Python笔记之按订单重量与去向进行拼车运输算法

2023-12-01 15:52
文章标签 python 算法 进行 笔记 重量 订单 去向 车运输

本文主要是介绍Python笔记之按订单重量与去向进行拼车运输算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

需求

在TMS模块，对同去向不同客户之间的订单进行拼车以节省运输成本。

算法

使用Python的interval、itertools 进行拼车。

# -*- codeing = utf-8 -*-
# @File : TMS拼车2.py
# @Author : 一起种梧桐吧
# @Version : Python 3.10.0
# @Software : PyCharm
# @Time : 2023年7月31日
# @Purpose : TMS运输管理系统同路线客户拼车from interval import Interval
from itertools import combinationsXL = ["东", "西", "南", "北"]
KH = {"客户01": ["东", 100],"客户02": ["东", 150],"客户03": ["东", 190],"客户04": ["东", 250],"客户05": ["南", 160],"客户06": ["南", 170],"客户07": ["南", 200]}
ZZ = {"客户01": {"dd01": 12550, "dd02": 300},"客户02": {"dd03": 11020, "dd04": 11000, "dd05": 1180, },"客户03": {"dd06": 11050, "dd07": 1220, "dd08": 110, },"客户04": {"dd09": 6350, "dd10": 5280},"客户05": {"dd11": 3050, "dd12": 3180},"客户06": {"dd13": 3520, "dd14": 3180},"客户07": {"dd15": 5390, "dd16": 3210}}
CL = {"X": 11500, "D": 13500}def load_1shop1order(shop: str, zzl_min: float, zzl_max: float):'''单门店-单订单装车:param zzl_min: 最小载重量:param zzl_max: 最大载重量:return: 满足条件的订单ID'''zzl_interval = Interval(zzl_min, zzl_max)for item in sorted(ZZ[shop].items(), key=lambda x: x[1], reverse=True):if item[1] in zzl_interval:return item[0], item[1]elif item[1] < zzl_min:return Noneelse:continueelse:return Nonedef load_1shop2order(shop: str, zzl_min: float, zzl_max: float):'''单门店-多订单装车:param zzl_min: 最小载重量:param zzl_max: 最大载重量:return: 满足条件的订单ID'''zzl_interval = Interval(zzl_min, zzl_max)dct_order = ZZ[shop]if sum(dct_order.values()) in zzl_interval:return tuple(dct_order.keys()), sum(dct_order.values())elif sum(dct_order.values()) <= zzl_min:return Noneelse:lst_order = []for key, value in dct_order.items():if value <= zzl_max:lst_order.append(key)lst_comb = []for i in range(1, len(lst_order) + 1):lst_comb.extend(combinations(lst_order, i))dct_comb = {}for order_comb in lst_comb:zl_order_comb = 0for order in order_comb:zl_order_comb += dct_order[order]if zl_order_comb in zzl_interval:dct_comb.update({order_comb: zl_order_comb})for item in sorted(dct_comb.items(), key=lambda x: x[1], reverse=True):if item[1] in zzl_interval:return item[0], item[1]elif item[1] < zzl_min:return Noneelse:continueelse:return Nonedef load(truck=CL):'''根据卡车装载量进行自动装载:param truck: 卡车信息:return: 满足条件的订单ID'''zzl_min = truck["X"]zzl_max = truck["D"]zzl_interval = Interval(zzl_min, zzl_max)dct_order = {}for item in ZZ.values():dct_order.update(item)# step_01:尝试单店单订单装载lst_order1 = []for shop in ZZ.keys():res = load_1shop1order(shop, zzl_min, zzl_max)if res:lst_order1.append(res)# print(lst_order1)dct_order_load1 = {}for item_comb in lst_order1:if item_comb:dct_order_load1.update({item_comb[0]: item_comb[1]})if dct_order_load1:for key, value in sorted(dct_order_load1.items(), key=lambda x: x[1], reverse=True):# return key, valueprint("step_01", key, value)# step_02:尝试单店多订单装载lst_order2 = []for shop in ZZ.keys():res = load_1shop2order(shop, zzl_min, zzl_max)if res:lst_order2.append(res)# print(lst_order2)dct_order_load2 = {}for item_comb in lst_order2:if item_comb:dct_order_load2.update({item_comb[0]: item_comb[1]})if dct_order_load2:for key, value in sorted(dct_order_load2.items(), key=lambda x: x[1], reverse=True):# return key, valueprint("step_02", key, value)# step_03:尝试2店拼订单装载（由远及近）dct_shop_03 = {}zzl_interval_03 = Interval(zzl_min * 0.5, zzl_max * 0.75)for shop in ZZ.keys():zzl_shop = sum(ZZ[shop].values())if zzl_shop in zzl_interval_03:dct_shop_03[shop] = zzl_shopfor key03, value03 in sorted(dct_shop_03.items(), key=lambda x: x[1], reverse=True):zzl_interval_new_03 = Interval(value03 * 0.33, value03) & Interval(zzl_min - value03, zzl_max - value03)if not zzl_interval_new_03:continue[qx03, yj03] = KH[key03]lst_shop_03_02 = []for shop03_02, qxyj03_02 in KH.items():if (qxyj03_02[0] == qx03) & (yj03 - qxyj03_02[1] in Interval(0, 50, lower_closed=False)):lst_shop_03_02.append(shop03_02)if not lst_shop_03_02:continueelse:lst_order03 = []for shop02 in lst_shop_03_02:res = load_1shop2order(shop02, zzl_interval_new_03.lower_bound, zzl_interval_new_03.upper_bound)if res:lst_order03.append(res)if not res:continuedct_order_load03 = {}for item_comb in lst_order03:if item_comb:dct_order_load03.update({item_comb[0]: item_comb[1]})if dct_order_load03:for key03_02, value03_02 in sorted(dct_order_load03.items(), key=lambda x: x[1], reverse=True):lst_order_shop = list(ZZ[key03].keys())for order in key03_02:lst_order_shop.append(order)# return key, valueprint("step_03", tuple(lst_order_shop), value03_02 + value03)# step_04:尝试2店拼订单装载（由近到远）dct_shop_04 = {}zzl_interval_04 = Interval(zzl_min * 0.25, zzl_max * 0.5)for shop in ZZ.keys():zzl_shop = sum(ZZ[shop].values())if zzl_shop in zzl_interval_04:dct_shop_04[shop] = zzl_shopfor key04, value04 in sorted(dct_shop_04.items(), key=lambda x: x[1], reverse=True):# print(Interval(value * 0.33, value), Interval(zzl_min - value, zzl_max - value))zzl_interval_new_04 = Interval(value04, value04 * 3) & Interval(zzl_min - value04, zzl_max - value04)if not zzl_interval_new_04:continue[qx04, yj04] = KH[key04]lst_shop_04 = []for shop04_02, qxyj04_02 in KH.items():if (qxyj04_02[0] == qx04) & (qxyj04_02[1] - yj04 in Interval(0, 50, lower_closed=False)):lst_shop_04.append(shop04_02)if not lst_shop_04:continueelse:lst_order04 = []for shop04_02 in lst_shop_04:res = load_1shop2order(shop04_02, zzl_interval_new_04.lower_bound, zzl_interval_new_04.upper_bound)if res:lst_order04.append(res)# print(lst_order04)dct_order_load04 = {}for item_comb in lst_order04:if item_comb:dct_order_load04.update({item_comb[0]: item_comb[1]})if dct_order_load04:for key04_02, value04_02 in sorted(dct_order_load04.items(), key=lambda x: x[1], reverse=True):lst_order_shop = list(ZZ[key04].keys())for order in key04_02:lst_order_shop.append(order)# return key, valueprint("step_04", tuple(lst_order_shop), value04_02 + value04)if __name__ == "__main__":load()

这篇关于Python笔记之按订单重量与去向进行拼车运输算法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/441775。

相关文章

不懂推荐算法也能设计推荐系统

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例，告诉我们不懂推荐算法的产品，也能从产品侧出发， 设计出一款不错的推荐系统。 相信很多新手产品，看到算法二字，多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法（注：传统是指科班出身的产品都会接触过）。但对于推荐算法，多数产品对着网上搜到的资源，都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后，更是加大了理解的难度。 但，不了解推荐算法，就无法做推荐系
阅读更多...
python: 多模块(.py)中全局变量的导入

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别： 当你在一个模块（文件）中使用 global 声明变量时，这个变量只在该模块的全局命名空
阅读更多...
康拓展开（hash算法中会用到）

康拓展开（hash算法中会用到）

康拓展开是一个全排列到一个自然数的双射（也就是某个全排列与某个自然数一一对应） 公式： X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。（a[i]在不同应用中的含义不同）； 典型应用： 计算当前排列在所有由小到大全排列中的顺序，也就是说求当前排列是第
阅读更多...
csu 1446 Problem J Modified LCS （扩展欧几里得算法的简单应用）

csu 1446 Problem J Modified LCS （扩展欧几里得算法的简单应用）

这是一道扩展欧几里得算法的简单应用题，这题是在湖南多校训练赛中队友ac的一道题，在比赛之后请教了队友，然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意：把题意转变下就变成了：求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点：求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个
阅读更多...
综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动，这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升：减少抖动，提高图像的清晰度和细节表现力，使得监控画面更加真实可信。 - 细节增强：在低光条件下，抖
阅读更多...
【数据结构】——原来排序算法搞懂这些就行，轻松拿捏

【数据结构】——原来排序算法搞懂这些就行，轻松拿捏

前言：快速排序的实现最重要的是找基准值，下面让我们来了解如何实现找基准值 基准值的注释：在快排的过程中，每一次我们要取一个元素作为枢纽值，以这个数字来将序列划分为两部分。 在此我们采用三数取中法，也就是取左端、中间、右端三个数，然后进行排序，将中间数作为枢纽值。 快速排序实现主框架： //快速排序 void QuickSort(int* arr, int left, int rig
阅读更多...
【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯，先赞后看哦~🎈🎈 🏆 作者简介：景天科技苑 🏆《头衔》：大厂架构师，华为云开发者社区专家博主，阿里云开发者社区专家博主，CSDN全栈领域优质创作者，掘金优秀博主，51CTO博客专家等。 🏆《博客》：Python全栈，前后端开发，小程序开发，人工智能，js逆向，App逆向，网络系统安全，数据分析，Django，fastapi
阅读更多...
【Python编程】Linux创建虚拟环境并配置与notebook相连接

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如，在当前目录下创建一个名为 myenv 的虚拟环境： python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行： source myenv/bin/activate 3.与notebook连接 在虚拟环境中，使用 pip 安装 Jupyter 和 ipykernel： pip instal
阅读更多...
poj 3974 and hdu 3068 最长回文串的O（n）解法(Manacher算法)

poj 3974 and hdu 3068 最长回文串的O（n）解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大，用原来的O（n^2）会爆。 小白上的O(n^2)解法代码：TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO
阅读更多...
【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程（Gaussian Process，简称GP）是一种概率模型，用于描述一组随机变量的联合概率分布，其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数（或核函数） 1.3 核函数1.4 高斯过程回归（Gauss
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2