🍿★,°:.☆欢迎您/$:.°★ 🍿

正文

假设一个项目有三个维度的参数 A B C 都要组合后最小
分别求解 a b c 三个维度的最优组合
如果三个组合方案刚好重叠那么说明有一个使得三个方案最优的解
如果没有那么若选择某个方案其他维度的参数的值是最后得到选择每种方案的所有维度参数按照到 0点的欧式距离排序选择最小的
一般的项目维度是可穷举的
选择a 维度参数的方案 a 的值
选择a 维度参数的方案 b 的值
选择a 维度参数的方案 c 的值
选择b 维度参数的方案 a 的值
选择b 维度参数的方案 b 的值
选择b 维度参数的方案 c 的值
选择c 维度参数的方案 a 的值
选择c 维度参数的方案 b 的值
选择c 维度参数的方案 c 的值
如果是有填充值得那么还需要计算每个方案的有效组合数最后同时排序方可
在没有组合有效数的情况下 a b 方案均可优化方案是将所有方案参数归一化
假设每个方案有效组合是 [1,2,3]
当考虑到有效组合方案的时候要使用多个参数一起排序在前面的优先级最高 False 是降序 True 是升序

import numpy as np
import pandas as pd
from scipy.optimize import linear_sum_assignment


acost = np.array([[4, 1, 3], [2, 0, 5], [3, 2, 2]])
bcost = np.array([[6, 2, 7], [2, 1, 5], [7, 3, 2]])
ccost = np.array([[6, 3, 4], [2, 1, 8], [9, 3, 6]])
arow_ind, acol_ind = linear_sum_assignment(acost)
brow_ind, bcol_ind = linear_sum_assignment(bcost)
crow_ind, ccol_ind = linear_sum_assignment(ccost)

if np.sum((acol_ind == bcol_ind) & (arow_ind == ccol_ind) & (arow_ind == brow_ind) & (
        arow_ind == crow_ind)) == ccol_ind.size:
    print("选择一种方案即可")

a_acost_value = acost[arow_ind, acol_ind].sum()

a_bcost_value = bcost[arow_ind, acol_ind].sum()

a_ccost_value = bcost[arow_ind, acol_ind].sum()
a_cost_value = [a_acost_value, a_bcost_value, a_ccost_value]

b_acost_value = acost[brow_ind, bcol_ind].sum()

b_bcost_value = bcost[brow_ind, bcol_ind].sum()

b_ccost_value = bcost[brow_ind, bcol_ind].sum()
b_cost_value = [b_acost_value, b_bcost_value, b_ccost_value]

c_acost_value = acost[crow_ind, ccol_ind].sum()

c_bcost_value = bcost[crow_ind, ccol_ind].sum()

c_ccost_value = bcost[crow_ind, ccol_ind].sum()
c_cost_value = [c_acost_value, c_bcost_value, c_ccost_value]
total_cost_value = [np.array(a_cost_value) / max(a_cost_value), np.array(b_cost_value) / max(b_cost_value),
                    np.array(c_cost_value) / max(c_cost_value)]
total_cost_value = np.vstack(total_cost_value)
dis = np.std(total_cost_value - np.zeros(total_cost_value.shape), -1)
print(np.argmin(dis))
effective_combination_value = [1, 2, 3]
ef_dis_data = pd.DataFrame({"ef_count": effective_combination_value, "dis": dis})
print(ef_dis_data.sort_values(["ef_count","dis"],ascending=[False,True]).index.values[0])