mdolr / optimal-groups Goto Github PK

Quand on ajoute une connexion entre 2 noeuds dans le graph de matching on initie actuellement pas le poids de la connexion ce qui ne l'affiche pas dans l'affichage du graph lors du debug

Dans implementations/hungarian dans la fonction update_matching à la ligne self.matching.add_edge

TODO:

• Récupérer l'edge dans le graph original
• Initialiser l'edge du graph de matching avec le poids de l'edge original

TODO:

• Mettre en place un run du code sur un exemple dont on connaît les résultats avec Github Actions sur chaque PR / commit sur master

Actuellement on choisit arbitrairement le chemin à poursuivre, on pourrait prendre des snapshots du graph à différent moment et si un chemin se montre sans issues restaurer la snapshot et ne pas repasser par ce chemin

Actuellement on utilise les préférences de manière décroissante càd dans l'ordre de préférence: 4, 3, 2 ,1

Or la différence entre obtenir le choix 1 et le choix 2 est plus importante que la différence entre obtenir le choix 4 et le choix 5. Il peut donc être intéressant d'utiliser la suite de fibo pour avoir dans l'ordre de préférence: 8, 5, 3, 2, 1

TODO:

• Modifier les préférences dans la fonction d'import des données dans common/data.py:68 le weigh=int(len(row) - i))

Pour accepter des formats d'input en plusieurs langues par exemple

Erreur d'anglais à travers tout le repo dans la classe edge

TODO:

• Remplacer l'attribut weigh par weight dans la classe edge et toutes les références qui y sont faites

Rédaction README avec des instructions claires sur comment utiliser le programme

TODO:

• Investiguer 🕵️

Title

TODO:

• Faire un argument debug
• Afficher les graphs seulement si le mode debug est activé
• Afficher les print seulement si le mode debug est activé

Car on supprime les noeuds pour les recréer dans la fonction update_matching

Facile à fixer

TODO:

• Rajouter un argument pour préciser l'input du fichier de projets,capacités.
• Renommer l'argument existant pour préciser l'input du fichier de groupes,préférences et le passer en argument à la fonction de lecture de données
• Mettre en place une fonction d'output dans le fichier common/data qui est capable de décomposer un graph et de produire un fichier CSV/TXT avec l'assignation de chaque groupe à un projet. Accessoirement la fonction peut calculer un score correspondant au % d'optimisation : la somme des poids d'edge / (préférence max * nombre de groupes)

Pour pouvoir illustrer le projet sur le README ?