6
4

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

中学校の委員分け

Last updated at Posted at 2020-04-25

これなに

生徒の希望を元に「クラスの委員を割り当てる問題」を組合せ最適化で解きます。
中学校の委員分けを最小費用流で最適化してみた話のPython版です。

方針

  • 生徒の委員の希望を1レコードとしたpandas.DataFrameを作成します。
    • 第1希望のコストを10、第2希望のコストを30とします。
  • DataFrameを使って数理最適化モデル(コスト最小化)を作成します。
  • 数理最適化モデルをソルバーで解いて割り当てを出します。

数理最適化モデル

  • 変数:DataFrameの列として作成(1行1変数)。
  • 目的関数:希望コストの総和最小化
  • 制約条件
    • 生徒がなれる委員は1つまで
    • 委員は定数を満たす

入力

DataFrameを作成します。

import pandas as pd
from pulp import lpDot, lpSum
from ortoolpy import model_min, addbinvars, addvals

lst = [['タプリス', '風紀委員', 10], ['青葉', '学級代表', 10], ['かぐや', '風紀委員', 10],
       ['チノ', '学級代表', 10], ['ミラ', '風紀委員', 10],
       ['タプリス', '学級代表', 30], ['青葉', '図書委員', 30], ['かぐや', '図書委員', 30],
       ['チノ', '風紀委員', 30], ['ミラ', '学級代表', 30]]
need = {"学級代表": 1, "図書委員": 2, "風紀委員": 2}
df = pd.DataFrame(lst, columns=['Name', 'Committee', 'Cost'])
addbinvars(df)

print(df)
Name Committee Cost Var
0 タプリス 風紀委員 10 v000001
1 青葉 学級代表 10 v000002
2 かぐや 風紀委員 10 v000003
3 チノ 学級代表 10 v000004
4 ミラ 風紀委員 10 v000005
5 タプリス 学級代表 30 v000006
6 青葉 図書委員 30 v000007
7 かぐや 図書委員 30 v000008
8 チノ 風紀委員 30 v000009
9 ミラ 学級代表 30 v000010

Var列が変数(1:割り当てる、0:割り当てない)

モデル作成と求解

m = model_min()
m += lpDot(df.Cost, df.Var)  # 希望コストの総和
for _, gr in df.groupby('Name'):
    m += lpSum(gr.Var) <= 1  # 生徒がなれる委員は1つまで
for k, gr in df.groupby('Committee'):
    m += lpSum(gr.Var) == need[k]  # 委員は定数を満たす
m.solve()
addvals(df)

結果

print(df[df.Val > 0])
Name Committee Cost Var Val
0 タプリス 風紀委員 10 v000001 1
3 チノ 学級代表 10 v000004 1
4 ミラ 風紀委員 10 v000005 1
6 青葉 図書委員 30 v000007 1
7 かぐや 図書委員 30 v000008 1

補足

元記事では最小費用流問題にしてます。その場合、NetworkXmin_cost_flowが使えます。

ただし、モデルを改造するのであれば、本記事のように数理最適化モデルの方が対応しやすいでしょう。数理最適化の計算時間も十分速いです。

6
4
2

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
6
4

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?