update readmes

task3/README.md

@@ -10,9 +10,9 @@
 4. **风险可控的全局调度**：在提升效率的同时，将服务缺口风险控制在可接受范围
 
 **实际运行结果**：
-- 总服务量提升 **9.8%**（141,044 → 154,884）
+- 总服务量提升 **9.9%**（139,469 → 153,307）
-- 质量加权服务量提升 **6.2%**（132,009 → 140,194）
+- 质量加权服务量提升 **6.3%**（131,462 → 139,701）
-- 资源节省 **9.5%**（69次双站点访问）
+- 资源节省 **9.6%**（70次双站点访问）
 - 服务缺口风险 **1.2%**（低风险水平）
 
 ---
@@ -326,12 +326,17 @@ $$V_{ij} = \underbrace{\alpha \cdot \frac{\mu_i + \mu_j}{Q}}_{\text{容量利用
 - **价值 (Value)**：综合得分。得分越高，表明该配对在“高容量利用”、“低距离代价”和“低波动风险”三方面取得了最佳平衡。
 
 | 排名 | 站点i (Site i) | 站点j (Site j) | 距离 (mi) | 需求和 ($\mu_{sum}$) | 价值 ($V_{ij}$) |
-|------|-------|-------|------|--------|------|
+|---|---|---|---|---|---|
-| 1 | Boys and Girls Club | Redeemer Lutheran | 0.4 mi | 441 | 1.07 |
+| 1 | American Legion - Binghamton | First Assembly Of God Church | 1.3 mi | 346 | 0.96 |
-| 2 | Rathbone | Woodhull | 5.8 mi | 445 | 1.06 |
+| 2 | Senior - Villa Serene | The Love Church | 0.8 mi | 329 | 0.92 |
-| 3 | Bath | Campbell | 9.6 mi | 448 | 1.05 |
+| 3 | College Corning Community College | Senior - Dayspring | 2.2 mi | 328 | 0.91 |
-| 4 | Springview Apts | Waverly | 0.8 mi | 424 | 1.05 |
+| 4 | Endwell United Methodist Church | Senior - North Shore Towers | 5.8 mi | 344 | 0.91 |
-| 5 | Birnie Transport | Lindley | 10.1 mi | 446 | 1.04 |
+| 5 | Danby | Salvation Army Ithaca | 6.1 mi | 341 | 0.90 |
+| 6 | Beaver Dams | Millport | 6.1 mi | 337 | 0.89 |
+| 7 | Birnie Transportation Services | Bradford | 13.6 mi | 336 | 0.81 |
+| 8 | Rehoboth Deliverance Ministry | Senior - CFS Lakeview | 17.4 mi | 348 | 0.81 |
+| 9 | Richford | Senior - Titus Towers | 16.4 mi | 339 | 0.80 |
+| 10 | Rathbone | Senior - Addison Place Apartments | 4.7 mi | 299 | 0.79 |
 
 ---
 
@@ -441,12 +446,12 @@ $$\mu_i - k\sigma_i \leq q \leq Q - \mu_j + k\sigma_j$$
 - **比例 (Ratio)**：$q^*/400$。注意看 **Springview + Waverly** 这一组，尽管 Waverly (站点j) 的需求很大，但由于 Springview (站点i) 的波动极小 ($\sigma=5.6$) 而 Waverly 波动大 ($\sigma=51.9$)，模型仅给 Springview 预留了 6.0% 的极低比例。这精确地反映了“将大部分缓冲留给波动大的站点”这一核心策略。
 
 | 配对 | $\mu_i$ | $\mu_j$ | $\sigma_i$ | $\sigma_j$ | $q^*$ | 比例 |
-|------|---------|---------|------------|------------|-------|------|
+|---|---|---|---|---|---|---|
-| Boys & Girls + Redeemer | 210.8 | 230.6 | 28.9 | 93.5 | 195.9 | 49.0% |
+| American Legion + First Assemb... | 200.2 | 146.0 | 46.1 | 21.6 | 236.8 | 59.2% |
-| Rathbone + Woodhull | 269.1 | 176.0 | 38.2 | 35.9 | 248.1 | 62.0% |
+| Senior + The Love Church | 69.7 | 259.3 | 5.1 | 59.9 | 75.3 | 18.8% |
-| Bath + Campbell | 279.5 | 168.5 | 67.9 | 33.9 | 254.3 | 63.6% |
+| College Corn... + Senior | 251.0 | 77.2 | 33.3 | 17.9 | 297.6 | 74.4% |
-| Springview + Waverly | 27.6 | 396.6 | 5.6 | 51.9 | 23.9 | 6.0% |
+| Endwell Unit... + Senior | 285.2 | 58.3 | 60.8 | 6.9 | 335.9 | 84.0% |
-| Birnie + Lindley | 213.4 | 232.9 | 27.8 | 56.9 | 189.4 | 47.3% |
+| Danby + Salvation Ar... | 160.2 | 181.2 | 34.6 | 39.6 | 187.5 | 46.9% |
 
 ---
 
@@ -528,19 +533,19 @@ $$R_1 = P(S_i / D_i < 0.8 \text{ 或 } S_j / D_j < 0.8)$$
 
 下表对比了 Task 1（传统单站点模式）与 Task 3（双站点优化模式）的关键性能指标。数据表明，新模型在各项核心指标上均取得了显著突破。
 
-- **E1 (总服务量)**：提升 **9.8%**。这直接归功于释放出的 69 个访问槽位被重新分配给了全网络，增加了总的服务频次。
+- **E1 (总服务量)**：提升 **9.9%**。这直接归功于释放出的 70 个访问槽位被重新分配给了全网络，增加了总的服务频次。
-- **E2 (质量加权)**：提升 **6.2%**。虽然增幅略低于 E1（因为双站点模式下每户平均分得量可能略减，导致质量因子下降），但整体质量效益依然显著为正。
+- **E2 (质量加权)**：提升 **6.3%**。虽然增幅略低于 E1（因为双站点模式下每户平均分得量可能略减，导致质量因子下降），但整体质量效益依然显著为正。
 - **R1 (缺口风险)**：虽然从 0 增加到 1.2%，但这一数值远低于行业通常接受的 5% 风险阈值，说明模型成功用微小的风险代价换取了巨大的效率提升。
-- **RS (资源节省)**：**9.5%** 的资源节省率意味着 FBST 可以用同样的卡车和志愿者资源，多服务近一成的社区，或者在维持现有服务水平下减少 9.5% 的运营成本。
+- **RS (资源节省)**：**9.6%** 的资源节省率意味着 FBST 可以用同样的卡车和志愿者资源，多服务近一成的社区，或者在维持现有服务水平下减少 9.6% 的运营成本。
 
 | 指标 | Task 1 | Task 3 | 变化 | 变化% |
-|------|--------|--------|------|-------|
+|---|---|---|---|---|
-| **E1 (总服务量)** | 141,044 | 154,884 | +13,840 | **+9.8%** |
+| **E1 (总服务量)** | 139,469 | 153,307 | +13,838 | **+9.9%** |
-| **E2 (质量加权)** | 132,009 | 140,194 | +8,184 | **+6.2%** |
+| **E2 (质量加权)** | 131,462 | 139,701 | +8,240 | **+6.3%** |
-| F1 (Gini系数) | 0.313 | 0.320 | +0.007 | +2.4% |
+| F1 (Gini系数) | 0.314 | 0.322 | +0.008 | +2.5% |
-| F2 (最低满足率) | 2.00 | 2.00 | 0.00 | 0.0% |
+| F2 (最低满足率) | 2.000 | 2.000 | -0.000 | -0.0% |
 | **R1 (缺口风险)** | 0 | 0.012 | +0.012 | 新增 |
-| **RS (资源节省)** | 0% | 9.5% | +9.5% | 新增 |
+| **RS (资源节省)** | 0% | 9.6% | +9.6% | 新增 |
 
 **核心发现**：
 1. 通过双站点模式，释放9.5%的访问槽位
@@ -570,11 +575,11 @@ $$R_1 = P(S_i / D_i < 0.8 \text{ 或 } S_j / D_j < 0.8)$$
 **总体汇总（范围为扫描区间的最小值～最大值）**
 
 | 参数 | E1范围 | E2范围 | R1范围 |
-|------|--------|--------|--------|
+|---|---|---|---|
-| $r_{merge}$ | 143,904 ~ 181,014（-12.13% ~ +10.52%） | 132,849 ~ 143,124（-4.22% ~ +3.19%） | 0.1708 ~ 0.1708 |
+| $r_{merge}$ | 143252 - 180189 (+22.69%) | 132637 - 142734 (+7.30%) | 0.1708 - 0.1708 |
-| $l_{max}$ | 158,665 ~ 163,777（-3.12% ~ +0.00%） | 137,369 ~ 138,699（-0.96% ~ +0.00%） | 0.1447 ~ 0.1796 |
+| $l_{max}$ | 158014 - 162762 (+2.92%) | 137158 - 138424 (+0.92%) | 0.1447 - 0.1796 |
-| $\mu_{sum,max}$ | 160,924 ~ 164,140（-1.74% ~ +0.22%） | 135,781 ~ 143,672（-2.10% ~ +3.59%） | 0.0262 ~ 0.2090 |
+| $\mu_{sum,max}$ | 160273 - 163268 (+1.84%) | 135569 - 143460 (+5.71%) | 0.0262 - 0.2090 |
-| $CV_{max}$ | 141,666 ~ 163,951（-13.50% ~ +0.11%） | 132,823 ~ 138,873（-4.24% ~ +0.13%） | 0.0000 ~ 0.1810 |
+| $CV_{max}$ | 141014 - 162936 (+13.47%) | 132611 - 138445 (+4.22%) | 0.0000 - 0.1810 |
 
 **1. 合并比例 $r_{merge}$ — 影响 E1/E2 的主导参数**
 
@@ -726,7 +731,7 @@ $$R_1 = P(S_i / D_i < 0.8 \text{ 或 } S_j / D_j < 0.8)$$
 
 ### 10.1 主要发现
 
-1. **配对收益**：双站点模式可节省9.5%的访问槽位，服务量提升9.8%
+1. **配对收益**：双站点模式可节省9.6%的访问槽位，服务量提升9.9%
 2. **分配策略**：最优分配量 $q^*$ 与两站点需求波动性成反比——波动大的站点需要更多"缓冲"
 3. **风险可控**：通过合理的配对选择和鲁棒性约束，服务缺口风险控制在1.2%以内
 4. **参数敏感性分工明确**：合并比例主导 E1/E2；容量上限与CV阈值主导风险与E2；距离阈值快速进入平台期

task3/generate_readme_tables.py

@@ -0,0 +1,162 @@
+
+import pandas as pd
+import numpy as np
+
+def format_table_1_pairings():
+    try:
+        df = pd.read_excel('02_pairing.xlsx', sheet_name='selected_pairs')
+        df = df.sort_values('value', ascending=False).head(10)
+        
+        print("\n### Top 10 High Value Pairings")
+        print("| 排名 | 站点i (Site i) | 站点j (Site j) | 距离 (mi) | 需求和 (μ_sum) | 价值 (V_ij) |")
+        print("|---|---|---|---|---|---|")
+        
+        for idx, row in df.iterrows():
+            rank = idx + 1 # Assuming index resets or we just use counter. Actually index might not be 0-based if sorted.
+            # But wait, df is from read_excel, default index 0..N.
+            # If I sorted it, index is shuffled.
+            # I should use a counter.
+            pass
+            
+        for i, (idx, row) in enumerate(df.iterrows()):
+            rank = i + 1
+            site_i = row['site_i_name'].replace('MFP ', '')
+            site_j = row['site_j_name'].replace('MFP ', '')
+            dist = f"{row['distance']:.1f} mi"
+            mu_sum = f"{row['mu_sum']:.0f}"
+            val = f"{row['value']:.2f}"
+            print(f"| {rank} | {site_i} | {site_j} | {dist} | {mu_sum} | {val} |")
+    except Exception as e:
+        print(f"Error generating Table 1: {e}")
+
+def format_table_2_allocation():
+    try:
+        df = pd.read_excel('03_allocation.xlsx', sheet_name='allocation')
+        df = df.sort_values('value', ascending=False).head(5)
+        
+        print("\n### Top 5 Pairings' Optimal Allocation Strategies")
+        print("| 配对 | μ_i | μ_j | σ_i | σ_j | q* | 比例 |")
+        print("|---|---|---|---|---|---|---|")
+        
+        for _, row in df.iterrows():
+            name_i = row['site_i_name'].replace('MFP ', '').split(' - ')[0]
+            name_j = row['site_j_name'].replace('MFP ', '').split(' - ')[0]
+            # If still too long, take first 15 chars
+            if len(name_i) > 15: name_i = name_i[:12] + "..."
+            if len(name_j) > 15: name_j = name_j[:12] + "..."
+            
+            pair = f"{name_i} + {name_j}"
+            mu_i = f"{row['mu_i']:.1f}"
+            mu_j = f"{row['mu_j']:.1f}"
+            sigma_i = f"{row['sigma_i']:.1f}"
+            sigma_j = f"{row['sigma_j']:.1f}"
+            q_star = f"{row['q_final']:.1f}"
+            ratio = f"{row['q_ratio']:.1%}"
+            print(f"| {pair} | {mu_i} | {mu_j} | {sigma_i} | {sigma_j} | {q_star} | {ratio} |")
+    except Exception as e:
+        print(f"Error generating Table 2: {e}")
+
+def format_table_3_comparison():
+    try:
+        df = pd.read_excel('06_evaluate.xlsx', sheet_name='comparison')
+        # The structure is Metric, Task 1, Task 3, Change, Change %
+        
+        print("\n### Actual Result Comparison Analysis")
+        print("| 指标 | Task 1 | Task 3 | 变化 | 变化% |")
+        print("|---|---|---|---|---|")
+        
+        for _, row in df.iterrows():
+            metric = row['Metric']
+            # Bold important metrics
+            if 'E1' in metric or 'E2' in metric or 'RS' in metric or 'R1' in metric:
+                metric = f"**{metric}**"
+                
+            task1 = row['Task 1']
+            task3 = row['Task 3']
+            change = row['Change']
+            change_pct = row['Change %']
+            
+            # Format numbers
+            if 'Gini' in row['Metric'] or '最低' in row['Metric'] or '风险' in row['Metric']:
+                t1_str = f"{task1:.3f}" if isinstance(task1, (int, float)) else task1
+                t3_str = f"{task3:.3f}" if isinstance(task3, (int, float)) else task3
+                ch_str = f"{change:+.3f}" if isinstance(change, (int, float)) else change
+            else:
+                t1_str = f"{task1:,.0f}" if isinstance(task1, (int, float)) else task1
+                t3_str = f"{task3:,.0f}" if isinstance(task3, (int, float)) else task3
+                ch_str = f"{change:+,.0f}" if isinstance(change, (int, float)) else change
+                
+            if '风险' in row['Metric'] and task1 == 0:
+                 pct_str = "新增"
+            elif '节省' in row['Metric'] and task1 == 0:
+                 pct_str = "新增"
+            else:
+                 pct_str = f"{change_pct:+.1f}%" if isinstance(change_pct, (int, float)) else change_pct
+                 
+            # Bold significant improvements
+            if isinstance(change_pct, (int, float)) and change_pct > 5:
+                pct_str = f"**{pct_str}**"
+            
+            print(f"| {metric} | {t1_str} | {t3_str} | {ch_str} | {pct_str} |")
+            
+        # Add R1 and RS from task3_metrics sheet
+        try:
+            metrics_df = pd.read_excel('06_evaluate.xlsx', sheet_name='task3_metrics')
+            r1_val = metrics_df.loc[metrics_df['metric']=='R1', 'value'].values[0]
+            rs_val = metrics_df.loc[metrics_df['metric']=='RS', 'value'].values[0] # Note: stored as RS/100 (e.g. 0.095)
+            visits_val = metrics_df.loc[metrics_df['metric']=='total_dual_visits', 'value'].values[0]
+            
+            print(f"\nTotal Dual Visits: {visits_val}")
+
+            # Format R1
+            # Task 1 R1 is 0
+            print(f"| **R1 (缺口风险)** | 0 | {r1_val:.3f} | +{r1_val:.3f} | 新增 |")
+            
+            # Format RS
+            # Task 1 RS is 0%
+            rs_pct = rs_val * 100
+            print(f"| **RS (资源节省)** | 0% | {rs_pct:.1f}% | +{rs_pct:.1f}% | 新增 |")
+            
+        except Exception as e2:
+            print(f"Error adding R1/RS: {e2}")
+            
+    except Exception as e:
+        print(f"Error generating Table 3: {e}")
+
+def format_table_4_sensitivity():
+    try:
+        df = pd.read_excel('07_sensitivity.xlsx', sheet_name='summary')
+        
+        print("\n### Sensitivity Analysis Results")
+        print("| 参数 | E1范围 | E2范围 | R1范围 |")
+        print("|---|---|---|---|")
+        
+        for _, row in df.iterrows():
+            param = row['Parameter']
+            e1_range = row['E1_Range']
+            e2_range = row['E2_Range']
+            r1_range = row['R1_Range']
+            
+            # Add variable percentage if available
+            e1_var = row['E1_Var%']
+            e2_var = row['E2_Var%']
+            
+            e1_str = f"{e1_range} ({e1_var:+.2f}%)" if pd.notnull(e1_var) else e1_range
+            e2_str = f"{e2_range} ({e2_var:+.2f}%)" if pd.notnull(e2_var) else e2_range
+            
+            # Map param names to symbols
+            if param == 'merge_ratio': param = '$r_{merge}$'
+            elif param == 'l_max': param = '$l_{max}$'
+            elif param == 'mu_sum_max': param = '$\mu_{sum,max}$'
+            elif param == 'cv_max': param = '$CV_{max}$'
+            
+            print(f"| {param} | {e1_str} | {e2_str} | {r1_range} |")
+            
+    except Exception as e:
+        print(f"Error generating Table 4: {e}")
+
+if __name__ == "__main__":
+    format_table_1_pairings()
+    format_table_2_allocation()
+    format_table_3_comparison()
+    format_table_4_sensitivity()