معرفی شرکت ها
approximations-1.0.0
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Python package containing approximations of various NP problems.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | approximations-1.0.0 |
| نام | approximations |
| نسخه کتابخانه | 1.0.0 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Luca Cappelletti |
| ایمیل نویسنده | cappelletti.luca94@gmail.com |
| آدرس صفحه اصلی | https://github.com/LucaCappelletti94/approximations |
| آدرس اینترنتی | https://pypi.org/project/approximations/ |
| مجوز | MIT |
approximations
=========================================================================================
|travis| |sonar_quality| |sonar_maintainability| |codacy| |code_climate_maintainability| |pip| |downloads|
Python package containing approximations of various NP problems.
How do I install this package?
----------------------------------------------
As usual, just download it using pip:
.. code:: shell
pip install approximations
Tests Coverage
----------------------------------------------
Since some software handling coverages sometime get slightly different results, here's three of them:
|coveralls| |sonar_coverage| |code_climate_coverage|
Available approximations
--------------------------------------------------------------
Knapsack
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Knapsack is approximated using a FPTAS, with arbitrarily good approximation. The computing cost increases up to becoming NP as the approximation approaches 0.
.. code:: python
from approximations import knapsack
total_weight, total_value, selected_objects = knapsack(
weights=[1,2,3,4, 1, 2, 2, 2, 2, 2],
values=[3,2,1,2, 1, 2, 2, 2, 2, 56],
capacity=20,
approximation=0.1
) # (18, 72, [0, 1, 3, 4, 5, 6, 7, 8, 9])
Load Balancing
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Load Balancing is approximated using a 1.5-approximation greedy algorithm.
.. code:: python
from approximations import load_balancing
assignment, makespans = load_balancing([1,2,3,4,5,6], 3) # ([[5, 0], [4, 1], [3, 2]], [7, 7, 7])
Set Cover
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Load Balancing is approximated using a greedy algorithm.
.. code:: python
from approximations image set_cover
cover = set_cover(
{1, 2, 3, 4, 5},
[{1, 2}, {3}, {1, 2, 3, 4}, {1, 3, 5}],
[1, 2, 3, 4]
) # [0, 2, 3]
.. |travis| image:: https://travis-ci.org/LucaCappelletti94/approximations.png
:target: https://travis-ci.org/LucaCappelletti94/approximations
:alt: Travis CI build
.. |sonar_quality| image:: https://sonarcloud.io/api/project_badges/measure?project=LucaCappelletti94_approximations&metric=alert_status
:target: https://sonarcloud.io/dashboard/index/LucaCappelletti94_approximations
:alt: SonarCloud Quality
.. |sonar_maintainability| image:: https://sonarcloud.io/api/project_badges/measure?project=LucaCappelletti94_approximations&metric=sqale_rating
:target: https://sonarcloud.io/dashboard/index/LucaCappelletti94_approximations
:alt: SonarCloud Maintainability
.. |sonar_coverage| image:: https://sonarcloud.io/api/project_badges/measure?project=LucaCappelletti94_approximations&metric=coverage
:target: https://sonarcloud.io/dashboard/index/LucaCappelletti94_approximations
:alt: SonarCloud Coverage
.. |coveralls| image:: https://coveralls.io/repos/github/LucaCappelletti94/approximations/badge.svg?branch=master
:target: https://coveralls.io/github/LucaCappelletti94/approximations?branch=master
:alt: Coveralls Coverage
.. |pip| image:: https://badge.fury.io/py/approximations.svg
:target: https://badge.fury.io/py/approximations
:alt: Pypi project
.. |downloads| image:: https://pepy.tech/badge/approximations
:target: https://pepy.tech/badge/approximations
:alt: Pypi total project downloads
.. |codacy| image:: https://api.codacy.com/project/badge/Grade/5fe5e0229af449d9863f06682189e880
:target: https://www.codacy.com/manual/LucaCappelletti94/approximations?utm_source=github.com&utm_medium=referral&utm_content=LucaCappelletti94/approximations&utm_campaign=Badge_Grade
:alt: Codacy Maintainability
.. |code_climate_maintainability| image:: https://api.codeclimate.com/v1/badges/fa6c757264e228633237/maintainability
:target: https://codeclimate.com/github/LucaCappelletti94/approximations/maintainability
:alt: Maintainability
.. |code_climate_coverage| image:: https://api.codeclimate.com/v1/badges/fa6c757264e228633237/test_coverage
:target: https://codeclimate.com/github/LucaCappelletti94/approximations/test_coverage
:alt: Code Climate Coverate
نحوه نصب
نصب پکیج whl approximations-1.0.0:
pip install approximations-1.0.0.whl
نصب پکیج tar.gz approximations-1.0.0:
pip install approximations-1.0.0.tar.gz