Optimisation combinée - problème typique d'enchères combinées

Problème typique et méthode d'exécution

Problème d'enchères combinées

$ n $ Candidats (sous-ensemble $ S_j (\ subseteq M), j \ in N = \ {1, \ dots, n \ of set $ M = \ {1, \ dots, m \} $ } $) Reçoit le montant $ c_j $. Faites votre choix parmi les candidats afin que le montant total d'argent soit maximisé. Ne sélectionnez pas les éléments en double de l'ensemble $ M $ On peut également considérer que la fonction objectif est maximisée et que l'inégalité de la condition de contrainte est inversée dans Assembly Covering Problem.

Méthode d'exécution

usage

Signature: combinatorial_auction(n, cand, limit=-1)
Docstring:
Problème d'enchères combinées
Maximiser le prix de vente afin que le nombre maximum de candidats pour chaque acheteur ne soit pas dépassé sans vente en double des éléments
contribution
    n:Nombre d'éléments
    cand: (Somme d'argent,Sous-ensemble,ID d'acheteur)Liste des candidats. Vous n'êtes pas obligé d'avoir une pièce d'identité d'acheteur
    limit:Nombre maximum de candidats pour chaque acheteur.-1 est illimité. Un dictionnaire utilisant l'identifiant de l'acheteur comme clé est possible
production
Liste des numéros de la liste des candidats sélectionnés

python

#échantillon
from ortoolpy import combinatorial_auction
cand = [
    ( 15, (0,2), 0),
    ( 10, (0,), 1),
    (  8, (1,), 1),
    ( 14, (1,2), 2),
]
combinatorial_auction(3, cand)

résultat

[1, 3]

python

# pandas.DataFrame
from ortoolpy.optimization import CombinatorialAuction
CombinatorialAuction('data/auction.csv')

python

# pandas.DataFrame
from ortoolpy.optimization import CombinatorialAuction
CombinatorialAuction('data/auction.csv',limit=1)

Les données

• data/auction.csv

Supplément

• En ajoutant un petit nombre aléatoire à la somme d'argent, il fonctionne également comme une loterie.