[算法期末项目] Capacitated Facility Location Problem

最新推荐文章于 2018-12-30 18:21:18 发布
最新推荐文章于 2018-12-30 18:21:18 发布
阅读量457 收藏 3
点赞数
分类专栏： 课程作业
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Mrfive555/article/details/85220185
版权

题目

给定m个工厂和n个用户,每个用户有一定的需求,并将需要被指定(assign)给某一个工厂,但工厂的承载量时有限的,被指定给某一个工厂的用户的需求总和不能超过工厂的容量(capacity).工厂的开启和用户的指定都有花费.现在我们设计一个工厂开启和用户分配的方案,需要最小化工厂开启和用户分配的花费.

思路

算法框架

这题是一个组合优化问题,在不超过工厂容量的情况下,每一个用户都可以分配到不同的工厂,复杂度将是一个指数级别的问题.因此我们不能使用遍历所有情况的方法求得最优解,这启发我们使用启发式的算法,这里我们采用模拟退火(SA)和遗传算法(GA),尝试解决这个问题.
无论我们使用SA还是GA,需要解决的最重要的问题是如何有效的生成可行解的问题.因为SA和GA都已经有了一个完整的计算模型,这个模型讨论的都是在得到新的解以后,如何合理的选取,避免达到局部最优的问题.而如果我们本身就无法有效地产生优良的解,那么无论有多么好的选择算法,都无法使算法达到一个足够好的解.因此这份报告将会把重点放在新解的生成上.

新解产生

生成新解的一个自然的思路是:拿到一个已有的解,如何产生另外一个有可能更好的解呢?这需要我们考虑:在这个有限容量工厂定址问题中,一个"优秀"的解是如何组成的?
显然,这样的一个解将会以工厂为单位构成.直觉告诉我们.最优解应该会有较高的工厂利用率,这样子既可以满足用户的需要,又不会有太多的工厂开启的消耗.试想,如果在某个产生解的过程中,恰好产生了某种分配,这个分配刚好最大限度地利用了工厂的容量,而且花费不会太高,那么,在SA的领域操作和GA的遗传变异过程中尽可能的保留这个大限度利用工厂容量的操作,将会有更大的可能性找到更好的解.

注:我们还有其他一些常用的交叉遗传变异等新解产生的办法.比如,reverse:把结果中的一段完全反过来.这在类似TSP等路径求解问题中十分适用.因为在路径求解问题中,最优解的构成单位是一个一个的路径片段.使用这种以一段路径为单位的变异不会破坏解内的良好结构.但是在这个问题中,良好结构并不是以一个序列为单位出现的,更多的是以某个"块"出现:几个被分配到同一工厂的用户可以被称为一个"块".因此,传统的crossover方法直接用到这个新解产生上,效果并不是太好.

解的表示

若用户的个数为n,那么解是一个长度为n的数组,每个元素是一个整数,表示被分配到了哪个工厂.

算法设计

模拟退火

模拟退火最关键的部分是领域操作,我们这里的领域操作是随机在解中随机选择一段,全部重新随机换成另外一个工厂.
但实验发现模拟退火的收敛效果没有遗传算法好,因此我们后面的计算都使用遗传算法.
下图是调整不同参数后模拟退火算法的收敛曲线,事实上效果并不算太好.
在这里插入图片描述

遗传算法

交叉

前面提到,我们在交叉操作中,我们尽可能地要把父代解中同一个工厂内的分配保留到子代,因此我们的交叉算法为:
先在父代一中选取若干个已经被分配用户的工厂,直接传给下一代,并用父代二的数值填满剩余未分配的用户,形成一个子代个体

变异

同样,我们尽可能要保留同一个工厂内的个体,个体中每个用户有一定概率会变异,变异的概率反比于这个用户被分配到工厂的服务用户的数量.当变异在某一个位置发生时,在这个位置的用户会被重新分配给另外一个工厂.

自然选择

这里我们简单地使用k-锦标赛的方法,当一个新个体加入种群后,随机从种群中选取k个个体,这些个体中适应度最低的(使目标函数最大)的一个个体将被抛弃

参数影响

参加交配的个体数在群体中的比例
在这里插入图片描述

种群大小:可以看出,这是对最后收敛结果影响最大的一个参数,种群数量较大,可以取得更好的结果,但种群数量过大,会降低算法的计算速度
在这里插入图片描述

进行k-锦标赛的k.只要新个体打败k个个体中最弱的一个时,就有机会进入种群,所以当k比较大时,种群有更大的概率接受新解,此处当k=5时,明显没有k更大时得到的结果好.
在这里插入图片描述

遗传的比例,决定个体会从父代一遗传多少基因.注意到,这个参数的影响力较弱.
在这里插入图片描述

实验环境

linux ubuntu 18.04, python 3.6
python的计算效率可以说是十分低下,同样的时间,其他同学的C++版本代码能跑几千代,而我的python代码只能跑几百代,二者几乎有数量级上的差异.可以说,python十分不适合处理这种计算密集型的程序.并且囿于效率,下面的计算结果迭代次数仍然较小,还有一定的提升空间.

result table

ResultTime(s)
p110017.019.15
p28952.017.79
p310722.015.28
p412286.017.32
p511047.018.36
p610330.018.83
p711966.018.92
p814447.018.86
p99592.013.09
p108781.012.52
p1110342.012.80
p1212029.013.18
p139678.015.03
p148238.014.15
p1510493.014.29
p1612528.015.60
p179421.014.85
p188085.016.76
p1910410.014.37
p2012796.015.60
p219140.013.41
p228014.012.84
p2310056.014.12
p2412316.015.50
p2519659.033.38
p2616663.034.22
p2718789.033.68
p2825468.035.54
p2923771.035.70
p3020848.035.17
p3126131.041.66
p3229252.038.31
p3318826.030.91
p3416808.030.99
p3519619.032.25
p3623006.031.44
p3717082.029.87
p3815441.029.91
p3916812.029.93
p4021441.030.63
p418359.020.36
p4210573.023.05
p4310858.021.77
p4411893.020.44
p4512498.023.18
p4610587.020.32
p47(数据错误,用p1代替)10107.012.99
p4814490.025.29
p4913155.022.30
p5010277.025.11
p5110984.025.26
p5214905.024.36
p5313790.024.28
p5416081.027.77
p5514764.024.87
p5648678.047.12
p5760529.049.78
p5891007.059.85
p5968945.051.51
p6036832.042.34
p6159319.049.06
p6285350.056.13
p6364216.050.03
p6436318.042.58
p6559000.048.18
p6678571.055.14
p6770452.052.52
p6837823.042.27
p6953152.046.79
p7086008.058.03
p7176949.057.65

detail solution

p1
10017.0
1 0 1 1 0 1 1 1 1 1
5 7 8 2 9 9 5 6 3 2 6 3 0 0 6 9 5 0 3 9 7 6 3 5 6 9 5 7 0 3 3 8 2 0 3 7 9 3 6 8 5 7 8 2 5 7 0 2 5 6

p2
8952.0
0 0 1 1 1 1 1 1 1 1
5 7 8 2 9 9 5 6 7 2 6 6 4 9 6 4 5 6 3 9 7 6 3 5 6 9 5 7 3 3 3 8 2 4 3 7 9 3 6 4 5 7 8 2 5 7 8 2 4 6

p3
10722.0
1 0 1 1 1 1 1 1 1 1
5 7 8 2 9 9 5 6 7 2 6 3 4 0 6 4 5 0 3 9 7 6 3 5 6 9 5 7 0 3 3 8 2 0 3 7 9 3 6 4 5 7 8 8 5 7 0 2 4 6

p4
12286.0
0 0 1 1 1 1 1 1 1 1
5 7 8 2 9 9 5 6 3 2 6 3 4 9 6 4 5 6 7 9 7 6 3 5 6 9 5 9 3 3 3 8 2 4 3 7 9 3 6 4 5 7 8 8 5 7 6 2 4 6

p5
11047.0
1 1 1 1 1 1 1 1 1 1
5 7 8 2 9 9 5 9 3 2 6 6 1 0 6 4 5 0 2 0 7 6 3 6 4 9 5 7 3 3 3 8 5 1 3 7 9 3 4 4 5 7 8 8 1 7 0 2 4 6

p6
10330.0
1 1 1 1 1 1 1 1 1 1
1 7 8 8 1 2 5 0 7 2 6 6 4 4 6 4 5 0 1 9 7 0 3 5 6 2 5 7 0 3 3 8 5 1 3 8 9 1 6 4 5 4 8 8 1 7 0 2 4 6

p7
11966.0
1 1 1 1 1 1 1 1 1 1
4 7 8 2 5 9 5 9 7 2 6 3 4 4 6 4 5 0 7 9 7 6 1 9 8 9 5 7 7 3 3 8 2 1 3 8 9 3 6 4 5 4 8 8 5 7 0 2 4 6

p8
14447.0
1 1 1 1 0 1 1 1 1 1
5 3 8 2 7 9 2 6 7 2 6 6 9 0 6 1 5 0 7 0 7 8 3 9 6 9 6 9 0 0 3 8 2 1 3 8 9 3 5 8 5 7 8 7 1 7 8 9 0 6

p9
9592.0
1 1 0 1 0 1 1 0 1 1
5 5 8 8 9 9 5 9 3 0 6 3 3 0 6 9 5 0 3 9 8 6 3 5 6 9 5 9 0 3 3 8 5 1 3 8 9 3 6 8 5 1 8 8 1 3 0 3 0 6

p10
8781.0
1 0 0 1 1 1 1 1 1 1
5 7 8 8 9 9 5 6 3 0 6 3 4 0 6 4 5 0 7 9 7 6 3 5 6 9 5 7 0 3 3 8 5 0 3 7 9 3 6 4 5 7 8 8 5 7 0 3 4 6

p11
10342.0
0 1 0 1 0 1 1 1 1 1
5 7 8 8 9 9 5 6 3 3 6 3 3 9 6 9 5 6 7 9 7 6 3 5 6 9 5 7 3 3 3 8 5 1 3 7 9 3 6 8 5 7 8 8 1 7 8 3 5 6

p12
12029.0
1 0 1 1 1 1 1 1 0 0
5 7 0 2 7 2 5 6 3 2 6 3 4 0 6 4 5 0 3 7 7 6 3 5 6 2 5 7 3 3 3 0 2 0 3 7 6 3 6 4 5 7 0 2 5 7 0 2 4 6

p13
9678.0
1 1 0 0 1 1 1 0 1 0 0 1 0 1 1 1 0 0 0 1
0 13 1 15 4 14 19 11 5 4 11 5 8 6 15 13 4 13 0 1 15 4 4 14 19 13 15 11 5 6 4 8 6 4 0 8 0 6 11 1 0 13 19 19 6 5 1 14 13 8

p14
8238.0
1 0 0 0 1 1 1 0 1 0 0 0 1 1 1 1 0 1 0 1
0 6 14 15 4 14 12 8 5 4 6 5 8 6 15 13 4 0 12 13 15 4 4 14 19 17 15 19 5 6 4 0 17 4 0 8 0 6 6 15 0 13 19 19 4 5 17 14 13 8

p15
10493.0
1 1 0 0 1 1 1 0 0 0 0 0 0 1 1 1 1 0 1 0
0 13 1 18 4 14 18 16 5 4 18 5 15 6 15 13 4 0 16 1 15 14 4 14 14 13 15 16 5 4 1 0 6 4 0 1 0 6 6 16 0 13 16 15 6 4 18 14 13 18

p16
12528.0
1 0 0 1 1 1 1 0 0 0 0 0 0 1 1 1 0 0 1 0
0 13 14 18 4 14 3 18 5 4 18 5 15 6 15 13 4 13 0 13 15 4 4 14 14 3 15 18 5 14 15 0 6 4 0 15 5 6 6 18 0 13 3 18 6 5 3 5 13 18

p17
9421.0
1 1 0 0 1 1 1 0 1 0 0 0 1 1 1 1 0 0 0 0
0 6 14 5 8 14 12 8 5 4 12 5 8 12 12 13 4 0 0 1 15 8 4 14 14 13 15 4 5 6 1 0 15 4 0 8 0 6 12 1 0 6 1 8 4 5 12 14 13 8

p18
8085.0
1 1 0 0 1 0 1 1 0 0 0 0 0 0 1 1 0 1 1 1
0 6 1 18 7 14 19 19 18 4 18 18 15 6 15 19 4 0 7 1 19 14 4 14 19 17 15 7 17 6 1 0 17 4 0 1 0 6 6 1 0 6 19 17 4 7 19 14 1 7

p19
10410.0
1 1 0 1 1 1 1 1 0 0 0 1 0 0 1 1 0 0 0 0
0 6 1 15 7 14 3 11 5 4 11 5 15 11 15 3 4 7 7 1 15 4 4 14 14 3 4 7 5 6 1 0 6 4 0 15 0 6 11 1 0 6 3 15 6 5 0 14 1 7

p20
12796.0
1 1 0 1 1 1 1 1 0 0 0 0 0 0 0 1 1 0 0 0
0 6 1 1 7 7 3 16 5 4 15 5 15 6 15 3 4 7 7 3 15 16 4 5 5 3 15 7 5 6 1 0 0 4 0 5 0 6 6 1 3 6 16 15 4 7 3 5 15 7

p21
9140.0
1 1 0 0 1 1 1 0 1 0 0 0 1 1 0 1 0 0 0 0
0 6 1 15 4 5 12 8 5 4 6 5 8 12 12 13 4 0 12 1 15 4 4 5 5 13 15 0 5 6 1 0 6 4 0 8 0 6 6 1 0 6 1 15 6 5 0 5 13 8

p22
8014.0
1 1 0 1 1 1 1 0 0 0 0 0 0 0 1 1 0 0 1 0
0 6 1 18 4 14 3 18 5 4 18 5 15 6 15 3 4 0 0 1 15 14 4 14 14 3 15 3 5 6 1 0 6 4 0 1 0 6 6 1 0 6 3 15 4 5 0 14 1 18

p23
10056.0
1 1 0 0 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 0
0 13 1 15 4 14 12 14 5 4 12 5 15 12 12 13 4 0 12 1 15 14 4 14 14 13 15 0 5 14 1 0 15 4 0 1 0 15 12 13 0 13 1 5 4 5 12 14 13 15

p24
12316.0
1 1 1 0 1 1 1 0 0 0 0 0 0 0 0 1 0 0 0 1
0 2 2 2 4 5 0 5 5 6 6 5 15 6 15 19 4 0 0 1 15 0 4 5 19 2 15 6 5 19 1 0 4 4 0 5 2 6 6 1 0 6 19 19 4 5 1 5 2 2

p25
19659.0
0 0 1 0 1 0 0 1 1 1 1 0 0 1 1 0 1 0 0 0 1 0 0 0 1 1 0 1 0 0
2 20 25 25 16 8 13 10 25 13 8 20 13 10 14 14 16 8 9 13 8 16 9 10 14 10 27 9 8 13 8 24 8 9 14 24 8 24 4 25 4 24 10 10 24 7 20 9 8 7 8 13 8 7 13 10 13 4 25 13 10 13 9 25 13 8 8 8 10 14 8 9 24 10 24 10 8 8 27 9 10 13 10 9 13 14 27 25 14 8 10 13 10 9 4 20 16 8 9 13 4 25 10 9 14 8 8 8 7 13 10 8 9 25 9 10 27 16 25 7 7 20 16 8 13 10 8 8 8 25 10 16 8 25 9 20 8 9 25 25 8 8 10 7 14 8 8 16 7 25

p26
16663.0
0 0 0 0 0 1 0 0 1 1 1 1 0 1 0 0 1 0 1 0 1 1 1 0 0 1 0 1 0 0
11 27 27 11 5 22 13 18 25 9 8 20 18 11 5 10 8 8 25 9 8 8 27 25 11 18 20 5 5 9 10 13 10 9 9 22 8 18 18 13 25 25 18 21 13 22 27 9 5 25 22 13 8 9 13 22 20 9 5 5 22 13 8 25 9 8 5 22 9 18 11 13 18 25 5 10 20 16 25 13 11 13 18 9 9 21 18 25 22 25 8 13 18 9 9 20 20 18 21 9 25 13 10 25 22 10 20 9 5 9 22 8 18 5 9 22 27 8 25 13 22 27 9 25 25 18 27 8 5 5 22 20 9 9 9 18 27 8 8 5 8 13 10 18 21 21 8 9 25 25

p27
18789.0
0 0 0 0 1 1 0 0 1 1 1 0 0 1 0 0 1 0 0 0 0 1 0 0 1 1 0 1 0 0
8 10 24 25 8 10 13 8 9 4 4 21 13 25 13 10 16 24 10 13 21 8 9 16 8 27 16 9 9 13 8 13 10 10 4 24 8 16 21 8 8 21 10 10 24 24 16 8 27 13 10 13 8 9 13 24 27 9 10 25 24 13 8 25 9 8 25 9 10 13 8 13 8 25 9 24 16 8 25 13 4 24 8 10 4 24 10 13 9 16 4 21 8 9 4 24 27 8 9 9 4 25 8 9 24 10 13 16 8 5 24 13 8 9 9 24 8 8 25 5 24 16 9 25 13 10 27 8 8 9 10 13 8 9 13 24 13 8 25 8 4 13 24 10 4 8 27 8 5 25

p28
25468.0
0 0 0 0 1 1 0 1 1 1 1 0 0 1 0 0 1 0 1 0 1 0 1 0 0 0 0 1 0 1
8 18 27 4 8 22 13 18 5 13 22 13 8 10 9 10 27 9 9 5 20 20 9 5 8 5 27 9 5 13 4 13 22 9 13 10 9 8 13 7 4 27 10 9 7 10 8 8 27 7 10 13 8 9 9 8 27 18 4 8 10 16 8 7 9 4 13 22 7 13 20 13 9 10 9 22 20 16 27 13 4 20 10 9 13 8 27 27 9 4 4 13 18 10 9 4 20 9 5 13 8 13 10 9 13 8 20 8 20 5 22 13 9 7 9 29 13 9 7 5 10 18 9 27 13 20 20 5 7 8 10 8 9 5 9 18 27 29 8 5 10 13 8 10 13 10 20 8 8 5

p29
23771.0
1 1 1 0 1 1 1 1 1 1 1 1 0 1 1 0 1 0 1 0 0 1 1 0 1 1 0 1 0 1
18 18 29 16 4 4 21 18 7 4 8 22 24 11 5 14 21 24 16 16 21 16 24 7 13 18 27 5 27 13 8 24 8 7 4 14 2 24 7 7 25 5 22 18 14 24 13 16 13 16 8 13 8 7 13 1 0 5 7 7 24 2 8 7 13 8 13 11 18 4 14 22 18 21 14 29 7 8 5 7 2 13 10 9 4 10 9 18 2 13 2 2 8 9 5 4 0 27 7 4 4 13 18 10 4 14 0 9 7 13 22 2 9 25 9 24 16 9 7 5 27 8 9 7 5 14 1 24 6 25 10 2 9 7 9 8 2 16 8 11 8 2 18 21 4 8 13 6 11 5

p30
20848.0
1 0 1 1 1 1 1 1 1 1 1 0 0 1 1 0 1 0 1 0 1 1 1 0 1 1 0 1 0 0
21 18 21 13 9 4 13 18 21 9 20 27 22 21 5 10 0 18 7 4 8 8 9 25 9 18 18 6 8 5 4 2 18 10 4 20 20 18 2 5 13 27 20 7 21 24 7 9 7 4 22 2 8 7 9 21 20 3 13 5 22 16 8 25 9 8 2 20 9 5 20 20 9 6 14 10 7 6 5 7 4 2 22 10 21 3 21 27 9 8 0 2 18 7 4 10 20 22 16 21 20 2 22 25 18 14 20 6 9 9 22 16 6 5 5 10 13 8 7 5 22 8 18 5 9 24 20 27 16 25 22 13 8 7 13 10 27 18 9 9 20 2 22 21 4 18 18 6 21 5

p31
26131.0
1 1 1 0 1 1 1 1 1 1 1 0 0 1 1 0 1 0 1 0 1 1 1 0 1 1 0 1 1 1
10 13 29 2 16 10 16 8 9 13 4 21 9 7 25 8 2 9 25 16 21 28 8 8 4 1 7 6 28 25 8 13 10 7 1 21 13 9 2 2 0 2 18 14 14 28 14 29 5 7 24 13 8 7 9 20 0 5 2 0 22 16 8 7 9 0 25 10 7 1 4 22 24 21 14 22 27 8 7 7 8 13 10 25 7 14 10 29 21 25 8 13 10 10 14 1 0 10 2 21 25 5 28 21 21 21 13 8 25 7 4 0 29 25 7 8 16 8 5 5 27 0 16 25 25 24 16 5 13 5 10 2 16 25 7 10 2 27 25 16 2 27 22 21 14 22 0 16 25 5

p32
29252.0
0 0 1 1 1 1 1 1 1 1 1 0 0 1 0 0 1 0 1 0 0 1 0 0 1 1 0 1 0 1
10 27 7 3 2 24 21 16 7 7 10 13 10 9 21 2 27 10 18 4 24 18 6 4 13 29 13 18 13 5 4 2 18 10 5 2 8 21 4 5 2 2 8 10 7 10 13 8 27 13 4 13 8 9 9 7 27 3 21 25 24 16 8 7 9 2 2 10 9 4 3 27 3 6 3 10 7 16 25 7 2 21 8 10 4 25 13 13 4 16 6 2 10 7 4 10 27 16 18 5 2 2 10 21 24 24 27 16 25 13 24 16 8 25 5 2 8 8 25 13 24 7 6 24 9 7 18 3 5 2 24 16 16 7 13 21 8 24 5 2 21 13 18 9 16 10 3 6 7 7

p33
18826.0
1 0 1 0 1 1 1 1 1 1 1 0 0 1 0 0 1 0 0 0 0 1 1 0 1 0 0 0 0 0
8 8 24 8 5 24 21 8 21 4 4 22 24 6 16 22 8 24 10 16 6 21 8 10 8 22 13 8 5 16 0 24 10 9 9 24 16 9 21 9 8 13 8 10 21 24 0 8 5 7 10 16 8 7 9 24 8 24 13 9 22 13 8 7 13 2 13 9 7 4 16 22 13 21 13 24 7 8 7 9 4 21 10 9 4 24 8 5 24 9 4 13 8 10 9 10 13 24 2 4 4 4 22 7 4 22 13 8 5 9 24 8 8 7 7 22 16 8 9 5 24 0 16 7 9 24 16 5 7 16 10 13 16 7 7 21 0 6 9 7 8 2 9 7 21 21 16 24 16 9

p34
16808.0
0 1 1 0 1 1 0 1 1 1 1 0 0 1 0 0 1 0 1 0 0 1 1 0 1 0 0 1 0 0
10 1 13 2 5 8 2 9 10 9 8 8 9 7 5 10 27 18 7 5 8 27 18 9 21 10 1 9 13 9 8 13 10 7 1 8 27 13 9 5 2 13 10 18 4 22 27 9 7 13 24 13 8 7 13 22 27 27 13 5 10 16 8 7 13 8 2 22 10 4 21 22 10 21 1 22 13 8 7 7 2 13 10 10 9 21 10 27 7 8 8 13 8 10 4 21 27 8 10 13 4 4 10 7 13 21 27 8 16 5 10 8 9 5 7 10 27 8 7 1 7 27 9 8 5 18 8 5 7 5 22 13 8 7 7 22 13 27 21 5 4 13 10 9 16 21 13 27 5 7

p35
19619.0
0 1 0 0 1 1 0 1 1 1 1 1 0 1 1 0 1 0 1 0 0 1 0 0 1 0 0 0 0 0
14 16 13 5 9 8 13 8 21 4 10 11 8 10 11 10 16 24 21 5 11 8 24 7 8 10 13 16 10 7 8 13 11 21 4 8 13 21 24 5 4 24 11 21 1 7 13 16 1 13 24 13 8 7 13 18 10 18 13 11 24 13 8 7 13 4 16 11 7 14 21 13 24 18 8 24 7 16 5 13 4 13 10 7 4 10 16 18 4 16 4 24 10 7 4 14 16 8 4 16 8 24 18 10 16 10 8 9 7 13 24 13 9 7 7 10 16 9 7 5 7 16 8 5 9 18 16 8 13 8 24 16 8 7 7 21 16 16 7 7 11 24 10 18 14 8 13 16 5 11

p36
23006.0
0 0 1 1 1 1 1 1 1 1 1 0 0 1 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0
22 10 13 16 5 8 16 9 10 5 10 13 10 5 5 6 16 16 8 5 24 13 24 7 13 22 3 5 5 5 4 2 10 7 4 6 13 24 5 5 4 13 16 7 3 24 13 6 5 9 10 13 16 7 9 8 3 4 5 4 22 13 8 9 13 4 16 22 7 4 16 22 8 7 5 22 7 6 7 9 4 16 16 10 4 3 13 8 6 13 2 13 8 7 9 6 8 6 9 7 2 4 10 10 22 8 13 8 8 5 22 13 6 5 7 10 13 8 7 9 24 8 6 5 13 24 8 3 5 7 22 13 8 9 7 22 16 16 3 5 4 24 10 7 4 10 13 16 5 13

p37
17082.0
0 0 0 0 1 0 0 1 1 1 1 1 0 1 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 1
10 13 24 16 16 8 13 16 7 4 20 13 24 7 7 4 16 8 7 7 10 13 9 7 9 29 7 29 13 8 4 13 11 10 4 29 20 29 11 16 13 13 11 9 4 10 7 29 7 7 24 13 8 7 13 4 20 4 13 16 10 16 8 7 13 8 16 20 9 4 11 16 10 4 24 29 16 16 9 7 4 13 10 7 4 20 13 29 16 20 4 13 8 9 4 10 13 16 9 13 4 13 10 9 4 29 20 8 7 11 29 8 8 7 7 24 8 9 7 13 7 8 8 7 7 29 20 16 7 11 10 13 16 7 7 10 8 24 16 11 4 13 10 9 4 7 16 16 8 9

p38
15441.0
0 1 1 0 0 0 0 1 1 1 1 0 0 1 0 0 1 0 1 0 0 1 0 0 0 0 0 0 0 0
10 16 8 13 10 2 13 8 10 9 8 13 8 21 1 21 8 8 21 7 8 16 8 16 13 7 8 8 16 9 2 13 8 7 1 1 8 8 16 16 8 2 9 7 21 10 16 16 1 7 10 2 8 7 13 21 10 8 7 2 10 16 8 7 13 2 16 10 7 1 8 16 16 10 1 10 7 16 7 7 8 2 10 21 1 16 13 18 2 2 2 2 10 10 1 10 2 16 7 16 2 13 10 7 1 10 8 8 7 13 10 7 8 21 13 10 16 9 9 13 10 16 8 8 7 10 8 16 8 2 10 13 16 7 7 10 16 9 7 16 2 13 10 9 21 10 13 8 8 13

p39
16812.0
0 0 1 0 1 0 0 1 1 1 1 0 0 1 0 0 1 0 0 0 0 1 0 0 0 0 0 0 0 0
21 16 9 4 7 8 13 8 7 4 4 16 8 21 9 21 16 16 21 16 21 8 8 21 16 21 8 16 7 9 2 2 8 7 21 2 2 16 21 4 2 13 8 21 21 10 13 8 7 7 10 13 8 7 13 21 21 8 7 2 10 13 8 7 9 4 2 8 10 4 16 16 8 9 16 10 7 16 9 7 4 13 8 7 4 8 13 4 9 16 2 2 8 10 4 21 13 8 10 7 4 4 2 7 4 10 8 8 8 13 10 13 16 9 7 8 16 8 9 9 7 16 8 8 13 21 21 9 13 7 10 13 16 7 13 10 13 8 21 8 4 13 10 10 21 10 16 16 7 16

p40
21441.0
0 0 0 0 1 0 0 1 1 1 0 0 0 1 0 0 1 0 1 0 0 1 0 0 1 0 0 0 0 0
4 13 4 4 8 8 13 8 7 9 4 9 18 4 8 8 16 16 16 13 21 13 18 7 13 18 16 9 13 13 4 13 18 9 13 18 13 18 4 16 13 4 18 7 4 7 7 9 8 7 4 13 16 7 9 18 8 18 7 9 24 13 8 7 9 4 13 18 7 4 4 16 16 21 13 7 16 16 7 13 4 13 8 7 13 4 16 18 4 4 4 21 8 7 4 4 16 18 16 13 4 4 18 9 9 8 13 9 8 9 24 13 16 7 13 21 8 8 7 9 24 7 16 8 13 8 8 8 8 8 8 13 16 7 13 18 8 9 16 13 4 16 16 18 13 18 16 8 16 13

p41
8359.0
1 0 0 1 1 0 1 1 1 1
0 8 8 3 6 8 4 3 0 3 0 3 7 9 0 6 8 3 4 4 6 6 0 4 6 6 7 6 7 9 4 3 7 3 4 3 3 0 7 7 9 0 9 3 4 0 0 9 0 7 3 3 9 4 3 9 0 7 9 3 6 8 4 4 6 6 4 3 4 3 4 3 8 7 8 0 4 7 3 9 0 4 4 6 9 8 4 6 8 7

p42
10573.0
1 1 0 0 0 1 1 1 1 0 0 0 1 1 1 0 0 0 0 0
6 14 0 13 6 8 13 6 5 6 6 13 0 13 6 0 7 6 1 0 13 13 5 5 14 5 0 8 6 7 0 6 13 5 5 12 5 1 6 13 5 13 6 0 8 7 6 5 6 5 6 5 0 6 14 6 6 13 6 13 12 12 6 13 6 7 12 5 8 5 14 6 6 1 6 13 13 0 0 8

p43
10858.0
1 1 0 0 0 0 0 0 1 1 0 0 1 0 1 0 0 0 0 0 0 1 0 0 0 1 0 1 1 0
14 12 25 25 9 0 1 21 27 25 8 28 27 27 27 25 21 21 14 25 28 0 21 14 9 27 8 0 0 14 28 8 1 25 8 14 8 0 0 21 12 0 25 21 21 14 21 25 25 0 8 21 28 27 0 28 27 27 1 1 28 25 21 8 1 25 21 12 0 25

p44
11893.0
1 0 1 1 1 0 1 1 1 0
8 4 2 7 7 2 4 7 7 8 7 2 0 2 0 7 4 8 3 7 6 0 4 4 2 4 4 0 7 6 4 8 3 3 2 3 3 3 2 7 0 2 4 0 7 6 0 2 7 7 2 0 2 7 8 2 2 6 6 0 6 7 6 8 0 2 6 7 7 0 3 0 8 7 6 0 4 4 7 4 4 3 7 6 6 4 4 2 2 3

p45
12498.0
1 0 0 0 1 1 0 0 1 1 0 0 0 1 1 1 0 1 0 1
5 9 4 4 4 0 8 19 19 0 0 0 19 15 0 13 19 5 5 13 15 13 13 15 13 19 19 17 19 19 4 19 17 4 13 15 19 0 0 5 13 0 19 5 8 4 4 14 19 4 13 0 19 4 14 17 0 14 5 14 4 19 15 19 9 4 5 15 15 4 15 13 4 13 4 19 4 19 8 19

p46
10587.0
1 1 0 0 0 1 0 0 1 1 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1 0
1 19 19 5 19 5 5 19 8 0 21 19 12 0 21 8 5 9 0 21 19 28 0 12 19 0 1 5 12 19 9 12 0 19 19 19 19 0 19 0 12 19 9 19 19 21 5 0 28 19 19 19 19 5 19 8 21 5 27 0 27 28 5 19 21 5 9 0 19 12

p47
10107.0
1 0 1 1 0 1 1 1 1 1
5 7 8 2 9 9 5 6 3 2 6 3 3 0 6 9 5 0 2 9 7 6 3 5 6 9 5 7 0 3 3 8 2 0 3 7 9 3 6 8 5 7 8 2 5 7 0 2 5 6

p48
14490.0
1 1 0 0 0 1 0 0 1 1 0 0 1 1 1 1 0 0 0 0
15 5 9 13 5 14 12 0 5 0 14 0 13 13 15 14 1 5 12 9 9 14 5 15 5 0 8 9 1 0 13 15 15 15 9 15 13 13 14 8 13 5 15 5 14 15 8 1 15 13 13 5 8 15 13 12 0 5 14 1 8 1 15 14 5 0 13 5 8 13 12 9 15 15 12 9 8 0 12 5

p49
13155.0
1 1 0 0 0 1 0 0 1 1 0 0 1 0 1 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0
0 1 21 27 12 1 27 1 14 28 8 14 21 1 9 0 12 5 9 28 1 21 14 12 12 9 21 27 21 0 0 1 21 27 27 0 28 8 21 21 12 9 0 0 28 27 27 8 0 28 9 27 14 0 0 21 5 27 8 9 12 28 12 12 27 1 27 14 1 28

p50
10277.0
1 1 1 0 0 1 1 1 1 1
5 2 7 2 0 2 6 2 6 6 5 2 1 6 1 2 0 2 6 5 5 5 6 6 7 2 8 9 2 8 2 7 6 2 9 0 9 7 0 5 5 1 5 2 0 2 7 5 2 1 5 7 7 5 5 1 2 5 7 5 1 2 7 9 0 7 7 2 6 2 0 7 6 2 5 2 2 6 9 6 0 7 6 2 9 2 8 5 7 5 5 5 6 6 1 7 0 2 2 0

p51
10984.0
1 0 0 0 0 1 0 0 1 1 0 0 1 1 0 0 1 1 0 1
5 5 0 13 16 19 12 5 9 9 0 19 19 8 16 5 5 19 16 8 5 19 16 19 8 16 5 19 16 9 5 19 16 0 16 19 9 19 8 9 5 5 12 17 13 12 5 12 19 9 5 5 17 16 16 5 19 16 19 8 5 16 19 8 17 13 16 19 0 19 5 19 9 13 16 19 9 9 16 16 5 5 19 8 17 0 8 16 19 12 5 5 12 0 16 19 5 12 9 0

p52
14905.0
1 0 1 1 1 1 1 1 1 1
8 2 3 6 6 5 4 9 0 7 5 3 3 8 0 3 6 9 0 5 5 3 3 8 4 4 7 9 9 7 8 2 3 2 6 2 3 3 6 7 8 3 3 8 6 2 7 7 7 7 5 9 3 2 7 5 2 9 4 4 0 3 8 6 3 3 0 0 0 2 7 3 3 8 4 4 7 2 7 7 9 9 3 2 8 5 3 3 2 4 5 9 7 2 9 5 4 9 3 2

p53
13790.0
1 0 0 1 1 0 0 0 0 0 0 1 0 1 1 1 0 0 0 1
11 3 15 4 11 19 3 14 19 15 19 0 11 19 14 11 3 11 19 14 13 3 11 3 3 4 19 14 19 19 13 0 19 19 19 15 3 11 19 11 19 3 15 4 11 19 11 15 19 15 11 3 11 4 11 19 3 15 3 14 19 0 15 3 3 19 3 15 4 4 19 3 15 0 0 19 3 15 19 4 4 19 14 4 0 11 3 13 11 11 0 19 0 11 19 13 3 11 4 19

p54
16081.0
1 1 1 1 1 1 1 1 0 1
3 2 2 9 2 4 5 7 2 0 2 9 4 2 2 1 6 4 5 0 5 2 3 5 6 1 2 4 5 0 4 2 5 5 3 0 6 4 6 0 3 2 0 9 5 2 4 4 5 0 2 9 2 4 6 4 5 3 5 0 9 9 3 9 5 4 5 3 3 7 4 0 5 3 2 0 4 4 5 0 2 9 3 4 2 0 1 4 5 0 3 2 6 9 3 0 4 4 2 6

p55
14764.0
0 0 1 1 1 1 1 1 0 0 1 1 0 0 0 0 0 0 0 0
2 2 2 5 10 4 2 10 6 10 4 5 11 6 7 2 2 2 6 2 7 4 11 6 10 6 3 10 6 10 2 10 7 4 5 6 2 10 7 6 4 5 10 6 5 4 5 6 3 2 2 4 5 5 10 4 2 3 4 4 4 5 4 6 10 2 6 10 3 6 2 5 10 6 6 2 5 2 6 3 7 6 4 5 7 4 5 3 6 11 3 2 4 5 7 5 3 2 3 10

p56
48678.0
1 0 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1
16 10 27 15 6 22 22 3 6 15 5 4 20 8 9 16 3 21 7 16 17 16 4 29 13 10 27 20 5 3 20 25 7 3 2 16 14 22 19 5 11 0 26 7 3 5 19 10 19 19 17 14 8 27 17 4 16 5 16 7 5 27 0 10 0 16 19 26 8 15 15 15 0 8 14 15 3 4 21 29 5 15 11 2 20 5 14 3 9 10 9 29 0 17 13 4 11 24 5 3 6 22 27 11 27 13 11 11 13 17 7 11 3 22 14 27 20 19 10 18 3 4 9 13 29 29 14 25 4 14 10 0 14 22 29 7 2 5 20 29 4 23 19 4 5 13 0 10 8 0 8 18 22 27 16 14 0 13 24 7 4 20 19 18 5 19 10 22 29 27 3 10 24 20 11 10 10 25 11 7 4 3 4 2 2 0 20 19 27 29 29 19 26 15 8 10 4 29 27 4

p57
60529.0
0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2 18 5 18 25 3 10 6 11 15 9 6 27 8 9 28 15 19 5 27 12 6 4 14 17 27 18 20 5 12 6 2 14 2 9 25 14 15 5 28 14 12 12 27 22 15 12 5 18 23 2 12 5 11 24 28 15 18 14 9 21 23 22 25 21 21 18 27 9 4 5 4 19 21 14 5 12 6 9 14 27 12 9 8 20 7 15 14 6 15 9 7 4 24 21 21 6 10 14 9 6 9 27 4 26 7 2 23 12 9 25 1 27 1 7 28 7 12 29 29 7 4 12 27 20 15 29 20 28 21 10 5 7 27 4 14 2 23 18 1 23 18 27 28 5 19 11 11 29 9 9 16 5 23 7 25 25 15 8 7 14 28 14 11 22 3 2 22 28 23 28 12 7 15 28 26 2 18 22 3 15 19 28 15 21 15 1 25 4 20 23 12 11 21 12 22 6 10 2 8

p58
91007.0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 12 6 13 11 13 2 5 9 3 0 8 2 8 1 14 5 3 13 12 5 8 7 9 10 12 3 1 2 9 14 0 4 14 6 14 6 4 10 5 11 0 6 2 8 14 9 5 2 3 2 5 4 0 8 6 7 6 9 7 4 11 12 8 0 6 3 15 12 10 1 3 5 8 10 2 11 7 15 3 9 4 10 10 2 2 5 12 4 0 9 2 12 1 7 1 15 6 14 0 13 7 8 11 5 3 10 5 11 11 12 5 1 11 3 14 1 0 8 14 1 1 0 13 14 4 13 2 14 0 6 9 9 1 7 13 9 13 10 12 4 12 8 11 5 11 7 0 14 4 7 10 6 10 3 1 15 14 15 3 0 11 13 10 5 2 14 12 8 9 6 12 7 7 8 11 6 4 4 9 0 4 8 4 5 11 6 9 2 12 3 1 14 4 13 9 4 6 8 3

p59
68945.0
1 1 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1
16 28 7 13 25 9 17 19 14 7 13 9 19 14 27 16 14 20 18 28 16 14 17 19 16 8 21 0 20 16 24 16 14 14 27 16 9 14 25 27 11 15 12 26 9 17 12 9 0 21 13 13 27 6 11 4 18 21 14 4 24 7 17 24 0 14 2 4 4 4 10 15 27 15 15 21 19 11 15 15 14 12 11 7 20 24 4 14 16 15 20 15 11 9 29 26 11 19 11 7 21 4 14 11 21 13 9 13 17 9 1 19 29 7 22 10 16 28 13 9 25 10 29 21 27 17 26 22 14 2 15 20 25 22 8 13 18 25 16 12 4 9 19 13 10 7 1 28 7 18 7 11 21 27 2 11 0 19 20 18 4 29 19 15 9 13 20 4 25 13 21 14 26 4 25 13 6 18 19 13 11 8 11 9 18 15 29 4 13 21 16 0 19 8 7 10 26 11 27 2

p60
36832.0
1 1 1 0 1 1 1 1 1 1 1 1 1 0 1 0 1 0 0 0 1 0 1 0 1 0 1 1 1 0
14 4 28 8 9 11 8 2 24 5 9 26 11 24 27 2 14 24 10 12 12 14 14 5 14 12 10 20 2 14 4 5 7 14 2 27 0 24 26 28 1 2 26 1 20 5 12 10 0 22 12 2 5 4 16 28 2 5 14 1 14 11 20 14 4 12 5 14 14 10 5 9 27 8 20 9 9 11 0 16 14 5 11 26 22 5 12 14 14 8 9 26 8 11 10 26 11 0 20 9 6 9 28 11 27 7 28 11 7 24 1 26 9 1 28 11 10 12 11 28 26 28 28 28 28 26 4 20 27 4 28 5 28 9 16 4 5 27 14 9 8 8 1 11 27 6 28 8 11 26 8 11 16 16 2 28 5 24 12 7 26 8 28 10 26 26 9 10 16 27 2 14 1 4 12 14 11 10 27 7 20 8 28 26 10 26 4 4 8 20 22 12 28 5 8 10 11 1 27 8

p61
59319.0
1 1 1 1 1 1 1 1 1 1 1 0 1 0 1 0 0 1 0 1 1 1 0 1 1 0 0 0 1 1
19 0 0 17 4 21 7 17 14 6 29 3 6 14 3 1 14 19 7 5 12 20 4 14 17 0 5 1 4 14 4 10 7 5 19 0 14 23 14 1 14 0 5 1 7 0 4 24 9 19 14 19 14 4 24 7 5 5 12 5 9 6 14 5 4 3 5 7 24 4 29 6 2 19 7 19 24 17 3 9 5 0 12 17 20 5 12 12 5 4 5 7 9 24 12 14 24 0 12 2 6 9 1 4 14 19 0 19 10 9 7 17 5 0 12 0 19 28 6 9 0 0 10 17 28 14 1 17 5 4 5 2 24 9 24 24 14 12 14 28 9 20 8 9 28 0 9 8 12 9 17 0 5 6 17 19 0 24 12 1 23 9 5 17 0 1 8 4 8 29 14 14 14 17 7 0 17 0 24 23 9 4 5 9 3 0 8 14 9 0 0 0 3 19 8 10 4 17 9 4

p62
85350.0
1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
5 3 0 8 0 1 4 0 2 0 9 6 5 7 3 3 5 8 8 6 6 4 1 9 1 8 9 7 3 1 3 8 2 3 7 3 6 2 5 8 0 2 9 2 0 10 0 1 2 0 2 8 3 6 2 5 9 5 1 0 2 4 6 10 3 3 1 7 2 7 3 6 1 7 7 8 9 9 5 8 5 0 6 3 7 1 8 7 3 4 4 1 7 8 4 8 2 8 6 0 3 6 2 6 5 2 9 4 9 0 8 8 4 9 10 5 7 5 3 4 3 5 9 6 9 1 4 2 2 1 3 7 9 1 5 0 8 2 0 0 9 3 0 5 2 4 7 1 4 8 6 0 5 8 2 6 5 8 9 10 7 2 2 5 5 0 0 7 1 2 9 3 2 4 4 7 3 9 8 5 0 4 4 5 0 1 3 6 1 6 8 10 7 8 8 6 6 1 9 2

p63
64216.0
1 1 1 1 1 1 1 1 1 1 0 0 0 1 0 1 0 1 1 1 1 0 1 0 1 1 0 0 1 1
17 8 8 8 28 25 9 2 6 17 15 7 2 29 6 28 18 22 4 5 22 20 20 5 13 8 18 18 4 20 28 1 13 8 24 2 7 19 29 19 7 1 8 1 22 17 3 24 28 13 3 9 29 4 24 4 0 5 8 8 1 18 3 25 4 25 5 28 9 28 5 9 20 25 15 19 9 7 8 2 7 25 8 2 29 5 0 3 4 8 9 4 8 0 29 3 18 29 20 22 2 20 4 4 6 18 22 29 0 29 13 1 29 1 2 0 0 28 5 3 0 4 28 6 1 3 9 9 1 22 0 22 3 5 2 28 4 29 8 3 2 17 1 0 5 0 0 15 0 15 3 1 9 29 4 28 18 28 2 1 29 28 28 15 6 15 25 8 25 0 2 25 1 4 29 7 4 18 8 13 8 25 2 1 22 29 8 28 29 5 24 25 3 8 25 18 4 1 0 8

p64
36318.0
1 1 1 1 1 1 1 1 1 0 1 1 0 1 0 0 1 0 0 1 0 0 1 0 1 0 0 0 0 0
3 22 1 4 10 3 6 3 6 8 19 6 6 13 2 2 1 2 10 10 13 16 4 5 16 2 10 0 5 2 11 10 7 3 2 11 7 24 19 0 1 5 16 1 10 11 6 10 19 0 3 13 24 6 4 4 5 5 19 7 10 2 13 10 0 24 5 7 24 7 19 24 2 10 22 5 13 7 2 16 19 5 5 7 24 5 6 7 6 10 19 24 0 24 4 13 19 8 0 3 6 22 19 11 6 7 1 11 13 11 5 1 5 7 7 10 19 22 13 7 0 8 10 22 1 5 4 22 8 2 0 10 1 11 24 7 5 5 22 7 6 3 6 22 11 13 1 10 10 0 3 0 5 22 24 24 0 24 19 5 2 8 1 22 6 19 2 10 0 13 22 13 5 5 10 7 2 0 13 4 3 4 10 0 10 11 8 4 5 6 0 2 1 0 8 10 4 1 0 8

p65
59000.0
1 1 1 1 1 1 1 1 1 0 0 1 0 0 0 1 0 1 1 1 0 0 1 1 1 1 0 1 1 1
11 4 0 4 19 3 6 3 1 5 24 15 0 22 1 2 25 28 7 0 0 0 3 25 25 2 5 22 5 1 6 2 0 5 2 2 5 5 3 0 27 25 11 0 4 5 5 5 11 29 3 2 5 4 2 7 2 5 22 28 24 1 3 5 4 2 25 2 23 7 23 4 2 29 0 15 19 15 2 23 0 0 24 0 22 15 3 2 23 25 18 24 27 11 4 4 15 0 2 15 6 3 27 4 27 6 3 11 7 15 23 23 23 24 3 15 1 11 23 0 27 4 29 3 1 2 11 17 5 2 2 0 7 27 23 4 0 5 11 15 2 3 3 4 3 6 1 11 11 0 8 0 6 0 2 4 0 29 5 6 29 23 28 0 11 6 17 0 2 0 2 2 5 6 11 28 11 0 2 2 7 28 18 0 24 1 3 4 24 29 6 5 0 11 23 5 4 0 27 1

p66
78571.0
1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
4 7 1 1 7 6 6 2 6 4 6 4 7 2 3 2 0 6 4 0 6 7 4 5 6 2 5 7 4 6 0 7 0 2 2 1 1 0 3 3 5 5 3 3 2 3 4 4 0 1 5 3 5 7 2 3 2 6 2 6 3 4 0 6 3 1 3 7 3 2 7 1 2 2 4 2 7 6 0 4 3 1 2 6 4 6 2 5 5 1 0 4 3 2 4 5 0 0 3 3 4 5 5 6 1 2 2 4 1 0 2 5 2 0 4 6 1 4 0 1 1 1 0 1 2 5 3 4 4 2 2 5 5 1 7 6 0 0 4 2 4 1 3 0 6 5 3 5 5 4 1 4 3 4 4 0 3 3 3 1 0 3 3 2 6 7 2 5 5 6 5 1 7 1 3 0 6 0 0 6 5 0 6 1 5 6 6 2 1 7 5 4 1 5 0 0 7 2 5 1

p67
70452.0
1 1 1 1 1 1 0 1 1 1 1 0 1 0 1 1 1 1 1 1 0 0 1 1 1 0 1 0 1 1
2 18 19 9 2 4 2 2 1 24 5 17 14 14 4 19 19 4 0 5 17 16 3 5 16 9 5 18 3 2 23 18 7 23 14 3 23 9 5 7 1 19 3 0 9 24 15 4 5 19 3 2 19 4 29 7 29 9 24 7 16 24 8 7 9 28 24 7 17 7 24 9 9 9 5 5 9 4 4 4 14 28 23 3 7 5 19 3 4 4 28 28 4 18 24 5 22 19 24 7 2 23 3 18 9 19 23 23 10 7 7 18 3 19 4 7 24 19 24 15 8 23 24 24 18 3 3 26 5 3 24 5 7 3 17 4 1 18 2 19 2 4 5 26 9 5 15 24 3 28 8 17 5 22 4 9 5 19 2 12 18 17 19 4 2 19 2 5 0 19 29 2 19 9 10 17 17 10 17 23 3 3 9 4 29 4 2 24 14 18 28 0 23 5 23 19 24 3 2 28

p68
37823.0
0 1 1 0 1 1 1 1 1 1 1 1 1 1 1 0 0 1 1 1 1 1 1 0 1 1 0 1 1 0
19 17 17 8 21 25 10 6 6 25 9 6 8 14 9 2 25 24 24 27 12 14 18 5 17 8 25 22 2 21 6 5 18 14 9 24 7 9 5 10 11 5 12 1 8 5 19 24 19 13 17 20 24 4 21 13 2 5 18 1 17 27 18 25 4 21 27 2 24 11 19 22 13 19 5 19 9 4 2 2 11 5 5 12 12 22 6 2 24 24 9 28 17 27 7 17 24 14 5 7 6 9 19 11 27 7 22 11 10 11 5 1 21 21 28 24 1 8 21 2 20 10 2 22 1 5 21 21 5 21 10 25 13 2 4 13 2 24 12 1 2 22 1 4 6 25 11 8 18 9 25 1 1 27 13 27 5 19 24 5 2 20 19 18 5 13 25 9 22 1 27 13 24 27 7 10 24 25 18 2 9 4 5 22 10 11 27 24 28 10 6 5 24 2 8 10 4 18 27 14

p69
53152.0
0 1 1 0 1 1 1 0 1 1 1 1 0 1 1 1 0 1 1 1 1 0 1 1 0 1 1 1 1 1
29 23 27 26 5 5 8 2 5 11 9 4 6 29 2 2 2 29 5 5 17 14 13 5 13 2 18 14 5 2 6 13 14 14 2 27 5 23 26 19 14 5 11 20 9 11 13 5 19 27 2 19 15 4 17 14 4 5 14 29 17 27 17 23 15 27 29 27 27 11 14 5 4 15 5 5 17 11 15 6 5 29 19 26 29 5 15 14 6 5 14 29 5 23 11 22 18 19 13 18 14 22 27 11 26 2 11 23 13 11 25 17 9 22 9 17 19 29 5 2 23 4 29 23 10 5 15 17 27 27 23 13 25 27 27 4 5 23 19 9 2 23 19 11 26 13 28 8 22 23 8 18 29 23 27 27 11 23 19 17 2 4 14 11 27 1 11 10 19 23 2 19 13 5 8 13 2 18 27 4 9 26 19 27 10 1 29 5 5 27 2 10 28 5 8 22 4 14 27 8

p70
86008.0
0 0 1 0 1 0 1 0 0 0 1 0 0 1 1 0 0 1 1 0 0 0 0 1 1 1 0 0 1 1
23 2 23 13 14 14 29 24 14 25 18 4 25 23 13 25 13 10 13 28 29 18 4 4 6 24 28 17 29 25 14 24 2 28 29 25 23 24 23 13 24 2 24 13 14 13 4 4 25 14 2 23 17 29 24 17 2 10 14 18 25 25 4 29 4 29 6 6 25 18 18 18 28 18 23 18 10 10 13 23 17 29 28 24 25 14 17 10 14 24 10 4 4 24 28 4 18 6 25 29 13 28 14 17 17 29 2 25 25 23 2 6 2 6 17 14 4 23 18 29 2 10 10 6 4 13 10 6 17 10 14 14 17 2 2 28 6 24 24 18 23 25 6 25 29 29 2 2 25 2 24 18 29 18 6 29 28 17 13 4 13 10 23 28 14 13 2 18 28 17 14 14 24 14 18 28 28 23 4 4 24 2 2 14 24 13 13 17 14 13 29 29 23 10 17 6 29 24 23 24

p71
76949.0
0 0 1 0 1 0 1 0 0 0 1 0 0 1 1 0 0 1 1 0 0 0 0 1 1 1 0 0 1 1
10 25 14 10 28 2 2 18 6 6 18 6 10 14 23 25 18 14 2 29 24 29 17 2 4 28 13 24 13 2 18 25 18 25 24 4 23 25 2 29 10 25 6 23 14 18 29 6 14 23 10 13 29 13 4 23 14 24 29 2 17 13 13 14 4 25 2 23 28 24 18 29 29 29 6 2 6 10 4 14 29 28 6 25 23 2 14 23 18 25 29 24 14 28 18 18 10 25 4 29 17 23 24 29 28 14 13 10 18 29 24 17 6 24 23 23 4 13 17 25 25 10 28 28 10 4 6 4 14 25 28 25 2 13 17 6 14 10 6 2 2 17 4 13 24 28 17 14 18 4 17 13 14 2 24 14 24 14 4 17 24 24 10 28 23 29 24 28 13 13 13 17 29 18 17 14 24 4 13 17 2 10 14 4 25 18 10 23 18 6 28 24 23 28 25 13 6 29 2 23

Mrfive555
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Capacitated Facility Location Problem
Vilin的博客
12-22 1392
Capacitated Facility Location Problem 题目 要求 Suppose there are n facilities and m customers. We wish to choose: which of the n facilities to open. the assignment of customers to facilities. The objec...
【算法项目】Capacitated Facility Location Problem
hcm_0079的博客
12-20 697
Capacitated Facility Location Problem 问题描述 Suppose there are n facilities and m customers. We wish to choose: which of the n facilities to open the assignment of customers to facilities Note： The o...
算法project——Capacitated Facility Location Problem
diceroller的博客
12-22 733
Capacitated Facility Location Problem是一个NP难的问题，为了在有限的时间内解决这个问题，我采用了两种启发式算法来解决它。第一种是模拟退火算法，第二种是禁忌搜索算法。两种算法应该说各有千秋。 下面是Capacitated Facility Location Problem的大致内容：  Suppose there are n facilities and m...
算法设计与分析项目——Capacitated Facility Location Problem
xun6838的博客
12-22 576
算法设计与分析项目——Capacitated Facility Location Problem 目录 算法设计与分析项目——Capacitated Facility Location Problem 问题详情 问题建模 算法设计 贪心算法 模拟退火算法 数据结构 代码实现 数据类Data： 贪心算法类Greedy： 模拟退火算法类Sa： 程序入口类main： 结果展示...
[期末项目]Capacitated Facility Location Problem工厂选址问题的两种算法
banyeyeye的博客
12-30 739
项目要求： 具体思路： 从项目给出的信息中可以略窥一二，按数据划分的行也可以了解到： 工厂的数目n，消费者的数目m 工厂1的最大容量和开厂开销 工厂2的最大容量和开厂开销 … … … 工厂n的最大容量和开厂开销 m个消费者的各自需求 所有消费者分别到工厂1的开销 所有消费者分别到工厂2的开销 … … … 所有消费者分别到工厂n的开销 ...
sscflp(Single Source Capacitated Facility Location Problem)
m0_37782473的博客
12-24 507
文章目录1.前言2.分析2.1 贪心算法2.2 多领域操作爬山法2.3 模拟退火法3.程序实现3.1 编程环境3.2 数据来源3.3 代码实现3.4 运行结果 1.前言 ssclfp，又称单源有限容量设施选址问题，可以描述如下： 可以在m个地点上建立工厂，但都得有一定的费用； 有n个用户需要使用这些工厂，他们到不同工厂需要的消费是不一样的； 每个工厂都是有固定容量的，而选择到这个工厂消费的用户都...
Capacitated Facility Location Problem容量有限设施选址问题
Runner1st的博客
12-21 2002
Capacitated Facility Location Problem 问题如下 给出所有工厂的容量和开工厂的成本，所有客户的需求，以及客户分配给某个工厂的的分配成本，要求解的问题是：找出一个分配方案，使得总成本最低。 算法思路 思路一：贪心 容易想到的是，从每个用户的角度出发，要使得总成本最小的话，则可以每个用户选择设施的时候都贪心选择一个成本最低的设施。一开始我想的是所有设施都先不开...
算法设计期末项目：Capacitated Facility Location Problem
ZTao-z的博客
12-23 390
题目描述 Suppose there are n facilities and m customers. We wish to choose: （1）which of the n facilities to open. （2）the assignment of customers to facilities. （3）The objective is to minimize the sum of t...
算法期末项目--Capacitated Facility Location Problem
cjinchan的博客
12-30 258
题目 Suppose there are n facilities and m customers. We wish to choose: (1) which of the n facilities to open (2) the assignment of customers to facilities The objective is to minimize the sum of the op...
2020-5-A biased randomised algorithm for the capacitated facility location problem with soft constraints.pdf
08-16
biased-randomised algorithm for the capacitated facility location...本文提出了一个biased-randomised算法来解决带软约束的单源 capacitated facility location problem，并讨论了该算法在实际应用中的潜力和挑战。
Capacitated vehicle routing problem.pdf
11-19
在容量受限的车辆路径问题（Capacitated Vehicle Routing Problem，CVRP）中，除了最小化总路线长度外，还有一个关键约束：每辆服务车辆的载货量有上限。这意味着，每辆车在服务过程中装载的货物总量不能超过其最大...
1999-54-Efficient solution of large scale, single-source, capacitated plant location problems.pdf
08-16
这种结合两种技术的方法既保证了解的质量，又能够处理大规模的问题实例，避免了传统精确算法的计算复杂度问题。 论文中，作者对算法进行了详细的描述，并通过一系列实验验证了其性能。这些实验结果表明，所提出的...
粒子群算法DPSO-CVRP
10-07
DPSO-CVRP是PSO的一种变体，专门应用于解决车辆路径问题（Vehicle Routing Problem, VRP），尤其是客户访问路线问题（ Capacitated Vehicle Routing Problem, CVRP）。 在CVRP中，目标是为一组有载货能力限制的车辆...
matlab三维装箱和VRP结合算法
04-17
常见的VRP变种有 Capacitated VRP (CVRP) 和 Vehicle Routing Problem with Time Windows (VRPTW)。在MATLAB中，可以采用启发式方法如蚁群算法、遗传算法或者模拟退火算法来解决这类问题。 将三维装箱和VRP结合，...
chromedriver-mac-arm64_126.0.6465.0.zip
07-31
chromedriver-mac-arm64_126.0.6465.0.zip
chromedriver-mac-x64_122.0.6235.0.zip
最新发布
07-31
chromedriver-mac-x64_122.0.6235.0.zip
chromedriver-mac-x64_122.0.6188.0.zip
07-31
chromedriver-mac-x64_122.0.6188.0.zip
【JCR2区】基于matlab阿基米德算法优化最小二乘法AOA-LSSVM数据分类【含Matlab源码 6004期】.zip
07-31
CSDN海神之光上传的代码均可运行，亲测可用，换数据就行，适合小白； 1、代码压缩包内容 主函数：main.m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法优化最小二乘法支持向量机LSSVM分类预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO优化LSSVM 4.4.2 粒子群算法PSO/蛙跳算法SFLA优化LSSVM 4.4.3 灰狼算法GWO/狼群算法WPA优化LSSVM 4.4.4 鲸鱼算法WOA/麻雀算法SSA优化LSSVM 4.4.5 萤火虫算法FA/差分算法DE优化LSSVM 4.4.6 其他优化算法优化LSSVM
generate a python script for Capacitated Vehicle Routing Problem (CVRP)
06-05
Here is a basic implementation of CVRP in Python using ...Note that this is just a basic implementation and can be modified to suit specific requirements and constraints of individual problem instances.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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