Gerard L's questions

从附加的研讨会（带时间戳）中，如果限制所有 presence_literals * interval_size 的总和小于完成时间，则已证明的问题数量会根据视频增加。

当然，我想将其包含在我的基于样本的问题中。但是，我还没有找到如何做到这一点，特别是因为它考虑了机器，所以我的印象是它应该在样本的这一部分中；

 # Transition times and transition costs using a circuit constraint.
  switch_literals = []
  for machine_id in all_machines:
    machine_starts = starts_per_machines[machine_id]
    machine_ends = ends_per_machines[machine_id]
    machine_presences = presences_per_machines[machine_id]
    machine_resources = resources_per_machines[machine_id]
    machine_ranks = ranks_per_machines[machine_id]
    intervals = intervals_per_machines[machine_id]
    arcs = []
    num_machine_tasks = len(machine_starts)
    all_machine_tasks = range(num_machine_tasks)

    for i in all_machine_tasks:
      # Initial arc from the dummy node (0) to a task.
      start_lit = model.NewBoolVar('')
      arcs.append([0, i + 1, start_lit])
      # If this task is the first, set both rank and start to 0.
      model.Add(machine_ranks[i] == 0).OnlyEnforceIf(start_lit)
      model.Add(machine_starts[i] == 0).OnlyEnforceIf(start_lit)
      # Final arc from an arc to the dummy node.
      arcs.append([i + 1, 0, model.NewBoolVar('')])
      # Self arc if the task is not performed.
      arcs.append([i + 1, i + 1, machine_presences[i].Not()])
      model.Add(machine_ranks[i] == -1).OnlyEnforceIf(
          machine_presences[i].Not())

      for j in all_machine_tasks:
        if i == j:
          continue

        lit = model.NewBoolVar('%i follows %i' % (j, i))
        arcs.append([i + 1, j + 1, lit])
        model.AddImplication(lit, machine_presences[i])
        model.AddImplication(lit, machine_presences[j])

        # Maintain rank incrementally.
        model.Add(machine_ranks[j] == machine_ranks[i] + 1).OnlyEnforceIf(lit)

        # Compute the transition time if task j is the successor of task i.
        if machine_resources[i] != machine_resources[j]:
          transition_time = 3
          switch_literals.append(lit)
        else:
          transition_time = 0
        # We add the reified transition to link the literals with the times
        # of the tasks.
        model.Add(machine_starts[j] == machine_ends[i] +
                  transition_time).OnlyEnforceIf(lit)

我尝试按如下方式实现它；

model.Add(sum(machine_presences[i] * intervals[i] for i in all_machine_tasks) <= horizon)

这会产生错误

arg = cmh.assert_is_a_number(arg)

TypeError: Not a number: interval_j5_t11_a0

根据示例，实现此目的的最佳方法是什么？例如，我是否需要duration在机器上为每个任务创建一个变量，然后将该数字与 presence_literal 相乘？我使用 OR-tools 9.8 和 Python。

我有一个数据框形式的数据集，其结构如下

我想使用 Plotly（例如 px.timeline）在交互式时间线上绘制这些内容，类似于下面的图片，也称为甘特图。对于每台机器（y 轴），我想要一个彩色条形图来表示分配给该机器的任务，类似于其持续时间。对于我的示例数据，这意味着对于机器 1，有三个彩色条形图（0-5、6-9、14-17）。任务应根据定义的作业颜色着色，如颜色列中所述。理想情况下，将鼠标悬停在条形图上时，它会显示Job - Task, Start - end。

我使用以下内容；

Plotly 5.18.0
Python 3.9
Pandas 2.1.2

有没有办法做到这一点？

我尝试了 Plotly，但只设法在 y 轴上获取作业（https://plotly.com/python/gantt/）。我使用了https://plotly.com/python/figure-factories/，因为 px.timeline 似乎不接受开始和结束时间的整数值。