two-sided-matching-method

A personalized ride-sharing two-sided matching decision-making method considering passenger no-show behavior 考虑乘客爽约行为的个性化拼车双边匹配决策方法

参考论文地址：

[1]包伊宁,陈希,张文博.考虑乘客爽约行为的网约车个性化司乘双边匹配决策方法[J/OL].工业工程与管理,1-15[2024-04-20]. http://kns.cnki.net/kcms/detail/31.1738.t.20240409.0956.003.html 对应目录paper/Chinese_paper

代码仓库地址：

https://github.com/huange888/two-sided-matching-method

参考ppt

目录下的 presentation/Two-Sided Matching_edit.pptx

数据目录

在目录下的static 里面存放了passenger driverSimulate1 profit_matrix loss_matrix prospectValueMatrix 等 xlsx文件

背景

DAA算法参考

感受

历时八天 有两天都在看英文文献 对应目录 paper/English_paper 后面的五天或者六天都是解析文献模型 提取公式来写python代码

在2024年4月20日17:07:45 终于完成了这个智慧决策的大作业 第一次感受到了博士论文的复杂度

不足

在后面的优化算法那一块只是用了随机生成 0 1 矩阵并且做了个迭代 人为的判断最优化函数
这点存在不足 可以优化的地方就是利用ortools来解决这个最优化问题 但是我下载了 官网好像有问题 一直在维护中 我的用法就是暴力模拟法 疯狂迭代 利用其他包的优化算法也可以实现这个最优化的司乘问题的双边匹配

个人地址

https://github.com/huange888/two-sided-matching-method

迭代次数图片

只保留了实现最优化的迭代次数 实际上是迭代了一万或者几万次

以下图片是最后的匹配结果

运行方式

先利用如下命令安装依赖环境

pip install -r requirements.txt

然后从intelligent1.py 到 intelligent8.py依次运行
其中intelligent7.py的 assignment.xlsx每次都会变化
得到的最优值对应static/mappping_result.xlsx 为最优值674
但是算法用的是暴力随机迭代法 可以用更加高级的算法来迭代 得到最优化模型