TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1084 · 9.04

В общем, была задача на оптимизацию плана работ: есть набор заказов, и в каждом N тасков. Таски могут зависеть друг от друга или нет, имеют длительность и тип. Ещё есть M работников, каждый из которых может выполнять таски только определённых типов, причём, у каждого своя скорость. Если все таски в заказе выполнены, фирма получает сколько-то денег. У заказа есть дедлайн, за просрочку штраф (за каждый день просрочки), который вычитается из цены заказа. И ещё фирма тратит деньги за каждый день своей работы независимо от того, как загружены её сотрудники (то есть просто платит зарплаты по сути). Ещё важен учёт праздников и выходных. Нужно заработать на определённом наборе заказов и работников как можно больше денег. Полный текст задачи и код программы проверки есть в репозитории. Эта задача является изменённым заказом, который мы с напарником решали в реальной жизни: оптимизация работы печатных станков для типографии. Правда, тогда и мы справились так себе, и заказчик в итоге сначала захотел всё вручную сам делать, а потом и вовсе похоронил проект при смене директора. !!! Не читайте дальше, если хотите сначала попробовать решить самостоятельно, потому что я сейчас опишу эффективные подходы и результаты. ________________________________________ Так вот. Мы с другим экспертом Андреем сразу сели и написали разные варианты, чтобы задать шкалу, по которой будем оценивать решения команд. За пару часов я собрал примитивный жадный алгоритм, который сортировал заказы по прибыльности и укладывал в сетку кое-как, это дало нам нижнюю оценку. Мой алгоритм заработал ~75 млн виртуальных рублей, мы решили для оценки поставить нижней границей 40 млн. То есть всё, что ещё ниже, оценивалось в ноль баллов за качество оптимизации. Затем Андрей закрылся дома на три дня и вышел на свет со сложным жадным алгоритмом, который очень хитро сортировал заказы и очень хитро укладывал их в сетку, попутно выбирая разные способы этой укладки в зависимости от конкретного заказа. Это позволило заработать ~275 млн рублей. Мы сделали верхней границей для оценки 280 млн. К сожалению, в итоге только две команды из десяти прошли нижнюю границу, заработав, соответственно, ~91 и ~105 млн. К верхней границе не приблизился никто. И у четырёх команд алгоритм вообще не смог уложить без нарушений задачи в сетку (то есть, например, произвольно менял длительности, накладывал задачи друг на друга, давал одному работнику две задачи в один момент и так далее). Важной ошибкой команд, на мой взгляд, являлся тот факт, что никто не воспользовался возможностью запустить алгоритм на несколько минут и дать ему поработать. По условиям задания, можно было тянуть до 5 минут на одну оптимизацию, но по факту решения команд отрабатывали за единицы и десятки секунд. На самом конкурсе, пока команды работали, я решил попробовать сделать быстрое (по времени написания) но эффективное решение. Сначала попробовал жадную сортировку + доведение до лучшего варианта методом имитации отжига. В качестве нового состояния я просто менял местами заказы целиком. Этот вариант работал пару минут и дал мне около ~200 млн дохода. К слову, команда-лидер использовала такой же подход, просто не докрутила число итераций и температуру. Ну и потом я взял готовую либу по реализации классической генетики с особями и скрещиванием. Особью был массив с приоритетами заказов (которые конечно же нужно было аккуратно уложить чистым алгоритмом). Тип скрещивания: scattered. Всего 15 поколений по 20 особей, и это за минуту-полторы давало ~230-240 млн. Считаю, что для конкурса это самый лучший выбор: пишется одним человеком за день и даёт почти максимум, при этом легко настраивается на нужную длительность работы, легко параллелится. Ну а потом уже дома я посидел и накодил свой вариант сложного жадного с плавающим окном перебора отсортированных заказов и плавающей же укладкой по работникам. Такая штука за две минуты зарабатывает ~281 млн. Но за три дня в условиях стресса я бы такое не сделал, скорее всего. #dev

Hashtags

Резултати

Намерени 17 подобни публикации

Търсене: #trust

当前筛选 #trust清除筛选
Airdrop3 LTD

@airdrop3ltd · Post #157 · 16.07.2021 г., 17:30

DUSD NETWORK #AIRDROP#TRUST WALLET #AIRDROP#META MASK Free 🎁 200 (DUSD) Tokens Reward 🎁 for a referral 50% = 100 (DUSD) ✅Open Trust wallet ✅Go to DApps ✅Copy & Paste Airdrop link below in Dapp Search Box: 👇 Project Link : https://dusd.network/ 👇 Airdrop Link : https://dusd.network/airdrop/index.html 🔹Change network to Smart chain 🔹Click Claim Airdrop (Little $0.18 Fee Required in BNB) Listing Pancakeswap 30th October, 2021. LISTING PRICE: 1 DUSD = 0.3 USD ✅To be listed at coinmarketcap ✅Add custom token: Contract Address: 0x5eba288f8833071ba7cd5c2b356754811c0ce8fb ✅BSCSCAN https://bscscan.com/token/0x5eba288f8833071ba7cd5c2b356754811c0ce8fb ✅TELEGRAM GROUP LINK: https://t.me/dusd_network ✅Twitter LINK https://twitter.com/DusdNetwork ✅Reddit Link https://www.reddit.com/user/DUSD_Network ✅discord.com https://discord.gg/m62cgWbP ✅Youtube https://www.youtube.com/channel/UCKlGuOEocIIwIGh8V2H8DFg ✅Medium https://medium.com/@dusd.network

🟢 LONG? #TRUST Spread 8.16% detected 💥 Origin: MEXC (DUMP) [M: -10% VS D: -3%] 💎 Intuition #TRUST_USDT (COPY: TRUST) 🌐 Price DEX $0.09270 🎰 Price MEXC $0.08571 ️⚖️ Max Size: 23K $TRUST ($2K) 💹️ Funding Rate: -0.4395% 🏦 Market Cap: $16.7M 💰 Liquidity: $383K 💸 Vol DEX/MEXC: $243K / $525K ⛓️#BASE Dep: 🟢 (1800) W/d: 🟢 0x6cd905dF2Ed214b22e0d48FF17CD4200C1C6d8A3 ⏳Avg Align Time: 94s 📊Avg Spread / Max / Change: ±5% / ±5% / ±3% 📈Win / Draw / Lose: 1 / 0 / 1 💰Total / Week / 24H Profit: -0% / -3% / -3%

AI & Law

@ai_and_law · Post #96 · 28.08.2023 г., 07:04

Twilio Introduces "Nutrition Labels" to Boost Trust in AI Hello AI&Law society! Twilio, a communication tool services company, is taking a proactive step to enhance transparency and trust in its artificial intelligence services. The company is introducing "nutrition labels" for its AI models, providing information about the data used for training, the purpose of data collection, and more. The labels aim to offer users a clear understanding of how their data will be utilized. The "nutrition labels" highlight key aspects such as which AI models are being employed, whether customer data is used for training, and whether human involvement is integrated. Additionally, Twilio offers an online tool that enables other companies to generate similar labels for their AI products. Twilio's initiative aligns with broader industry efforts to ensure responsible and transparent AI practices. Salesforce, for instance, is also unveiling an acceptable use policy for its generative AI technologies, specifying prohibited practices and emphasizing responsible AI usage. #AI#Transparency#DataPrivacy#Trust#ResponsibleAI#Twilio#Salesforce

AI & Law

@ai_and_law · Post #29 · 15.06.2023 г., 07:04

Cybersecurity and AI: mapping key issues in the EU The European Union Agency for Cybersecurity (ENISA) has released a comprehensive report highlighting key cybersecurity issues in the field of artificial intelligence. The report aims to shed light on potential risks and provide guidance for policymakers, businesses, and AI developers. The report identifies several critical areas that require attention. One key concern is the security and integrity of AI systems, emphasizing the need for robust safeguards against unauthorized access, data breaches, and malicious attacks. It also highlights the importance of ensuring the privacy and protection of personal data used in AI processes. Additionally, the report emphasizes the significance of transparent and explainable AI algorithms. Clear accountability and understandable decision-making processes are vital to building trust in AI systems and avoiding potential biases or discrimination. #AI#Cybersecurity#EU#DataProtection#Privacy#Transparency#Trust#Cyberthreats

12
ПредишнаСтр. 1 от 2Следваща