Question

我遇到了使用普通蛮力方法无法解决的问题。
问题-我正试图一次找出30年中不重复的50年的组合，以使它们的均值和变异系数处于特定范围内。我正在使用itertools combinations。但是问题是，所有组合中没有-47129212243960花费的时间太长了。有什么办法可以更有效地做到这一点？
数据集具有以下格式-

Yrs       Prs_90      Prs_80      Prs_70

2012  499.934588  521.512345  425.189729
2013  579.063531  477.782099  256.382494
2014  458.415624  456.480642  363.309507

我正在计算Prs_90 , Prs_80, Prs_70的均值和变异系数，然后根据一个阈值找到一个组合，该阈值取决于均值和变异系数。
编辑-变异系数（CV）=标准偏差（x）/平均值（x）
选择所需组合的条件为-

if (mean >= 501 and <= 570) and ((0.13<=CV<=0.17) or(0.23<=CV<=0.27) or(0.23 <=CV <=27)

或

if (mean >= 451 and <= 460) and ((0.13<=CV<=0.17) or(0.23<=CV<=0.27) 
or(0.33 <=CV <=37):

或

if (mean >= 391 and <= 400) and ((0.13<=CV<=0.17) or(0.23<=CV<=0.27) 
or(0.33 <=CV <=37)):

我需要与上述每个条件相对应的组合。

编辑- 我首先以以下格式重新排序上面提供的数据框-

             Yrs      Prs_80      Prs_70
Prs_90                                  
579.063531  2013  477.782099  256.382494
477.758138  2044  475.458614  259.228592
492.957830  2036  408.590138  281.921215
541.632294  2042  430.990568  290.163454
565.369062  2024  420.107058  296.545395
409.979527  2027  379.740246  301.086631
347.702470  2052  610.775045  307.756455
460.657276  2016  301.774467  309.311562

然后我使用以下方法-

r =30
check1 = 1
check10 = 1
for p in combinations(test4.index,r):
  den = np.mean(p)
  num = np.std(p)
  cv = num/den
  if (den >= 561 and den <= 570 ) :
     if(cv>=0.13 or cv <= 0.17 and check1):
     check1=0
     print("Combination 1 done")

  elif(den>=391 and den <= 400):
     if(cv>=0.13 or cv < 0.17 and check10):
     check10 = 0
     print("Combination 10 done")
if(check1+check10==0)
break

我在这里甚至只考虑2个条件，因为它正在运行着千千万万次迭代，因此对组合的完整处理将花费更多时间。
我使用check1和check10作为信号，因为当我收到以下组合时，我打破了循环。

其他信息-

           Prs_90      Prs_80      Prs_70
count   50.000000   50.000000   50.000000
mean   510.732700  445.366865  386.037076
std    113.773333   84.078209   80.987841
min    347.702470  233.335085  256.382494
25%    427.241363  390.745725  320.812298
50%    469.263029  439.407141  383.430153
75%    573.406731  512.019602  433.199140
max    854.819691  610.775045  644.588971

数据的CV为25％。

Answer 1

我说过类似的事情可以解决为MINLP（混合整数非线性规划）模型。让我尝试一下。

我生成了一些随机数据，如下：

----     30 PARAMETER p  random data

year1  18.003,    year2  84.483,    year3  55.487,    year4  30.813,    year5  29.929,    year6  23.181
year7  35.633,    year8  85.771,    year9   7.644,    year10 50.521,    year11 99.814,    year12 58.295
year13 99.122,    year14 76.463,    year15 13.939,    year16 64.332,    year17 16.792,    year18 25.758
year19 67.224,    year20 44.100,    year21 36.610,    year22 35.793,    year23 14.018,    year24 15.860
year25 59.322,    year26 83.258,    year27 23.851,    year28 66.908,    year29 77.810,    year30 31.062
year31 11.939,    year32 50.736,    year33 16.857,    year34 87.374,    year35 27.246,    year36 29.296
year37 59.802,    year38 72.549,    year39 63.197,    year40 46.916,    year41 41.917,    year42 12.652
year43 32.107,    year44  5.609,    year45 34.516,    year46 19.028,    year47 64.927,    year48 56.514
year49 77.226,    year50 30.483


----     30 PARAMETER meanbounds  

               lo          up

mean1      10.000      20.000
mean2      30.000      40.000
mean3      50.000      60.000


----     30 PARAMETER cvbounds  

             lo          up

cv1       0.500       0.700
cv2       0.900       0.950


----     30 PARAMETER K                    =       30.000  number to select

MINLP模型：

该模型基本上执行三件事：

选择30点（通过x(i)变量）
为平均值选择一个间隔（通过xm(k1)）
为简历选择一个时间间隔（通过xcv(k2)）

一些结果：

----     74 VARIABLE x.L  select points

year1  1,    year2  1,    year3  1,    year4  1,    year5  1,    year6  1,    year7  1,    year9  1,    year10 1
year12 1,    year16 1,    year17 1,    year18 1,    year20 1,    year21 1,    year22 1,    year23 1,    year24 1
year27 1,    year30 1,    year32 1,    year33 1,    year35 1,    year37 1,    year40 1,    year42 1,    year43 1
year44 1,    year46 1,    year48 1


----     74 VARIABLE mu.L                  =       34.321  mean
            VARIABLE sigma.L               =       18.843  stdev
            VARIABLE cv.L                  =        0.549  coeff of variation

----     74 VARIABLE xm.L  select mean interval

mean2 1


----     74 VARIABLE xcv.L  select CV interval

cv1 1

我用Baron解决了这个问题。至少对于此数据集，此方法似乎有效。由于没有目标，因此这基本上是一个可行性问题。约束编程求解器也可能起作用（尽管大多数对浮点变量的支持有限）。

Python：解决找到满足特定条件的组合的问题

1 个答案: