linkesolver 0.0.2

AI Solver Test Project

我们做什么

我们致力于提供优质求解器功能

快速上手

一、安装python库

    pip install linkesolver

二、调用求解

1、输入问题文件求解

>> from linkesolver import mix_integer_solver
# 指定需要求解问题的.lp文件
>> file_name = "input_problem.lp"
# 确定问题类型problem，可选WPMS,FCMCNF,GISP
# solution_save默认为None，表示会打印求解结果。当指定文件路径时，会将求解结果保存到指定文件
>> mix_integer_solver(file_name, problem="FCMCNF", solution_save="./solve_out.txt")

2、基于图元素求解

>> from linkesolver import solve_wpms
>> nodes = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]
>> edges = [(0, 7), (0, 9), (0, 15), (0, 16), (0, 17), (0, 18), (1, 6), (1, 9), (1, 16), (1, 18), (1, 19), (2, 4), (2, 11), (2, 12), (3, 6), (3, 7), (3, 14), (3, 16), (3, 19), (8, 9), (11, 5), (12, 7), (13, 6), (18, 5), (18, 11)]
>> solve_wpms(nodes, edges, "WPMS", solution_save="./solve_out.txt")

目前能够求解问题

1、WPMS(Weighted Independent Maximum Packing Set)

• WIMPs问题是NP-hard问题的一个例子，通常被用于寻找无向图中的最大权独立集。在WIMPs问题中，给定一个带权无向图，每个顶点都有一个正权值。问题的目标是找到权值之和最大的独立顶点集，其中独立顶点集是指该集合中的任何两个顶点之间都没有边相连。
• WIMPs问题在许多领域中都有应用，例如在社交网络分析、电路设计和资源分配等领域中。

2、GISP（广义独立集问题）问题

• GISP问题是一类经典的优化问题，通常用于优化分配问题，例如分配资源或任务到不同的位置或机器上。在GISP问题中，有一组可用的资源和一组任务需要被完成。每个资源都有一个成本，同时可以完成一组任务，这些任务需要一定的资源。任务可以被分配给多个资源，但每个任务只能被完成一次。问题的目标是找到最小化总成本的任务分配方案。
• GISP问题的一个重要特点是，每个任务可以被分配给多个资源，这使得问题更加复杂。因此，GISP问题被认为是一种困难的组合优化问题。GISP问题在许多领域中都有应用，例如物流、生产调度和资源分配等领域。

3、FCMCNF(Facility Capacity Multiple Choice Network Flow)

• 该问题通常涉及在网络流模型中选择路径，以便满足一些特定的容量约束。FCMCNF问题中存在多种选择，每种选择都会影响网络流的容量限制。 具体而言，FCMCNF问题是在具有多个源和汇的带容量的有向图中找到最小费用的流，并满足以下要求:

1. 每个源必须流出特定数量的流量。
2. 每个汇必须接收特定数量的流量。
3. 每个路径可以选择多个容量和费用。
4. 每个路径的容量都受到一些限制，例如每个路径的容量不能超过某个特定的值。

敬请期待

1. 多样功能