2021年高教杯数学建模国赛C题生产企业原材料的订购与运输_21年高教杯c题

最近我们小组做了建模训练,选择的题目是21年的国赛C题,我负责软件部分,这题我刚好会做,第一次独自完成了代码,有点激动,和大家分享一下,共同学习,不过因为我个人比较懒,讲解的不怎么多。。。不过会分享一下完整的代码

其实我的代码还有点问题,转运方案没有按照它的要求,当时没注意到这个问题,所以输出的结果和题目给的表格不太一样。

我路子可能比较野,写的代码有点杂乱无章,感觉算小屎堆了(悲)

因为事后没有整理,所以代码会有一些多余的部分,是当时用过后发,之后又不用的。。。

我也是个建模新手,还有很多不足的地方,欢迎大家指出我的错误,一起交流

大家会看到一个Excel,叫‘问题1评分排名.xlsx’,当时鬼迷心窍弄成这样,现在一看实属脱裤子放屁。这个表格大家复制就能用了

供应商ID 材料成本 总供货量 订单数 达标率 评分 排名
S001 1.1 49 25 0.208791 6.15234E-05 289
S002 1.2 273 71 0.673684 0.000692156 105
S003 1 13138 191 0.854271 0.036944482 43
S004 1.1 64 33 0.203883 0.000103899 245
S005 1.2 6912 107 0.903509 0.019399394 54
S006 1 30 13 0.2 1.01257E-05 387
S007 1.2 6948 240 0.866667 0.019501409 53
S008 1 41 15 0.25 3.79261E-05 313
S009 1.1 31 19 0.15 1.51885E-05 348
S010 1.1 170 32 0.227273 0.000400748 129
S011 1 85 32 0.651163 0.00016209 187
S012 1.2 29 12 0.147059 8.21066E-06 397
S013 1 44 20 0.655172 4.70146E-05 304
S014 1.2 28 16 0.592593 1.05163E-05 381
S015 1.2 28 15 0.277778 9.81485E-06 388
S016 1.2 37 17 0.727273 2.77322E-05 324
S017 1.2 138 25 0.313433 0.000310438 153
S018 1.1 66 31 0.347222 0.00010913 233
S019 1.1 109 12 0.155172 0.00022839 173
S020 1 72 33 0.235955 0.000126006 210
S021 1.2 80 42 0.629032 0.000149329 195
S022 1.2 140 16 0.19697 0.000315793 150
S023 1 1631 133 0.60625 0.00451823 59
S024 1.1 124 45 0.441558 0.000272282 163
S025 1 375 126 0.859259 0.000981768 91
S026 1.2 28 14 0.823529 9.11532E-06 392
S027 1.2 81 30 0.595745 0.000150732 193
S028 1.1 106 19 0.346939 0.000220167 175
S029 1.1 68 29 0.211111 0.000114417 228
S030 1.2 162 28 0.965517 0.000378089 133
S031 1.1 41207 240 0.925 0.11604338 30
S032 1 71 30 0.390625 0.000122868 215
S033 1 30 17 0.842105 1.25537E-05 364
S034 1 30 14 0.090909 1.07151E-05 379
S035 1.2 144 55 0.42 0.000329074 145
S036 1.1 124 49 0.87037 0.000272614 162
S037 1 50686 157 0.900621 0.142755327 25
S038 1.2 36 22 0.1875 2.69251E-05 327
S039 1 385 45 0.634921 0.001006506 87
S040 1.1 31905 240 0.904167 0.089830187 31
S041 1 71 28 0.322581 0.000122644 216
S042 1.2 138 25 0.339286 0.000310438 152
S043 1.2 39 18 0.220588 3.32102E-05 318
S044 1 30 14 0.764706 1.07163E-05 377
S045 1.1 31 20 0.219512 1.57757E-05 346
S046 1.2 197 140 0.654088 0.000486107 119
S047 1.1 66 28 0.202247 0.000108744 237
S048 1.1 65 26 0.44 0.000105729 243
S049 1.2 38 19 0.44186 3.08765E-05 320
S050 1.1 66 29 0.90625 0.000108869 235
S051 1.2 29 15 0.196721 1.02113E-05 385
S052 1.2 54 25 0.533333 7.51754E-05 271
S053 1.2 77 31 1 0.000139675 200
S054 1.1 413 113 0.744186 0.001087772 70
S055 1.1 24041 240 0.9 0.067669324 35
S056 1.2 28 17 0.295455 1.12168E-05 375
S057 1.1 50 22 0.344828 6.37202E-05 285
S058 1.1 34 20 0.210526 2.15241E-05 337
S059 1 47 47 0.346939 6.25025E-05 288
S060 1 86 10 0.36 0.000163567 186
S061 1 84 30 0.373134 0.000159113 189
S062 1.2 75 5 0.235294 0.000132477 203
S063 1 30 21 0.207792 1.51106E-05 350
S064 1.2 397 126 0.902985 0.001043531 80
S065 1.2 189 64 0.613636 0.000455845 123
S066 1.2 388 132 0.851064 0.001018631 84
S067 1 233 169 0.988166 0.000589569 112
S068 1 42 16 0.15942 4.08295E-05 309
S069 1.1 169 70 0.561224 0.000400273 130
S070 1 46 26 0.742857 5.36666E-05 300
S071 1.2 191 12 0.083333 0.000459402 122
S072 1.2 28 17 0.317073 1.12168E-05 374
S073 1.1 32 17 0.73913 1.59024E-05 345
S074 1 13051 171 0.721311 0.03669927 44
S075 1.2 390 125 0.850746 0.001023817 83
S076 1 376 197 0.915423 0.00099024 89
S077 1.1 128 12 0.172414 0.000281908 161
S078 1.2 8553 101 0.794393 0.024023726 50
S079 1.1 64 24 0.403846 0.000102722 248
S080 1 19237 240 0.875 0.054131604 37
S081 1.1 49 23 0.677419 6.11551E-05 290
S082 1.2 58 27 0.277778 8.64829E-05 263
S083 1.2 28 14 0.375 9.11406E-06 393
S084 1 70 18 0.211268 0.000118955 220
S085 1 46 23 0.357143 5.3017E-05 301
S086 1 17949 206 0.842105 0.050501943 39
S087 1.2 64 27 0.657895 0.000103073 246
S088 1.1 425 139 0.823529 0.001122924 64
S089 1.2 141 25 0.55814 0.00031888 149
S090 1 145 29 0.627907 0.000330292 144
S091 1.2 73 29 0.519231 0.000128321 206
S092 1.1 398 126 0.884615 0.001046339 77
S093 1.2 36 12 0.169492 2.38267E-05 333
S094 1 41 24 0.411765 4.00253E-05 311
S095 1.1 32 13 0.140845 1.40651E-05 358
S096 1.2 73 28 0.462963 0.000128216 208
S097 1.2 63 30 0.297297 0.000100704 249
S098 1.1 413 206 0.92823 0.001094404 68
S099 1.2 60 25 0.536585 9.17327E-05 259
S100 1 42 16 0.098901 4.08295E-05 310
S101 1.2 56 25 0.232877 8.06782E-05 266
S102 1.2 131 50 0.5 0.000292281 158
S103 1 30 18 0.253968 1.31827E-05 363
S104 1.2 155 25 0.263889 0.000358284 137
S105 1.1 120 25 0.345455 0.000259803 167
S106 1.2 77 37 0.923077 0.00014037 197
S107 1 69 29 0.365079 0.000117194 224
S108 1.1 240950 240 0.945833 0.678923185 4
S109 1.2 36 19 0.321429 2.58355E-05 328
S110 1 426 128 0.707792 0.001125096 63
S111 1.1 31 16 0.368421 1.34925E-05 361
S112 1.1 123 5 0.3125 0.000267727 165
S113 1 385 126 0.901515 0.001009839 86
S114 1.2 10931 229 0.852814 0.030725282 45
S115 1.2 398 121 0.723404 0.001046052 79
S116 1.2 75 23 0.594595 0.000133342 202
S117 1.1 123 61 0.438776 0.000270995 164
S118 1.1 66 28 0.357143 0.000108744 236
S119 1.2 29 9 0.170213 6.27734E-06 401
S120 1.1 33 16 0.40625 1.75815E-05 343
S121 1.2 137 26 0.444444 0.000307664 154
S122 1.2 73 31 0.644444 0.000128543 205
S123 1.2 6449 240 0.808333 0.018095272 56
S124 1.1 34 14 0.
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而高性能,更加灵活和易用,当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。  本课程的YOLOv5使用ultralytics/yolov5,在Windows和Ubuntu系统上分别做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集(自动划分训练集和验证集)、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 除本课程《YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)》外,本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接:https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/35209 《YOLOv5实战垃圾分类目标检测》课程链接:https://edu.csdn.net/course/detail/35284  
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值