mcm-mfp/README.md

20260116 美赛模拟：食物分发（MFP）

本仓库包含对 2019 年 MFP 站点数据的频次分配（任务一）与全年排班优化（任务二）脚本。 核心数据文件：prob/MFP Regular Sites 2019.xlsx。

Task 1: 频次分配（Visit Frequency Allocation）

目标：在总车次约束下，为每个站点分配年度访问次数 f_i，并评估有效性/公平性（含最低10%平均、基尼系数等）。

• 运行：python3 kmin_effectiveness.py
• 输出（写入 data/）：
  • data/kmin_effectiveness.png：k_min 与指标曲线图
  • data/kmin_effectiveness_data.csv：每个 k_min 的汇总指标 + 各站点 visits_01..visits_N
  • data/kmin_effectiveness_sites.csv：visits_XX 与站点名称/顺序映射

说明：kmin_effectiveness.py 当前使用 Monte Carlo（引入 StDev(Demand per Visit)）对有效性做多次模拟平均。

Scheduling (Step 2)

Optimize a 365-day schedule with at most 2 visits per day and minimum gap constraints:

• python3 scheduling_optimization.py --days 365 --daily-capacity 2 --gap-min 14
• Outputs are written to data/ (e.g., data/schedule_optimized_kmin6.8_gap14.csv), using data/kmin_effectiveness_data.csv as the frequency source.

Visualization (Plan A)

• python3 visualize_schedule.py
• Outputs: data/schedule_barcode_*.png and data/schedule_gap_deviation_*.png
• Site label rule: remove first 4 chars, then take 12 chars.