Résolution des problèmes de planification des infirmières grâce à l'optimisation des combinaisons

Qu'est-ce que c'est

"Résolution du problème de planification des infirmières (optimisation des équipes) avec un algorithme génétique" à [Optimisation de combinaison](http://qiita.com/ J'ai essayé de le résoudre avec SaitoTsutomu / items / bfbf4c185ed7004b5721).

Lire le tableau (demande de quart, etc.)

python


import numpy as np, pandas as pd
from pulp import *
from ortoolpy import addvars, addbinvars
from io import StringIO

a = pd.read_table(StringIO("""\
journée\t mois\t mois\t mois\t feu\t feu\t feu\t eau\t eau\t eau\t arbre\t arbre\t arbre\t or\t or\t or\t sol\t sol\t sol\t jour\t jour\t jour
Fuseau horaire\t matin\t midi\t nuit\t matin\t midi\t nuit\t matin\t midi\t nuit\t matin\t midi\t nuit\t matin\t midi\t nuit\t matin\t midi\t nuit\t matin\t midi\t nuit
Nombre de personnes requis\t2\t3\t3\t2\t3\t3\t2\t3\t3\t1\t2\t2\t2\t3\t3\t2\t4\t4\t2\t4\t4
Employé 0\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t
Employé 1\t○\t○\t○\t\t\t\t○\t○\t○\t\t\t\t○\t○\t○\t\t\t\t\t\t
Employé 2\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t○\t○\t○\t○\t○\t○
Employé 3\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○
Employé 4\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○
Employé 5\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t\t\t\t\t\t
Employé 6\t\t\t\t\t\t\t\t\t\t\t\t\t○\t○\t○\t○\t○\t○\t○\t○\t○
Employé 7\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t
Employé 8\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○\t\t\t○
Employé 9\t\t\t\t\t\t\t\t\t\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○\t○""")).T
a,a.columns = a.iloc[1:],a.iloc[0].tolist()
a.Nombre de personnes requis= a.Nombre de personnes requis.astype(int)
a.iloc[:,2:] = ~a.iloc[:,2:].isnull()
a.insert(0, 'journée', a.index.str[0])
a.reset_index(drop=True, inplace=True)
a = a.iloc[:,list(range(3,a.shape[1]))+[0,1,2]]
print(a[:3]) #Affichage des 3 premières lignes
Employé 0 Employé 1 Employé 2 Employé 3 Employé 4 Employé 5 Employé 6 Employé 7 Employé 8 Employé 9 Jour Fuseau horaire Nombre de personnes requis
0 True True False True False True False False False False mois matin 2
1 False True False True False True False True False False mois midi 3
2 False True False True True True False False True False mois nuit 3

Résoudre avec Python

"V ..." comme l'allocation V est une variable.

python


Cadre N,N employé= a.shape[0],a.shape[1]-3
Employé L= list(range(N employé))
Administrateur L= [3,5,9] #Le directeur est l'employé 3, 5, 9
C Différence du nombre de personnes requis= 10
C pas désiré= 100
C nombre minimum d'images= 1
C pénurie d'administrateurs= 100
C 1 jour 2 images= 10
m = LpProblem() #Modèle mathématique
Allocation en V= np.array(addbinvars(Cadre N,N employé))
a['V Différence du nombre de personnes requis'] = addvars(Cadre N)
V nombre minimum d'images= addvars(N employé)
a['Pénurie d'administrateurs V'] = addvars(Cadre N)
V 1 jour 2 images= addvars(N employé)
m += (C Différence du nombre de personnes requis* lpSum(a.V Différence du nombre de personnes requis)
    +C pas désiré* lpSum(a.apply(lambda r: lpDot(1-r[Employé L],Allocation en V[r.name]), 1))
    +C nombre minimum d'images* lpSum(V nombre minimum d'images)
    +C pénurie d'administrateurs* lpSum(a.Pénurie d'administrateurs V)
    +C 1 jour 2 images* lpSum(V 1 jour 2 images)) #Fonction objective
for _,r in a.iterrows():
    m += r.V Différence du nombre de personnes requis>=  (lpSum(Allocation en V[r.name]) - r.Nombre de personnes requis)
    m += r.V Différence du nombre de personnes requis>= -(lpSum(Allocation en V[r.name]) - r.Nombre de personnes requis)
    m += lpSum(Allocation en V[r.name,Administrateur L]) + r.Pénurie d'administrateurs V>= 1
for j,n in enumerate((a.iloc[:,Employé L].sum(0)+1)//2):
    m += lpSum(Allocation en V[:,j]) +V nombre minimum d'images[j] >= n #Plus de la moitié d'espoir
for _,v in a.groupby('journée'):
    for j in range(N employé):
        m += lpSum(Allocation en V[v.index,j]) -V 1 jour 2 images[j] <= 2 #Jusqu'à 2 images par jour
%time m.solve()
Résultat R= np.vectorize(value)(Allocation en V).astype(int)
a['résultat'] = [''.join(i*j for i,j in zip(r,a.columns)) for r in Rrésultat]
print('Fonction objective', value(m.objective))
print(a[['journée','Fuseau horaire','résultat']])

production


CPU times: user 7.45 ms, sys: 4.23 ms, total: 11.7 ms
Wall time: 22.8 ms
Fonction objectif 0.0
Résultat du fuseau horaire de jour
0 mois employé le matin 1 employé 5
Janvier midi Employé 3 Employé 5 Employé 7
Nuit de février Employé 1 Employé 3 Employé 4
3 Mar matin Employé 0 Employé 3
4 Mar midi Employé 3 Employé 5 Employé 7
5 Mar soir Employé 4 Employé 5 Employé 8
6 Mer matin Employé 0 Employé 5
7 Mercredi Déjeuner Employé 1 Employé 3 Employé 5
8 Mercredi soir Employé 3 Employé 4 Employé 8
9 Jeudi matin Employé 3
10 Jeudi midi Employé 5 Employé 7
11 Jeudi soir Employé 8 Employé 9
12 ven matin Employé 1 Employé 5
13 Ven Déjeuner Employé 1 Employé 7 Employé 9
14 vendredi soir Employé 5 Employé 6 Employé 8
15 sam matin Employé 0 Employé 3
16 Sam midi Employé 2 Employé 6 Employé 7 Employé 9
17 Sam Night Employé 3 Employé 4 Employé 6 Employé 9
18e matin Employé 0 Employé 9
19 midi Employé 2 Employé 3 Employé 6 Employé 9
20e nuit Employé 2 Employé 3 Employé 4 Employé 6

――Le temps de calcul était de 23 millisecondes et la solution optimale exacte a été obtenue. --La fonction objectif (somme des pénalités) est de 0 $, donc toutes les conditions sont remplies.

c'est tout


référence

Recommended Posts

Résolution des problèmes de planification des infirmières grâce à l'optimisation des combinaisons
Résolvez le problème des 4 couleurs grâce à l'optimisation des combinaisons
Résolution des problèmes d'organisation des districts scolaires grâce à l'optimisation des combinaisons
Résolution de la théorie des jeux avec l'optimisation des combinaisons
Résolution du problème d'horaire des infirmières (optimisation des équipes) avec un algorithme génétique
Résolution des problèmes de sac à dos avec les outils OR de Google - Pratiquer les bases des problèmes d'optimisation combinée
Résolution du problème N Queen avec l'optimisation continue / combinée
Résolution du problème N Queen avec l'optimisation des combinaisons
Jeux de regroupement avec optimisation des combinaisons
Résolution d'exercices de modèle d'optimisation mathématique avec les outils OR de Google (3) Problèmes d'optimisation de la production
Résolution de "cubes en cubes" avec optimisation des combinaisons
Maximisez les ventes des restaurants grâce à l'optimisation combinée
Allez voir les baleines avec l'optimisation des combinaisons
Paver la route avec l'optimisation des combinaisons
Empilons les livres à plat avec l'optimisation des combinaisons
Points à noter lors de la résolution de problèmes DP avec Python
Résolvez les problèmes d'optimisation des combinaisons avec les outils OR de Google (5) Décidez d'un cours de date
Créer un programme académique avec optimisation des combinaisons
Introduction à l'optimisation mathématique Python Résoudre des problèmes de mathématiques au collège avec pulp
Utiliser l'optimisation des combinaisons
○○ Résolution de problèmes dans le département de mathématiques avec optimisation
Résolution des problèmes de sac à dos avec des algorithmes génétiques et des modèles MGG
Aménagement routier par optimisation
Optimisation du regroupement par combinaison
Introduction à l'optimisation
Problèmes lors de l'installation de Scrapy
Problèmes avec la coopération Webpay
Comment écrire hors ligne en temps réel Résolution des problèmes E05 avec Python