-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy path2.1.py
202 lines (145 loc) · 6.07 KB
/
2.1.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
# Projet MOGPL : Optimisation appliquée à la localisation d’unités de soins et à la prise en charge des patients
import csv
from gurobipy import *
import numpy as np
"""
# Paramètre à modifier pour effectuer les test
"""
# k : nombre d'unité spéciale défini par l'utilisateur
k = 5
# alpha : paramètre strictement positif valant 0.1 ou 0.2
alpha = 0.2
# --------------------------------------------------------------------------------------------------------------
"""
# Récupération des données du fichier `villes.csv` dans le dictionnaire reader
"""
with open('villes.csv', newline='', encoding="latin") as csvfile:
reader = csv.DictReader(csvfile)
# Villes : liste des villes
# Populations : liste du nombre de population de chaque ville
# dist : liste de listes des distances en annexe
Villes, Populations, dist = [], [], []
# Parcours le dictionnaire reader
for row in reader:
# Ajoute les valeurs aux listes Villes et Population
Villes += [row['Ville']]
Populations += [int(row['Population'])]
# liste qui correspond à une ligne du tableau de l'annexe
ligne = []
# Parcours les valeurs des distances du tableau de l'annexe
for key,value in row.items():
if key != 'Population' and key != 'Ville':
ligne.append(value)
# Ajoute la ligne dans la liste dist
dist.append(ligne)
# --------------------------------------------------------------------------------------------------------------
"""
# Vérification des paramètres entrées par l'utilisateur
"""
if k <= 0:
raise ValueError(" Aucune ville donnée")
if alpha < 0:
raise ValueError("Alpha doit être strictement positif ")
# --------------------------------------------------------------------------------------------------------------
"""
# Paramètres
"""
# n : nombre de villes situées sur le territoire de référence
n = len(Villes)
# pop_total : nombre de population total considéré sur le territoire de référence
pop_total = sum(Populations)
# gamma : la population totale des villes composant un secteur ne doit pas dépasser la quantité gamma
gamma = (1.0 + alpha)/k * pop_total
# d_ij : matrice des distances en annexe
# Remplis la partie triangulaire supérieur de la matrice des distances
for i in range(n):
for j in range(i+1,n):
dist[i][j] = dist[j][i]
# Transforme la liste de listes dist en matrice d'entiers
d_ij = np.asarray(dist,int)
# --------------------------------------------------------------------------------------------------------------
"""
# Résolution du PL :
"""
m = Model("Unites_de_soin")
# declaration variables de decision
# x : matrice à 2 dimensions de valeurs 0 ou 1 tel quel x_ij = 1 si les patients de la ville i sont traités dans la ville j
#x = np.array([[m.addVar(vtype=GRB.BINARY) for ind in range(n)] for ind in range(n)])
x = m.addMVar((n, n), vtype=GRB.BINARY, name="x")
# Opt : liste de booléen qui indique à l'indice i que la i-ème ville possède une unité de soin
#Opt = [ m.addVar(vtype=GRB.BINARY) for ind in range(n) ]
Opt = m.addMVar(n, vtype=GRB.BINARY, name="Opt")
# Definition des contraintes
# une ville n’appartient qu’à un unique secteur
# pour chaque ville : Somme_j x_ij = 1
for i in range(n):
m.addConstr(sum(x[i,:]) == 1, "c%d" % i)
# la population totale des villes composant un secteur ne doit pas dépasser la quantité gamma
# pour chaque secteur : Somme_i v_i * x_ij <= gamma
for j in range(n):
pop_secteur = 0
for i in range(n):
pop_secteur += x[i,j] * Populations[i]
m.addConstr(pop_secteur <= gamma, "c%d" % (n+i))
# Si les patients d'une ville i se font traités dans la ville j, alors la ville j possède une unité de soin
# pour chaque secteur potentiel, on vérifie chaque ville : x_ij <= Opt_j
for j in range(n):
for i in range(n):
m.addConstr(x[i,j] <= Opt[j], "c%d" % (2*n + j*n+i))
# Il y a exactement k ville(s) possédant une unité de soin
# Somme_j Opt_j = k
m.addConstr(sum(Opt) == k, "c%d" % (2*n + n*n + 1))
# définition de l'objectif
obj = 0.0
for i in range(n):
for j in range(n):
obj += (d_ij[i][j] * Populations[i] * x[i,j])
obj /= pop_total
m.setObjective(obj, GRB.MINIMIZE)
# Resolution
m.optimize()
print("")
print("CONTEXTE DU PROBLEME:")
print("")
print("Soit un ensemble de ",n," villes situées sur le territoire de référence.")
print("")
print("Les villes en question sont :",Villes,".")
print("")
print("Elles ont respectivement pour nombre d'habitants", Populations,".")
print("")
print("Voici la matrice x_ij que l'on obtient:")
print(x.X)
print("")
# J : indice des villes possédant une unité de soin
J = []
# On cherche les villes qui possède une unité de soin et on récupère leur indice
for j in range(n):
for i in range(n):
if(Opt[j].X == 1.0):
J.append(j)
break;
# Unites : villes possédant une unité spéciale de traitement des patients atteints par une forme sévère d’une nouvelle maladie
Unites = [Villes[ind] for ind in J]
print("On déduit de la matrice x_ij la localisation optimale des ",k,"secteurs :")
print(Unites)
print("")
print('Solution optimale (Affichage de la matrice solution pour la définition des',k,'secteurs):')
print("")
# res : matrice solution avec pour i les villes et j les unités de soins
res = np.zeros((n,k))
# Remplir la matrice res
for i in range(n):
for j in range(k):
res[i][j] = x[i,J[j]].X
print(res)
print("")
# Explicité la matrice res
for col in range(k):
print("La ville de ", Villes[J[col]]," reçoit les habitants des villes de :")
affichage = []
for lig in range(n):
if(res[lig,col] == 1):
affichage += [Villes[lig]]
print(affichage)
print("")
print('Valeur de la fonction objectif :', m.objVal)