用于运筹学和数据科学问题的python包。
pyords的Python项目详细描述
（正在开发中）
pyords公司
运筹学和数据科学图书馆。在
实现类型
- 图论
- 遗传算法
- 模拟
- 机器学习
项目背后的动机
自学：
- Open-source software development
- Data Science
- Operations Research
- Financial Engineering
- Visualizations在Python中 或JavaScript
- 大喷溅！NumPy， Pandas， D3.js， Plotly， Matplotlib， IPython和{a12}， scikit-learn和{a14}， git， Google OR Tools (ortools)， Pyomo， Supply Chain Guru， Keras，Hadoop， AWS， GCP，Vagrant
开发和文档
pyordsBundles
Bundle是作为模块化实例实现的自包含问题定义。对于那些非常插件化和可玩性的打包代码单元来说，这真是太棒了。促进Bundle发展：
将问题设计为
在Case，其中{}可以针对解决 Case中定义的问题的各种{}进行测试。为了这个目的， README我们将使用VrpVehicleCase。Cases必须帮助定义特性实现（或改进）所需的内容。对于我们的VrpVehicleCase，我们将假设一组数据和配置，以满足基本的vrp模型要求，并在数据中附加优化车辆的期望输出。在生成一个
Bundle。捆绑包应该特定于它解决的Case。也许你知道我该怎么做了。这个库有2个核心组件：BundlesCases
测试
在Case与它的Bundle。在提交实施方案，并提供支持其开发原因的文件。在
在
VrpVehicleCase
- 通过vrp优化定义一个或多个车辆输出的允许数据
- 定义输入期望和测试
- 定义
Case期望和测试 - 定义输出期望和测试
- 相关：
- 土工布束
- 圆形
GeoBundle
- 处理过的zipcode输出、lat和lon输出、haversine距离输出以及lat和lon集群输出
- 集成：
- {a24}拉特
- 距离：haversine
- 相关：
- 拉链箱
- 板条箱
- LatLonDistanceCase
- 板条箱
OrBundle
- 运筹学优化：vrp，网络优化，调度。在
- 机会分析，健康检查。在
- 实施：
- 通过Google或tools优化Vrp
- 基于遗传算法的进度优化
- 集成：
- vrp:google ortools
使用pyords进行车辆优化
importpyordsaspyrdf=pd.read_csv('my_shipment_data.csv')# TODO: implement this bundle (currently not refactored)geobndl=pyr.GeoBundle(zipcodes=df.zipcodes)lats,lons=geo_bndl.pgeo('US')matrix=geobndl.haversine_all_from(origin=origin,'mi')clusters=geobndl.cluster(by='geocodes')vrpbndl=pyr.VrpBundle(matrix=matrix,demand=df.pallets)df=vrpbndl.run().cast_solution_to_df(clustered_df)
测试pyordsBundles:白色复选标记：
^{pr2}$
- 项目
标签：
欢迎加入QQ群-->： 979659372
