问题1，基于订单之间的相似度，对所有订单排序，然后在满足N<200的情况下取批次，最终取出的批次有85批。

代码如下：

import pandas as pd
import numpy as np
data=pd.read_csv('D:\Desktop\A题 附件/附件1：订单信息.csv')
Matrix=np.zeros((923,1941),dtype='int') # 每一行代表一个订单，from tqdm import tqdm
for i in tqdm(range(0,20340)):for j in range(1,924):if data.iloc[i,0]=='D'+'%04d'%j :x=data.iloc[i,1]x=x[1:]x=int(x)Matrix[j-1,x-1]=1
np.savetxt('./Matrix.txt',Matrix,delimiter=' ',fmt='%d')matrix=np.loadtxt('./Matrix.txt')
list=[]
U=np.zeros((923,923))
for i in tqdm(range(0,923)):for j in range(0,923):x=np.sum(abs(matrix[j]-matrix[i]))list.append(x)sorted_id = sorted(range(len(list)), key=lambda k: list[k])U[i]=np.array(sorted_id)list=[]
U=U+1
np.savetxt('./Distance.txt',U,delimiter=' ',fmt='%d')Matrix=np.loadtxt('./Distance.txt')
list=[1]
k=0
z=1
y=np.zeros((1,1941))
for i in tqdm(range(1000000)):x=  Matrix[k][z]if x not in list :list.append(int(x))             #list直接储存订单z=1else:z=z+1if z==923:breakcontinuek=int(x-1)
np.savetxt('./list.txt',list,delimiter=' ',fmt='%d')

问题2按照蒙特卡洛随机的思想，对每批次内的货品随机排列，并计算距离的最小值，以此作为排列的最优值。

问题3按照指派问题的解决思想，对批次内的订单按距离生成效率矩阵，然后用linear_sum_assignment()函数求解，并分配订单。

问题2和问题3的代码如下：直接一步到位，将结果填入CSV中。

import csv
import random
import copy
import os
import numpy as np
from scipy import optimize
import numpy
import pandas as pd
from tqdm import tqdmdata=pd.read_csv('D:\Desktop\A题 附件/附件1：订单信息.csv')
# print(data)
data=np.array(data)
# 附件1订单名称，按从小到大排列的，每行保存一个订单号
num_order=[]
for i in range(len(data)):if data[i][0] not in num_order:num_order.append(data[i][0])
# print(len(num_order))
# print(num_order)
# 附件1对应订单的货品信息，每行保存一个订单的所有货品
list_all = []
for i in num_order:list_r = []for j in range(len(data)):if str(i) == str(data[j][0]):list_r.append(data[j][1])list_all.append(list_r)# 读取按照相似度排列号的订单顺序
data1=np.loadtxt('./list.txt')
data1=data1-1
listp=[]
list2=[]
list1=[]
# listp保存的每个批次中的订单索引，listp的长度就是分的批次，
# listp的每一行就是批次内的订单索引，对应num_order中的订单编号，
# 即假设listp[0][0]=0,则对应的订单号为num_order[0]='D0001'
for i in range(len(data1)):for j in list_all[int(data1[i])]:if j not in list2:list2.append(j)if len(list2)<=200:list1.append(int(data1[i]))else:listp.append(list1)list1=[]list2=[]for j in list_all[int(data1[i])]:if j not in list2:list2.append(j)list1.append(int(data1[i]))if i == len(data1)-1:list1 = []list1.append(int(data1[i]))listp.append(list1)list_aall= []      #     结果2所有的记录，即将这个数据直接写入结果2中
list_3_aall=[]    # 结果3所有的记录，即将这个结果直接写入结果3中
for m in tqdm(range(len(listp))):if len(listp[m])==1: # 当批次内只有一个订单时，直接写入结果2和结果3# 取批次内货品种类number=listp[m][0]list_p = []for j in list_all[int(number)]:if j not in list_p:list_p.append(j)# print(len(list_p), list_p)sorted(list_p)# print(list_p)list_num = []# 货品编号，1-lenfor i in range(len(list_p)):list_num.append(i + 1)# 直接写入结果2list_last_all = []for i in range(len(list_p)):list_last = []list_last.append(list_p[i])list_last.append(m + 1)list_last.append(i + 1)list_last_all.append(list_last)for i in list_last_all:list_aall.append(i)# 直接写入结果3list_3=[]list_3_all=[]list_3.append('D%04d'%(number+1))list_3.append(m+1)list_3.append(1)list_3.append(1)list_3_all.append(list_3)for i in range(len(list_3_all)):list_3_aall.append(list_3_all[i])path = './result2.csv'f = open(r'{}'.format(path), 'w', encoding='gbk', newline='')r1 = csv.writer(f)header = ['ItemNo', 'GroupNo', 'ShelfNo']r1.writerow(header)r1.writerows(list_aall)f.close()path = './result3.csv'f = open(r'{}'.format(path), 'w', encoding='gbk', newline='')r1 = csv.writer(f)header = ['OrderNo', 'GroupNo', 'WorkerNo', 'TaskNo']r1.writerow(header)r1.writerows(list_3_aall)f.close()else:# 批次内货品种类list_p=[]for i in listp[m]:for j in list_all[int(i)]:if j not in list_p:list_p.append(j)# print(len(list_p),list_p)sorted(list_p)# print(list_p)list_num=[]for i in range(len(list_p)):list_num.append(i+1)# 组合成为字典vecdict=dict(zip(list_p,list_num))# print(vecdict)# 将订单货品按字典索引编号，组成向量num_all=[]for i in listp[m]:num_r=[]for j in list_all[int(i)]:num_r.append(vecdict[j])num_all.append(num_r)# print(num_all)# 将批次内所有货品生成一个货架，并随机货架x=[i+1 for i in range(len(list_num))]# print(x)x_all=[] # 统计所有随机货架信息minx_all=[] # 统计每种随机货架下所有订单的距离dic_all=[] # 记录每一种货架排列方式下，每个订单的距离for i in range(200*200): # 随机200*200次np.random.shuffle(x) # 随机货架x_all.append(x) # 将货架信息保存dic=[] # 记录每个订单的距离for p in range(len(num_all)): # 读取批次内货品的长度，即货架的长度listx = [] # 记录每个订单内货品在当前货架摆放顺序下得货品索引for j in num_all[p]:listx.append(x.index(j)) # 将索引写入dicm=max(listx)-min(listx) # 将索引的最大值减去最小值，即为该订单在当前货架排列下的距离dic.append(dicm) # 将该订单的距离保存dic_all.append(dic)# print(dic)minx=sum(dic) # 将该批次内所有订单的距离求和并保存# print(minx)minx_all.append(minx) # 将当前货架摆放顺序下，批次距离保存，即为货架每排列一次，计算一次批次的距离# print(min(minx_all)) # 取出批次距离的最小值# print(x_all[minx_all.index(min(minx_all))]) # 取出批次距离最小值对应的货架排列顺序# 最小距离mindic=min(minx_all)# 最小距离对应的索引minindex=minx_all.index(mindic)vecdict=dict((val,key) for key,val in vecdict.items()) # 将货架序号与货品对应list_name=[]for i in range(len(x_all[minindex])):list_name.append(vecdict[x_all[minindex][i]]) # 读取批次距离最小对应的货架排列顺序，并转换为货品种类，即第一个货架存放哪种品类的商品# print(list_name)path='./result2.csv'f=open(r'{}'.format(path),'w',encoding='gbk',newline='')r1=csv.writer(f)header=['ItemNo','GroupNo','ShelfNo']list_last_all=[]for i in range(len(list_name)):list_last = []list_last.append(list_name[i])list_last.append(m+1)list_last.append(i+1)list_last_all.append(list_last)for i in list_last_all:list_aall.append(i)r1.writerow(header)r1.writerows(list_aall)f.close()# 完成一个批次内的订单指派# 首先生成指派矩阵# 分拣员人数n=5num=len(listp[m])# print('oring len:',num)# 补足数量，形成一个N*N的矩阵num1=0add_num=0if num%n!=0:add_num=int(num/n)+1add_num=int(add_num*n)else:add_num=int(num)# print(add_num)if num<=add_num:num1=add_num# print(num1,add_num)x=copy.deepcopy(dic_all[minindex])# print(x)# print('dic long', len(x))if num<num1:for i in range(num,num1):x.append(0)list_c=[]for i in range(num1):list_c.append(x)c=list_cc = np.array(c)# print(c)name_id,work_id=optimize.linear_sum_assignment(c)# print(c[name_id,work_id ].sum())# print(name_id,work_id)work=work_id.reshape(n,-1)num_order_p=[]for i in listp[m]:num_order_p.append(num_order[int(i)])# print(num_order_p)list_3=[]list_3_all=[]for i in range(len(work)):n=1for j in work[i]:if j<num:list_3=[]list_3.append(num_order_p[j])list_3.append(m+1)list_3.append(i+1)list_3.append(n)n=n+1list_3_all.append(list_3)# print('!='*5)# print(list_3_all)for i in list_3_all:list_3_aall.append(i)path = './result3.csv'f = open(r'{}'.format(path), 'w', encoding='gbk', newline='')r1 = csv.writer(f)header = ['OrderNo', 'GroupNo', 'WorkerNo','TaskNo']r1.writerow(header)r1.writerows(list_3_aall)f.close()