 针对 Web API 的网站身份验证
- c# - C# HttpClient 多个获取请求同时给出 System.Net.Sockets.SocketException (10060) 异常
- c# - iOS 应用程序想要加载 Mono.Andoid
- r - R:官员;尝试在 pptx 中更改正文字体大小时出错
- android - 一个活动中同方向的两个 DrawerLayout