本文介绍一种高效、可扩展的方法，将多个带优先级的箱体（box）按日容量限制进行逐日分配，生成符合业务逻辑的分配结果表，核心在于模拟“贪心式流水线分配”过程。
本文介绍一种高效、可扩展的方法，将多个带优先级的箱体（box）按日容量限制进行逐日分配，生成符合业务逻辑的分配结果表，核心在于模拟“贪心式流水线分配”过程。
在生产调度、资源配给或物流分仓等场景中，常需将有限资源（如箱体容量）按时间维度（如每日可用容量）和业务优先级（Preference）进行有序分配。本教程提供一个健壮、清晰且可扩展的解决方案：基于排序+双指针贪心算法的逐日容量分配。
核心思路
分配逻辑本质是“流水线式消耗”：
- 所有箱体按 Preference 升序排列（1 优先级最高），形成待分配队列；
- 所有日期按 Day 升序排列，形成容量供给队列；
- 使用两个指针分别遍历箱体与日期，每次取二者当前剩余量的最小值作为本次分配量；
- 分配后更新双方剩余量；若某箱体耗尽 → 移动箱体指针；若某日容量用完 → 移动日期指针；
- 直至任一队列耗尽。
实现代码（含注释与优化）
import pandas as pd
from numba import jit
def allocate_boxes_by_day(df_boxes, df_days):
"""
按日容量与箱体优先级分配 box_cap
Parameters:
-----------
df_boxes : pd.DataFrame
必须包含列：'Box', 'box_cap', 'Preference'
df_days : pd.DataFrame
必须包含列：'Day', 'Capacity'
Returns:
--------
pd.DataFrame : 列为 ['Day', 'Box', 'box_cap']，每行表示某日对某箱体的分配量
"""
# ✅ 步骤1：严格按业务顺序排序（关键！）
df_boxes = df_boxes.sort_values('Preference', ignore_index=True)
df_days = df_days.sort_values('Day', ignore_index=True)
# ✅ 步骤2：提取底层数组（提升性能）
boxes = df_boxes['box_cap'].to_numpy(copy=True) # 剩余箱容
capacities = df_days['Capacity'].to_numpy(copy=True) # 剩余日容
# ✅ 步骤3：定义高性能分配内核（支持 Numba JIT 加速）
@jit(nopython=True)
def _allocate(boxes_arr, caps_arr):
box_i, cap_i = 0, 0
result = []
while box_i < len(boxes_arr) and cap_i < len(caps_arr):
take = min(boxes_arr[box_i], caps_arr[cap_i])
boxes_arr[box_i] -= take
caps_arr[cap_i] -= take
result.append((cap_i, box_i, take)) # (日索引, 箱索引, 分配量)
if caps_arr[cap_i] == 0:
cap_i += 1
if boxes_arr[box_i] == 0:
box_i += 1
return result
# ✅ 步骤4：执行分配并映射回原始标识
raw_out = _allocate(boxes, capacities)
out_df = pd.DataFrame(raw_out, columns=['Day_idx', 'Box_idx', 'box_cap'])
out_df['Day'] = df_days['Day'].iloc[out_df['Day_idx']].values
out_df['Box'] = df_boxes['Box'].iloc[out_df['Box_idx']].values
return out_df[['Day', 'Box', 'box_cap']].reset_index(drop=True)
# ✅ 示例调用
df_boxes = pd.DataFrame({
'Box': [1, 2, 3],
'box_cap': [16, 16, 15],
'size': [1200, 1550, 1300],
'Preference': [1, 2, 3]
})
df_days = pd.DataFrame({
'Day': [1, 2],
'Capacity': [23, 24]
})
result = allocate_boxes_by_day(df_boxes, df_days)
print(result)输出结果
Day Box box_cap 0 1 1 16 1 1 2 7 2 2 2 9 3 2 3 15
关键注意事项
- 排序不可省略：Preference 和 Day 的升序是逻辑正确性的前提，否则分配顺序将错乱；
- 原地修改安全：.to_numpy(copy=True) 确保不污染原始 DataFrame；
- 边界鲁棒性：当总箱容 > 总日容时，仅分配完所有日容量即停止（剩余箱体不参与）；反之亦然；
- 性能提示：对于万级箱体+千级日期规模，启用 @jit(nopython=True) 可提速 5–10×；若环境无 Numba，可直接移除装饰器，逻辑不变；
- 扩展建议：如需支持“跨日拆分禁止”（整箱必须单日完成），可在内层循环中添加 take = min(boxes_arr[box_i], caps_arr[cap_i]) 后判断是否 take == boxes_arr[box_i] 再决定是否推进指针。
该方案兼顾可读性、正确性与工程实用性，适用于真实产线排程、仓储分拣、广告库存分配等多种时序资源调度场景。
