文件名称：brewing_hackathon:我们在 2020 年墨西哥 AB Inbev Brewing 数据杯中的经验
文件大小：2.37MB
文件格式：ZIP
更新时间：2024-06-18 10:02:12
supply-chain logistics manhattan-distance milp-model HTML
挑战 我们需要创建6个区域，可以理解为配送中心（以可交付周的6天为基准），并确保我们在每个区域中行驶的距离最小，不超过均衡停站等配送日限制卷。 换句话说，这些区域应该在“卡车”中具有相同数量的商店和相同的负载。 点之间的距离 我们需要计算所有点之间的距离，换句话说，我们需要创建一个距离矩阵。 因此，我们可以使用各种各样的距离度量，以及提取更精确距离的服务，我们不会只限于欧几里德距离等一种，而是以下几种： 曼哈顿距离或出租车： 哈维辛 欧几里得（当然） 迈向胜利的步伐。 首先，我们将用 R 编程语言为我们的原始数据制作 EDA，获得： -中心趋势指标/度量 -标准偏差 -四分位数 对于我们的交付量和频率。 之后，我们将绘制这些变量，使用散点图、箱线图、直方图等图表，以便以图形的形式观察我们之前的结果。 然后我们将针对每个频率制作其他 EDA，因为我们的数据仅包含值一、二和三。 在每
【文件预览】：
brewing_hackathon-main
----tests.py(3KB)
----images()
--------h3_map.png(377KB)
--------final_solution.png(440KB)
----utils.py(2KB)
----solutions()
--------optimization_viz.ipynb(19KB)
--------using_h3.ipynb(13KB)
--------constrained_kmeans.ipynb(359KB)
--------cplex_optimization.py(5KB)
----README.md(7KB)
----EDA()
--------EDA.html(2.13MB)
--------Distances.ipynb(79KB)
--------EDA.Rmd(8KB)
----.gitignore(2KB)