少女前線(ドルフロ)の遠征を最適化するやつ(Pythonとpulpを使用)

exp_solver.py

# coding: UTF-8
import math

import pandas
import pulp

# 必要な資材量
want_supply = {
    '人力': 10000,
    '弾薬': 22000,
    '配給': 0,
    'パーツ': 0
}

# 遠征部隊数(最大：4)
unit_count = 4

# 更新間隔(hh:mm形式)
time_interval = '3:00'


def time_to_second(x: str) -> int:
    """hh:mm形式の文字列を、mmに変換する

    :param x: str
        hh:mm形式の時間
    :return:
        mm形式の時間
    """

    temp = x.split(':')
    return int(temp[0]) * 60 + int(temp[1])


def ceil(x: int, block: int):
    """xをblock単位で切り上げる
    (参考：Python - 整数1桁5の切り上げのコードを短くしたい | teratail
    https://teratail.com/questions/131512)

    :param x:
        整数
    :param block:
        切り上げ単位
    :return:
        切り上げ単位で切り上げられたx
    """
    return int(math.floor((x + block - 1) / block)) * block


# 必要なデータを読み込む
exp_table = pandas.read_table('table.tsv')
exp_table['分'] = exp_table['時間'].map(lambda x: time_to_second(x))
time_interval_minute = time_to_second(time_interval)
exp_table['実質分'] = exp_table['分'].map(lambda x: ceil(x, time_interval_minute))

# 変数(各遠征の回数)を宣言
exp_table['回数'] = [
    pulp.LpVariable(f'count_{i}', lowBound=0, cat=pulp.LpInteger)
    for i in exp_table.index
]

# 問題の定義を始める
problem = pulp.LpProblem("Problem", pulp.LpMinimize)
result_time = pulp.LpVariable('result_time', lowBound=0, cat=pulp.LpContinuous)

problem += pulp.lpDot(exp_table.実質分, exp_table.回数) <= result_time * unit_count
problem += pulp.lpDot(exp_table.人力, exp_table.回数) >= want_supply['人力']
problem += pulp.lpDot(exp_table.弾薬, exp_table.回数) >= want_supply['弾薬']
problem += pulp.lpDot(exp_table.配給, exp_table.回数) >= want_supply['配給']
problem += pulp.lpDot(exp_table.パーツ, exp_table.回数) >= want_supply['パーツ']
for key, row in exp_table.iterrows():
    problem += row.実質分 * row.回数 <= result_time
problem += result_time

# 問題を解く
problem.solve()

# 結果を表示する
exp_table['結果'] = exp_table['回数'].apply(lambda x: pulp.value(x)).astype('int64')
exp_table['総時間'] = exp_table.apply(lambda x: x['結果'] * x['実質分'] / 60.0, axis=1)
exp_table['人力'] = exp_table.apply(lambda x: x['結果'] * x['人力'], axis=1).astype('int64')
exp_table['弾薬'] = exp_table.apply(lambda x: x['結果'] * x['弾薬'], axis=1).astype('int64')
exp_table['配給'] = exp_table.apply(lambda x: x['結果'] * x['配給'], axis=1).astype('int64')
exp_table['パーツ'] = exp_table.apply(lambda x: x['結果'] * x['パーツ'], axis=1).astype('int64')
print(exp_table.query('結果 > 0.0')[['戦役', '名前', '結果', '総時間', '人力', '弾薬', '配給', 'パーツ']])

"""
# 変数（連続）を宣言
x = pulp.LpVariable("x", 0, 999, pulp.LpContinuous)
y = pulp.LpVariable("y", 0, sys.maxsize, pulp.LpContinuous)

# 目的関数を宣言
problem += ( x + y, "Objective" )
# かっこは不要だけど、わかりやすさのため記載

# 制約条件を宣言
problem += ( 2 * x + y <= 2 , "Constraint_1" )
problem += ( x + 2 * y <= 2 , "Constraint_2" )

# 問題の式全部を表示
print("問題の式")
print("--------")
print(problem)
print("--------")

# 計算
result_status = problem.solve()

# （解が得られていれば）目的関数値や解を表示
print("")
print("計算結果")
print("********")
print("最適性 = {}".format(pulp.LpStatus[result_status]))
print("目的関数値 = {}".format(pulp.value(problem.objective)))
print("解 x = {}".format(pulp.value(x)))
print("　 y = {}".format(pulp.value(y)))
print("********")
"""

table.tsv