使用Python解决近似的不易腐烂的库存分配问题

问题描述

我正在寻找一种有效的算法，可以将多个商店中可用的有限数量的不易腐烂的库存（商品）大致或紧密分配给按以下顺序排列的订单列表： （a）订购日期，然后跟着 （b）为每个客户指定的优先顺序。

总体分配受到两个约束- （i）每个客户对可以订购的总库存有固定的限制，也称为订单配额和 （ii）每个商店的库存可用性（不能在任何两个商店中对库存进行混洗/移动）。

“近似”因子是订单的最终分配，大约为5000万个订单，不一定是最佳分配，也可以是一个大致数字。尽管这有待商discussion，但如果分配不当可能会加重总的估算数字。

让我给出上面的一个工作示例-

订单列表：

以正确的分配顺序排序的订单列表

订单配额：

每个客户的订单配额

商店库存：

每个商店的库存量

如上所示，当前放置了7个订单，按订单日期和客户优先级排序。
1.订单1被接受，因为朱莉已从商店编号A1（其中有200个单位）订购了100个单位，这低于她目前的250个单位的定额配额。分配之后，朱莉的配额减少到250-100 = 150单位，而商店A1中可用的总单位减少到200-100 = 100单位。
2.下一个下达订单2的安德鲁将得到处理，也将被分配，因为商店A1拥有100个单位，该数量大于订购的50个单位，而安德鲁的配额下降到150个单位。
3.同样，成功分配了直到130个单位的茱莉下的订单5为止的所有订单。
4.转到订单6（安德鲁下达40个单位的订单）将不会分配，因为他的订单配额（在此阶段为0）小于订购量（40）。
5.接下来是订单7，由于商店A1没有足够的库存（仅剩余50个单位），Timothy下达的100个单位的订单将不会分配。

目前，我正在使用PySpark在每个订单行上使用内部联接强力解决此问题，然后将订单量与配额和商店库存进行比较。

我不期望端到端的实现，而是想学习以最佳的精度解决此问题的最佳方法，也许使用一些适合此问题的数据结构。另外，我在这里标记pyspark，以了解是否可以通过分布式方式解决？长期阅读的歉意。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）