543 lines
22 KiB
Python
Executable File
543 lines
22 KiB
Python
Executable File
#!/usr/bin/env python3
|
|
"""
|
|
Elterndienstplaner - Optimale Zuteilung von Elterndiensten
|
|
|
|
Autor: Automatisch generiert
|
|
Datum: Dezember 2025
|
|
"""
|
|
|
|
import sys
|
|
import pulp
|
|
from datetime import timedelta, date
|
|
from collections import defaultdict
|
|
from typing import Dict, List, Tuple, DefaultDict, Optional
|
|
|
|
from datenmodell import ElterndienstplanerDaten, Dienst, Eltern, Zielverteilung, Entscheidungsvariablen
|
|
from ausgabe import ElterndienstAusgabe
|
|
|
|
|
|
class Elterndienstplaner:
|
|
"""Optimierungs-Engine fuer Elterndienstplanung"""
|
|
|
|
def __init__(self, daten: ElterndienstplanerDaten, ausgabe: ElterndienstAusgabe) -> None:
|
|
self.daten = daten
|
|
self.ausgabe = ausgabe
|
|
|
|
def berechne_faire_zielverteilung_global(self) -> Zielverteilung:
|
|
"""Berechnet die faire Zielanzahl von Diensten fuer den Planungszeitraum
|
|
basierend auf globaler Fairness (Historie + aktueller Planungszeitraum).
|
|
|
|
Gibt die Ziel-Dienstanzahl fuer den aktuellen Planungszeitraum zurueck,
|
|
korrigiert um bereits geleistete Dienste. Kann negativ sein, wenn bereits
|
|
mehr Dienste geleistet wurden als fair waere."""
|
|
|
|
ziel_dienste: Zielverteilung = defaultdict(lambda: defaultdict(float))
|
|
|
|
print("\nBerechne faire Zielverteilung basierend auf historischen Daten...")
|
|
|
|
historische_tage = set(datum for datum, _, _ in self.daten.historische_dienste) if self.daten.historische_dienste else set()
|
|
print(f" Analysiere {len(historische_tage)} historische Tage mit {len(self.daten.historische_dienste)} Diensten")
|
|
|
|
for dienst in self.daten.dienste:
|
|
print(f" Verarbeite Dienst {dienst.kuerzel}...")
|
|
|
|
# 1. HISTORISCHE PERIODE: Faire Umverteilung
|
|
historische_dienste_dieses_typs = [
|
|
(datum, eltern) for datum, eltern, d in self.daten.historische_dienste
|
|
if d == dienst
|
|
]
|
|
|
|
print(f" Gefundene historische {dienst.kuerzel}-Dienste: {len(historische_dienste_dieses_typs)}")
|
|
|
|
dienste_pro_tag = defaultdict(list)
|
|
for datum, eltern in historische_dienste_dieses_typs:
|
|
dienste_pro_tag[datum].append(eltern)
|
|
|
|
for tag, geleistete_eltern in dienste_pro_tag.items():
|
|
anzahl_dienste = len(geleistete_eltern)
|
|
|
|
gesamt_dienstfaktor_tag = 0
|
|
|
|
for eltern in self.daten.eltern:
|
|
gesamt_dienstfaktor_tag += self.daten.dienstfaktoren[eltern][tag]
|
|
|
|
if gesamt_dienstfaktor_tag > 0:
|
|
for eltern in self.daten.eltern:
|
|
if self.daten.dienstfaktoren[eltern][tag] > 0:
|
|
anteil = self.daten.dienstfaktoren[eltern][tag] / gesamt_dienstfaktor_tag
|
|
faire_zuteilung = anteil * anzahl_dienste
|
|
ziel_dienste[eltern][dienst] += faire_zuteilung
|
|
|
|
if faire_zuteilung > 0.01:
|
|
print(f" {tag}: {eltern} Faktor={self.daten.dienstfaktoren[eltern][tag]} "
|
|
f"-> {faire_zuteilung:.2f} von {anzahl_dienste} Diensten")
|
|
|
|
# 2. AKTUELLER PLANUNGSZEITRAUM: Faire Verteilung
|
|
benoetigte_dienste_planungszeitraum = 0
|
|
|
|
for tag in self.daten.planungszeitraum:
|
|
if dienst not in self.daten.benoetigte_dienste.get(tag, []):
|
|
continue
|
|
|
|
benoetigte_dienste_planungszeitraum += dienst.personen_anzahl
|
|
|
|
dienstfaktoren = {}
|
|
gesamt_dienstfaktor_tag = 0
|
|
|
|
for eltern in self.daten.eltern:
|
|
faktor = self.daten.dienstfaktoren[eltern][tag]
|
|
dienstfaktoren[eltern] = faktor
|
|
gesamt_dienstfaktor_tag += faktor
|
|
|
|
if gesamt_dienstfaktor_tag > 0:
|
|
for eltern in self.daten.eltern:
|
|
anteil = dienstfaktoren[eltern] / gesamt_dienstfaktor_tag
|
|
faire_zuteilung = anteil * dienst.personen_anzahl
|
|
ziel_dienste[eltern][dienst] += faire_zuteilung
|
|
|
|
# 3. ABZUG DER BEREITS GELEISTETEN DIENSTE
|
|
for eltern in self.daten.eltern:
|
|
vorherige_anzahl = sum(
|
|
1 for _, hist_eltern, hist_dienst in self.daten.historische_dienste
|
|
if hist_eltern == eltern and hist_dienst == dienst
|
|
)
|
|
ziel_dienste[eltern][dienst] -= vorherige_anzahl
|
|
|
|
return ziel_dienste
|
|
|
|
def berechne_faire_zielverteilung_lokal(self) -> Zielverteilung:
|
|
"""Berechnet die lokale faire Zielanzahl von Diensten pro Eltern-Dienst-Kombination
|
|
basierend auf Dienstfaktoren und benoetigten Diensten im aktuellen Planungszeitraum
|
|
|
|
WICHTIG: Bei der lokalen Fairness werden Abwesenheitstage NICHT in die Dienstpflicht
|
|
eingerechnet (Dienstfaktor = 0 an Abwesenheitstagen). Das führt zu einer gleichmäßigeren
|
|
Verteilung im aktuellen Monat und verhindert, dass Familien mit längeren Abwesenheiten
|
|
in den wenigen verfügbaren Tagen überproportional viele Dienste bekommen.
|
|
|
|
Die "verpassten" Dienste werden dann über die globale Fairness (F1) im Jahresverlauf
|
|
ausgeglichen."""
|
|
|
|
ziel_dienste_lokal: Zielverteilung = defaultdict(lambda: defaultdict(float))
|
|
|
|
print("\nBerechne lokale faire Zielverteilung für aktuellen Planungszeitraum...")
|
|
print(" (Abwesenheitstage werden aus der Dienstpflicht herausgerechnet)")
|
|
|
|
summe_dienstfaktor_planungszeitraum_alle_eltern = sum(
|
|
sum(self.daten.dienstfaktoren[e][tag] for tag in self.daten.planungszeitraum)
|
|
for e in self.daten.eltern
|
|
)
|
|
|
|
if summe_dienstfaktor_planungszeitraum_alle_eltern == 0:
|
|
print(" WARNUNG: Gesamtdienstfaktor ist 0, keine lokale Zielverteilung möglich")
|
|
return ziel_dienste_lokal
|
|
|
|
for dienst in self.daten.dienste:
|
|
benoetigte_dienste_planungszeitraum = sum(
|
|
1 for tag in self.daten.planungszeitraum
|
|
if dienst in self.daten.benoetigte_dienste.get(tag, [])
|
|
)
|
|
benoetigte_dienste_planungszeitraum *= dienst.personen_anzahl
|
|
|
|
if benoetigte_dienste_planungszeitraum > 0:
|
|
print(f" {dienst.kuerzel}: {benoetigte_dienste_planungszeitraum} Dienste benötigt")
|
|
|
|
for eltern in self.daten.eltern:
|
|
summe_dienstfaktor_planungszeitraum = sum(
|
|
self.daten.dienstfaktoren[eltern][tag] for tag in self.daten.planungszeitraum
|
|
)
|
|
|
|
if summe_dienstfaktor_planungszeitraum > 0:
|
|
anteil = summe_dienstfaktor_planungszeitraum / summe_dienstfaktor_planungszeitraum_alle_eltern
|
|
faire_zuteilung = anteil * benoetigte_dienste_planungszeitraum
|
|
ziel_dienste_lokal[eltern][dienst] = faire_zuteilung
|
|
|
|
return ziel_dienste_lokal
|
|
|
|
def _erstelle_entscheidungsvariablen(self) -> Entscheidungsvariablen:
|
|
"""Erstellt die binaeren Entscheidungsvariablen x[eltern, tag, dienst]"""
|
|
x: Entscheidungsvariablen = {}
|
|
for eltern in self.daten.eltern:
|
|
for tag in self.daten.planungszeitraum:
|
|
for dienst in self.daten.dienste:
|
|
if dienst in self.daten.benoetigte_dienste.get(tag, []):
|
|
x[eltern, tag, dienst] = pulp.LpVariable(
|
|
f"x_{eltern.replace(' ', '_')}_{tag}_{dienst.kuerzel}",
|
|
cat='Binary'
|
|
)
|
|
return x
|
|
|
|
def _add_constraint_ein_dienst_pro_woche(
|
|
self,
|
|
prob: pulp.LpProblem,
|
|
x: Entscheidungsvariablen
|
|
) -> None:
|
|
"""C1: Je Eltern und Dienst nur einmal die Woche (Woche = Montag bis Sonntag)"""
|
|
erster_tag = self.daten.planungszeitraum[0]
|
|
# Finde Montag am oder vor dem ersten Planungstag
|
|
woche_start = erster_tag - timedelta(days=erster_tag.weekday())
|
|
|
|
woche_nr = 0
|
|
letzter_tag = self.daten.planungszeitraum[-1]
|
|
|
|
while woche_start <= letzter_tag:
|
|
woche_ende = woche_start + timedelta(days=6)
|
|
|
|
for eltern in self.daten.eltern:
|
|
for dienst in self.daten.dienste:
|
|
woche_vars = []
|
|
|
|
# Zaehle historische Dienste in dieser Woche (VOR Planungszeitraum)
|
|
historische_dienste_in_woche = 0
|
|
if woche_start < erster_tag:
|
|
for hist_datum, hist_eltern, hist_dienst in self.daten.historische_dienste:
|
|
if (hist_eltern == eltern and
|
|
hist_dienst == dienst and
|
|
woche_start <= hist_datum < erster_tag):
|
|
historische_dienste_in_woche += 1
|
|
|
|
for tag in self.daten.planungszeitraum:
|
|
if woche_start <= tag <= woche_ende:
|
|
if (eltern, tag, dienst) in x:
|
|
woche_vars.append(x[eltern, tag, dienst])
|
|
|
|
if woche_vars:
|
|
prob += pulp.lpSum(woche_vars) <= 1 - historische_dienste_in_woche, \
|
|
f"C1_{eltern.replace(' ', '_')}_{dienst.kuerzel}_w{woche_nr}"
|
|
|
|
woche_start += timedelta(days=7)
|
|
woche_nr += 1
|
|
|
|
def _add_constraint_ein_dienst_pro_tag(
|
|
self,
|
|
prob: pulp.LpProblem,
|
|
x: Entscheidungsvariablen
|
|
) -> None:
|
|
"""C2: Je Eltern nur einen Dienst am Tag"""
|
|
for eltern in self.daten.eltern:
|
|
for tag in self.daten.planungszeitraum:
|
|
tag_vars = []
|
|
for dienst in self.daten.dienste:
|
|
if (eltern, tag, dienst) in x:
|
|
tag_vars.append(x[eltern, tag, dienst])
|
|
|
|
if tag_vars:
|
|
prob += pulp.lpSum(tag_vars) <= 1, f"C2_{eltern.replace(' ', '_')}_{tag}"
|
|
|
|
def _add_constraint_verfuegbarkeit(
|
|
self,
|
|
prob: pulp.LpProblem,
|
|
x: Entscheidungsvariablen
|
|
) -> None:
|
|
"""C3: Dienste nur verfuegbaren Eltern zuteilen"""
|
|
for eltern in self.daten.eltern:
|
|
for tag in self.daten.planungszeitraum:
|
|
if not self.daten.verfuegbarkeit.get((eltern, tag), True):
|
|
for dienst in self.daten.dienste:
|
|
if (eltern, tag, dienst) in x:
|
|
prob += x[eltern, tag, dienst] == 0, \
|
|
f"C3_{eltern.replace(' ', '_')}_{tag}_{dienst.kuerzel}"
|
|
|
|
def _add_constraint_dienst_bedarf(
|
|
self,
|
|
prob: pulp.LpProblem,
|
|
x: Entscheidungsvariablen
|
|
) -> None:
|
|
"""C4: Alle benoetigten Dienste muessen zugeteilt werden"""
|
|
for tag in self.daten.planungszeitraum:
|
|
for dienst in self.daten.benoetigte_dienste.get(tag, []):
|
|
dienst_vars = []
|
|
for eltern in self.daten.eltern:
|
|
if (eltern, tag, dienst) in x:
|
|
if self.daten.verfuegbarkeit.get((eltern, tag), True):
|
|
dienst_vars.append(x[eltern, tag, dienst])
|
|
|
|
if dienst_vars:
|
|
# Anzahl benoetigter Personen pro Dienst
|
|
benoetigte_personen = dienst.personen_anzahl
|
|
prob += pulp.lpSum(dienst_vars) == benoetigte_personen, \
|
|
f"Bedarf_{tag}_{dienst.kuerzel}"
|
|
|
|
def _add_constraint_fairness_diensttypspezifisch(
|
|
self,
|
|
prob: pulp.LpProblem,
|
|
x: Entscheidungsvariablen,
|
|
ziel_dienste: Zielverteilung,
|
|
constraint_prefix: str
|
|
) -> Dict:
|
|
"""F1/F2: Fairness pro Diensttyp - gleicht Anzahl je Diensttyp aus
|
|
|
|
Berechnet die Abweichung der zugeteilten Dienste vom fairen Ziel
|
|
fuer jeden Diensttyp separat. Dies sorgt dafuer, dass z.B. Kochdienste
|
|
und Putzdienste jeweils fair verteilt werden.
|
|
|
|
F1 (global): Basierend auf historischen Daten + aktuellem Planungszeitraum
|
|
F2 (lokal): Nur fuer den aktuellen Planungszeitraum
|
|
|
|
Args:
|
|
prob: Das LP-Problem
|
|
x: Die Entscheidungsvariablen
|
|
ziel_dienste: Die Zielverteilung (global oder lokal)
|
|
constraint_prefix: Praefix fuer Constraint-Namen ('global' fuer F1, 'lokal' fuer F2)
|
|
|
|
Returns:
|
|
Dictionary mit Fairness-Abweichungsvariablen pro Diensttyp
|
|
"""
|
|
fairness_abweichung = {}
|
|
|
|
for eltern in self.daten.eltern:
|
|
for dienst in self.daten.dienste:
|
|
fairness_abweichung[eltern, dienst] = pulp.LpVariable(
|
|
f"fair_{constraint_prefix}_{eltern.replace(' ', '_')}_{dienst.kuerzel}",
|
|
lowBound=0)
|
|
|
|
for eltern in self.daten.eltern:
|
|
for dienst in self.daten.dienste:
|
|
|
|
zugeteilte_dienste_planungszeitraum = pulp.lpSum(
|
|
x[eltern, tag, dienst]
|
|
for tag in self.daten.planungszeitraum
|
|
if (eltern, tag, dienst) in x
|
|
)
|
|
|
|
|
|
ziel = ziel_dienste[eltern][dienst]
|
|
prob += (zugeteilte_dienste_planungszeitraum - ziel <=
|
|
fairness_abweichung[eltern, dienst])
|
|
prob += (ziel - zugeteilte_dienste_planungszeitraum <=
|
|
fairness_abweichung[eltern, dienst])
|
|
|
|
return fairness_abweichung
|
|
|
|
def _add_constraint_fairness_typuebergreifend(
|
|
self,
|
|
prob: pulp.LpProblem,
|
|
x: Entscheidungsvariablen,
|
|
ziel_dienste: Zielverteilung,
|
|
constraint_prefix: str
|
|
) -> Dict:
|
|
"""F3/F4: Diensttypuebergreifende Fairness - verhindert Haeufung bei einzelnen Familien
|
|
|
|
Berechnet die Abweichung der Gesamtdienstanzahl (ueber alle Diensttypen)
|
|
vom fairen Gesamtziel. Dies verhindert, dass einzelne Familien ueber alle
|
|
Diensttypen hinweg ueberproportional viele Dienste bekommen.
|
|
|
|
F3 (global): Basierend auf historischen Daten + aktuellem Planungszeitraum
|
|
F4 (lokal): Nur fuer den aktuellen Planungszeitraum
|
|
|
|
Args:
|
|
prob: Das LP-Problem
|
|
x: Die Entscheidungsvariablen
|
|
ziel_dienste: Die Zielverteilung (global oder lokal)
|
|
constraint_prefix: Praefix fuer Constraint-Namen ('global' fuer F3, 'lokal' fuer F4)
|
|
|
|
Returns:
|
|
Dictionary mit Gesamt-Fairness-Abweichungsvariablen ueber alle Diensttypen
|
|
"""
|
|
fairness_abweichung_gesamt = {}
|
|
|
|
for eltern in self.daten.eltern:
|
|
fairness_abweichung_gesamt[eltern] = pulp.LpVariable(
|
|
f"fair_gesamt_{constraint_prefix}_{eltern.replace(' ', '_')}",
|
|
lowBound=0)
|
|
|
|
|
|
tatsaechliche_dienste_gesamt = pulp.lpSum(
|
|
x[eltern, tag, dienst]
|
|
for tag in self.daten.planungszeitraum
|
|
for dienst in self.daten.dienste
|
|
if (eltern, tag, dienst) in x
|
|
)
|
|
|
|
ziel_gesamt = sum(ziel_dienste[eltern][dienst] for dienst in self.daten.dienste)
|
|
|
|
prob += (tatsaechliche_dienste_gesamt - ziel_gesamt <=
|
|
fairness_abweichung_gesamt[eltern])
|
|
prob += (ziel_gesamt - tatsaechliche_dienste_gesamt <=
|
|
fairness_abweichung_gesamt[eltern])
|
|
|
|
return fairness_abweichung_gesamt
|
|
|
|
|
|
def _erstelle_zielfunktion(
|
|
self,
|
|
prob: pulp.LpProblem,
|
|
x: Entscheidungsvariablen,
|
|
fairness_abweichung_lokal: Dict,
|
|
fairness_abweichung_global: Dict,
|
|
fairness_abweichung_gesamt_global: Dict,
|
|
fairness_abweichung_gesamt_lokal: Dict
|
|
) -> None:
|
|
"""Erstellt die Zielfunktion mit Fairness und Praeferenzen"""
|
|
objective_terms = []
|
|
|
|
gewicht_global = 40
|
|
gewicht_lokal = 60
|
|
gewicht_f1 = gewicht_global
|
|
gewicht_f2 = gewicht_lokal
|
|
gewicht_f3_global = 0.25 * gewicht_global
|
|
gewicht_f4_lokal = 0.25 * gewicht_lokal
|
|
|
|
for eltern in self.daten.eltern:
|
|
for dienst in self.daten.dienste:
|
|
objective_terms.append(gewicht_f1 * fairness_abweichung_global[eltern, dienst])
|
|
objective_terms.append(gewicht_f2 * fairness_abweichung_lokal[eltern, dienst])
|
|
|
|
objective_terms.append(gewicht_f3_global * fairness_abweichung_gesamt_global[eltern])
|
|
objective_terms.append(gewicht_f4_lokal * fairness_abweichung_gesamt_lokal[eltern])
|
|
|
|
# P1: Bevorzugte Dienste
|
|
for (eltern, tag, dienst), praef in self.daten.praeferenzen.items():
|
|
if (eltern, tag, dienst) in x and praef == 1:
|
|
objective_terms.append(-5 * x[eltern, tag, dienst])
|
|
|
|
# P2: Abgelehnte Dienste
|
|
for (eltern, tag, dienst), praef in self.daten.praeferenzen.items():
|
|
if (eltern, tag, dienst) in x and praef == -1:
|
|
objective_terms.append(25 * x[eltern, tag, dienst])
|
|
|
|
if objective_terms:
|
|
prob += pulp.lpSum(objective_terms)
|
|
else:
|
|
prob += pulp.lpSum([var for var in x.values()])
|
|
|
|
print(f"Verwende Gewichtung: F1 (global) = {gewicht_f1}, F2 (lokal) = {gewicht_f2}, "
|
|
f"F3 (global) = {gewicht_f3_global}, F4 (lokal) = {gewicht_f4_lokal}")
|
|
|
|
def erstelle_optimierungsmodell(self) -> Tuple[
|
|
pulp.LpProblem,
|
|
Entscheidungsvariablen
|
|
]:
|
|
"""Erstellt das PuLP Optimierungsmodell
|
|
|
|
Returns:
|
|
Tuple mit (prob, x, ziel_dienste_lokal, ziel_dienste_global)
|
|
"""
|
|
print("Erstelle Optimierungsmodell...")
|
|
|
|
print("\nDebug: Verfuegbarkeit analysieren...")
|
|
for tag in self.daten.planungszeitraum[:5]:
|
|
verfuegbare = [e for e in self.daten.eltern if self.daten.verfuegbarkeit.get((e, tag), True)]
|
|
benoetigte = self.daten.benoetigte_dienste.get(tag, [])
|
|
print(f" {tag}: Benötigt {len(benoetigte)} Dienste {benoetigte}, verfügbar: {verfuegbare}")
|
|
|
|
prob = pulp.LpProblem("Elterndienstplaner", pulp.LpMinimize)
|
|
x = self._erstelle_entscheidungsvariablen()
|
|
|
|
self._add_constraint_ein_dienst_pro_woche(prob, x)
|
|
self._add_constraint_ein_dienst_pro_tag(prob, x)
|
|
self._add_constraint_verfuegbarkeit(prob, x)
|
|
self._add_constraint_dienst_bedarf(prob, x)
|
|
|
|
ziel_dienste_global = self.berechne_faire_zielverteilung_global()
|
|
ziel_dienste_lokal = self.berechne_faire_zielverteilung_lokal()
|
|
|
|
self.ausgabe.setze_zielverteilungen(ziel_dienste_lokal, ziel_dienste_global)
|
|
|
|
# F2: Lokale Fairness pro Diensttyp
|
|
fairness_abweichung_lokal = self._add_constraint_fairness_diensttypspezifisch(
|
|
prob, x, ziel_dienste_lokal, "lokal"
|
|
)
|
|
|
|
# F1: Globale Fairness pro Diensttyp
|
|
fairness_abweichung_global = self._add_constraint_fairness_diensttypspezifisch(
|
|
prob, x, ziel_dienste_global, "global"
|
|
)
|
|
|
|
# F3: Diensttypuebergreifende Fairness (global)
|
|
fairness_abweichung_gesamt_global = self._add_constraint_fairness_typuebergreifend(
|
|
prob, x, ziel_dienste_global, "global"
|
|
)
|
|
|
|
# F4: Diensttypuebergreifende Fairness (lokal)
|
|
fairness_abweichung_gesamt_lokal = self._add_constraint_fairness_typuebergreifend(
|
|
prob, x, ziel_dienste_lokal, "lokal"
|
|
)
|
|
|
|
self._erstelle_zielfunktion(prob, x, fairness_abweichung_lokal, fairness_abweichung_global,
|
|
fairness_abweichung_gesamt_global, fairness_abweichung_gesamt_lokal)
|
|
|
|
print(f"Modell erstellt mit {len(x)} Variablen und {len(prob.constraints)} Constraints")
|
|
return prob, x
|
|
|
|
def loese_optimierung(self, prob: pulp.LpProblem,
|
|
x: Entscheidungsvariablen) -> Optional[Dict[date, Dict[Dienst, List[Eltern]]]]:
|
|
"""Loest das Optimierungsproblem"""
|
|
print("Löse Optimierungsproblem...")
|
|
|
|
solver = None
|
|
try:
|
|
print("Versuche CBC Solver...")
|
|
solver = pulp.PULP_CBC_CMD(msg=0, timeLimit=10)
|
|
except:
|
|
try:
|
|
print("Versuche GLPK Solver...")
|
|
solver = pulp.GLPK_CMD(msg=0)
|
|
except:
|
|
print("Kein spezifizierter Solver verfügbar, verwende Standard.")
|
|
solver = None
|
|
|
|
prob.solve(solver)
|
|
|
|
status = pulp.LpStatus[prob.status]
|
|
print(f"Optimierung abgeschlossen: {status}")
|
|
|
|
if prob.status != pulp.LpStatusOptimal:
|
|
print("WARNUNG: Keine optimale Lösung gefunden!")
|
|
return None
|
|
|
|
loesung: Dict[date, Dict[Dienst, List[Eltern]]] = {}
|
|
for (eltern, tag, dienst), var in x.items():
|
|
if var.varValue and var.varValue > 0.5:
|
|
if tag not in loesung:
|
|
loesung[tag] = {}
|
|
if dienst not in loesung[tag]:
|
|
loesung[tag][dienst] = []
|
|
loesung[tag][dienst].append(eltern)
|
|
|
|
return loesung
|
|
|
|
|
|
def main() -> None:
|
|
if len(sys.argv) < 4:
|
|
print("Usage: ./elterndienstplaner.py <eingabe.csv> <eltern.csv> <ausgabe.csv> [<vorherige-ausgaben.csv>]")
|
|
sys.exit(1)
|
|
|
|
eingabe_datei = sys.argv[1]
|
|
eltern_datei = sys.argv[2]
|
|
ausgabe_datei = sys.argv[3]
|
|
vorherige_datei = sys.argv[4] if len(sys.argv) > 4 else None
|
|
|
|
print("Elterndienstplaner gestartet")
|
|
print("="*50)
|
|
|
|
try:
|
|
daten = ElterndienstplanerDaten()
|
|
daten.lade_daten(eingabe_datei, eltern_datei, vorherige_datei)
|
|
|
|
ausgabe = ElterndienstAusgabe(daten)
|
|
planer = Elterndienstplaner(daten, ausgabe)
|
|
|
|
prob, x = planer.erstelle_optimierungsmodell()
|
|
loesung = planer.loese_optimierung(prob, x)
|
|
|
|
if loesung is not None:
|
|
ausgabe.schreibe_ausgabe_csv(ausgabe_datei, loesung)
|
|
ausgabe.drucke_statistiken(loesung)
|
|
ausgabe.visualisiere_verteilungen(loesung)
|
|
ausgabe.visualisiere_praeferenz_verletzungen(loesung)
|
|
|
|
print("\n✓ Planung erfolgreich abgeschlossen!")
|
|
else:
|
|
print("\n✗ Fehler: Keine gültige Lösung gefunden!")
|
|
sys.exit(1)
|
|
|
|
except Exception as e:
|
|
print(f"\n✗ Fehler: {e}")
|
|
import traceback
|
|
traceback.print_exc()
|
|
sys.exit(1)
|
|
|
|
|
|
if __name__ == "__main__":
|
|
main()
|