Цифровая логистика: решение транспортной задачи спроса и предложения с помощью библиотеки DOcplex от IBM

[abutorin]

Вы случаем не рассматривали другие библиотеки? Например scipy или glpk у которого есть несколько обёрток для python (и он разрабатывался нашим соотечественником).
Для себя понял что scipy плохо решает системы где несколько тысяч уравнений, а вот glpk быстро и хорошо справляется уже с десятками тысяч.

[kuzin_d]

Здравствуйте! Да, действительно, есть ещё целый ряд библиотек для решения задач линейного программирования, в частности, дополнительно к библиотеке docplex я построил решение задачи на основе библиотек scipy, cvxopt и pulp. Как Вы уже правильно отметили, у scipy и других библиотек имеются ограничения на количество уравнений, входящих в решение, что не позволяет масштабировать задачу на значительно большее число участников рынка. Также, по моему мнению, в библиотеке docplex задание целевой функции и ограничений решения более лаконичное и удобное, чем в других библиотеках.

[DrRaznomazov]

Полезная работа. Такой вопрос, а вот что дальше делать с результатами расчета? Думали ли вы, как использовать результаты расчета и как их хранить для дальнейшего анализа? То есть, они уйдут в какой-то даталейк или СПР? Сохранение результатов расчета и обеспечение быстрого доступа к ним, это ооочень интересная тема для дальнейшего обсуждения.
Для хранения графов — их удобно хранить в GraphML. Для графов вообще в пайтоне есть целый набор библиотек.

[kuzin_d]

Хороший вопрос, охватывающий комплексное решение. Конечно же хорошо и правильно структурированное хранение полученных данных, для дальнейшего анализа, например с помощью ML, и построения на его основе ещё более верхнеуровневых решений это следующий шаг данной задачи. Моё участие в данном проекте было достаточно локальным и направлено на проработку конретной задачи. Если вкратце — найти подходящий удобный «движок» для решения. Поэтому в своей публикации я делюсь своим опытом именно в этом вопросе.