TGINSIGHT SIMILAR POSTS
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
Търсене: #websocket
@djangoproject · Post #565 · 01.02.2018 г., 10:55
https://github.com/Monadical-SAS/django-channels-router django-channels-router A Python library for routing and handling #websocket messages using #django-channels. Routing socket messages in the view Routing socket messages using a handler #React
Hashtags
@kankanshu · Post #18102 · 15.12.2025 г., 16:56
SpringBoot+Websocket打造实时聊天股票行情系统 #SpringBoot#Websocket#股票行情 本系统将SpringBoot高效后端与Websocket实时通信结合，推送即时股票行情。支持多人在线聊天互动，提供直观的K线图展示，助您快速掌握市场动态，体验金融科技的魅力。 💾 获取资源请点击：👉 点我获取SpringBoot+Websocket打造实时聊天股票行情系统👈
Hashtags
@JianjiaoPD · Post #10195 · 06.01.2026 г., 16:09
✈️v2ray-wss | 一键搭 Reality / Hysteria2 / V2Ray+WSS 的多协议脚本 🏷 检索标签：#v2ray-wss #Reality#Hysteria2#V2Ray#WebSocket#自建 ⭐️ 详情介绍：v2ray-wss 是一个多协议的一键部署脚本，把 Reality（xtls-rprx-vision）、Hysteria2、V2Ray+Nginx+WebSocket、Shadowsocks-rust 甚至 https 正向代理都打包成“按需选择”，适合有多台机器、想快速把不同协议跑起来做对比的人 它的选型逻辑也很直白：没域名就优先 Reality / hy2，有域名再上 V2Ray+WSS 或 https 正向代理； 🤔友情提醒：hy2 用一段时间容易“突然连不上”，更多是 UDP 太激进、运营商对 UDP 更敏感 导致的环境问题——想要长期稳定就别只押一套协议，现实里通常还是 Reality 更耐打！ 📖GitHub · v2ray-wss 😌频道 |🙂群聊 |😋中文包 |☺️搜索
@djangoproject · Post #459 · 04.10.2017 г., 04:08
https://www.fullstackpython.com/websockets.html A #WebSocket is a standard protocol for two-way data transfer between a #client and #server. The WebSockets protocol does not run over #HTTP, instead it is a separate implementation on top of #TCP. #AJAX
@BDovo_Channel · Post #14680 · 24.02.2026 г., 04:06
Tunnl.gg: 轻量化 SSH 隧道服务，单命令即可暴露本地应用 公开的服务是 https://tunnl.gg • 记忆式子域名，每次连接自动生成唯一 URL • 自动通过 Let’s Encrypt 颁发 HTTPS，零配置即启用 SSL • 完整的速率限制与滥用防护，保障服务安全 https://github.com/klipitkas/tunnl.gg #隧道#SSH#自动SSL#无配置#GitHub#TLS#WebSocket
@githubtrending · Post #14647 · 30.04.2025 г., 12:00
#javascript#approval_process#cms#crm#ehr#erp#hr#layui#mysql#oa#privileges#redis#skyeye#springboot#springboot2#springcloud_vue#websocket This platform uses Springboot, Layui, UNI-APP, and Ant Design Vue to create a low-code system for intelligent manufacturing. It includes over 30 application modules and more than 50 electronic workflows, covering CRM, ERP, MES, and more. This system streamlines business processes from customer relations to production and after-sales service, improving efficiency and data transparency. It also manages employee operations, providing a comprehensive solution for businesses. The benefits include faster development, reduced redundancy, and enhanced data management, making it ideal for companies seeking digital transformation. https://github.com/dromara/skyeye
@githubtrending · Post #15173 · 27.09.2025 г., 12:30
#cplusplus#c_plus_plus#cpp#datachannel#libdatachannel#libnice#p2p#peer_to_peer#peerconnection#rfc_8831#rfc_8834#rtcdatachannel#rtcpeerconnection#sctp#webrtc#webrtc_datachannel#webrtc_video#websocket libdatachannel is a lightweight, easy-to-use C/C++ library that lets you add real-time peer-to-peer data, media, and WebSocket communication to your apps across many platforms like Linux, Windows, macOS, Android, and iOS. It simplifies WebRTC by providing a smaller, simpler alternative to Google's library, with compatibility for browsers like Firefox and Chrome. You can use it to connect native apps directly to web browsers with minimal dependencies, supporting secure connections via GnuTLS, Mbed TLS, or OpenSSL. It also supports compiling to WebAssembly for browser use, making it flexible for cross-platform real-time communication development[1][4]. This helps you build fast, efficient apps for video, audio, or data sharing without heavy libraries. https://github.com/paullouisageneau/libdatachannel
@githubtrending · Post #15503 · 19.02.2026 г., 11:30
#go#coolq#cqhttp#cqhttp_mirai#go#go_cqhttp#golang#group_manager#mirai#mirai_bot#nonebot#onebot#onebot_plugin#onebot_sdk#plugin#qq#qq_bot#qqbot#qqrobot#websocket#zerobot ZeroBot-Plugin is a comprehensive utility plugin collection for the ZeroBot chatbot framework, offering over 100 features across entertainment, management, and productivity categories. The system provides high-priority functions like chat management, sleep tracking, and group administration, alongside mid-tier features such as image generation, music streaming, and game simulations. Users benefit from flexible plugin control—enabling or disabling specific features per group—and dynamic loading capabilities that reduce program size. The platform supports multiple deployment methods, from pre-compiled releases to local compilation, making it accessible whether you prefer ready-to-use binaries or customized builds. With extensive command options, scheduled task triggers, and AI integration, ZeroBot-Plugin transforms group chat management into an automated, entertaining experience while maintaining user control over which features activate in specific communities. https://github.com/FloatTech/ZeroBot-Plugin