286 lines
10 KiB
Go
286 lines
10 KiB
Go
package recipe
|
||
|
||
import (
|
||
"context"
|
||
"errors"
|
||
"fmt"
|
||
"math"
|
||
|
||
"git.huangwc.com/pig/pig-farm-controller/internal/infra/models"
|
||
|
||
"gonum.org/v1/gonum/mat"
|
||
"gonum.org/v1/gonum/optimize/convex/lp"
|
||
)
|
||
|
||
// RecipeGenerateManager 定义了配方生成器的能力。
|
||
// 它可以有多种实现，例如基于成本优化、基于生长性能优化等。
|
||
type RecipeGenerateManager interface {
|
||
// GenerateRecipe 根据猪的营养需求和可用原料，生成一个配方。
|
||
GenerateRecipe(ctx context.Context, pigType models.PigType, materials []models.RawMaterial) (*models.Recipe, error)
|
||
}
|
||
|
||
// recipeGenerateManagerImpl 是 RecipeGenerateManager 的默认实现。
|
||
// 它实现了基于成本最优的配方生成逻辑。
|
||
type recipeGenerateManagerImpl struct {
|
||
ctx context.Context
|
||
}
|
||
|
||
// NewRecipeGenerateManager 创建一个默认的配方生成器实例。
|
||
func NewRecipeGenerateManager(ctx context.Context) RecipeGenerateManager {
|
||
return &recipeGenerateManagerImpl{
|
||
ctx: ctx,
|
||
}
|
||
}
|
||
|
||
const (
|
||
// 内部虚拟填充料的名称，用于线性规划计算，不应出现在最终配方中。
|
||
internalFillerRawMaterialName = "内部填充料_InternalFiller"
|
||
// 内部虚拟填充营养素的ID，用于关联填充料，确保其不与实际营养素冲突。
|
||
// 使用 math.MaxUint32 作为一个极大的、不可能与实际ID冲突的值。
|
||
internalFillerNutrientID = math.MaxUint32
|
||
)
|
||
|
||
// GenerateRecipe 根据猪的营养需求和可用原料，使用线性规划计算出成本最低的饲料配方。
|
||
func (r *recipeGenerateManagerImpl) GenerateRecipe(ctx context.Context, pigType models.PigType, materials []models.RawMaterial) (*models.Recipe, error) {
|
||
// 1. 基础校验
|
||
if len(materials) == 0 {
|
||
return nil, errors.New("无法生成配方：未提供任何原料")
|
||
}
|
||
if len(pigType.PigNutrientRequirements) == 0 {
|
||
return nil, errors.New("无法生成配方：猪类型未设置营养需求")
|
||
}
|
||
|
||
// 剔除无用原料
|
||
// 收集猪类型所有有需求的营养素ID (包括min_requirement或max_requirement不为0的)
|
||
requiredNutrientIDs := make(map[uint32]bool)
|
||
for _, req := range pigType.PigNutrientRequirements {
|
||
requiredNutrientIDs[req.NutrientID] = true
|
||
}
|
||
|
||
var filteredMaterials []models.RawMaterial
|
||
for _, mat := range materials {
|
||
hasRelevantNutrient := false
|
||
for _, matNut := range mat.RawMaterialNutrients {
|
||
// 检查原料是否包含猪类型所需的任何营养素
|
||
if requiredNutrientIDs[matNut.NutrientID] {
|
||
hasRelevantNutrient = true
|
||
break
|
||
}
|
||
}
|
||
// 如果原料包含至少一个猪类型需求的营养素，则保留
|
||
if hasRelevantNutrient {
|
||
filteredMaterials = append(filteredMaterials, mat)
|
||
}
|
||
}
|
||
materials = filteredMaterials // 使用过滤后的原料列表
|
||
|
||
if len(materials) == 0 {
|
||
return nil, errors.New("无法生成配方：所有提供的原料都不包含猪类型所需的任何营养素，请检查原料配置或猪类型营养需求")
|
||
}
|
||
|
||
// 创建一个虚拟的、价格为0、不含任何实际营养素的填充料。
|
||
// 其唯一目的是在LP求解中作为“凑数”的选项，确保总比例为100%，且不影响实际配方成本。
|
||
fillerRawMaterial := models.RawMaterial{
|
||
Model: models.Model{
|
||
ID: math.MaxUint32 - 1, // 使用一个极大的、不可能与实际原料ID冲突的值
|
||
},
|
||
Name: internalFillerRawMaterialName,
|
||
Description: "内部虚拟填充料，用于线性规划凑足100%比例，不含实际营养，价格为0。",
|
||
ReferencePrice: 0.0, // 价格为0，确保LP优先选择它来凑数
|
||
RawMaterialNutrients: []models.RawMaterialNutrient{
|
||
{
|
||
NutrientID: internalFillerNutrientID, // 关联一个虚拟营养素，确保其在LP中被识别，但其含量为0
|
||
Value: 0.0,
|
||
},
|
||
},
|
||
}
|
||
materials = append(materials, fillerRawMaterial) // 将填充料添加到原料列表中
|
||
|
||
// ---------------------------------------------------------
|
||
// 2. 准备数据结构
|
||
// ---------------------------------------------------------
|
||
|
||
// 映射: 为了快速查找原料的营养含量 [RawMaterialID][NutrientID] => Value
|
||
materialNutrients := make(map[uint32]map[uint32]float64)
|
||
// 映射: 原料ID到矩阵列索引的映射 (前 N 列对应 N 种原料)
|
||
materialIndex := make(map[uint32]int)
|
||
// 列表: 记录原料ID以便结果回溯
|
||
materialIDs := make([]uint32, len(materials))
|
||
|
||
for i, m := range materials {
|
||
materialIndex[m.ID] = i
|
||
materialIDs[i] = m.ID
|
||
materialNutrients[m.ID] = make(map[uint32]float64)
|
||
for _, n := range m.RawMaterialNutrients {
|
||
// 注意：这里假设 float32 转 float64 精度足够
|
||
materialNutrients[m.ID][n.NutrientID] = float64(n.Value)
|
||
}
|
||
}
|
||
|
||
// 识别约束数量
|
||
// 约束 1: 总重量 = 1 (100%)
|
||
// 约束 2..N: 营养素下限 (Min)
|
||
// 约束 N..M: 营养素上限 (Max, 仅当 Max > 0 时)
|
||
type constraintInfo struct {
|
||
isMax bool // true=上限约束(<=), false=下限约束(>=)
|
||
nutrientID uint32
|
||
limit float64
|
||
}
|
||
var constraints []constraintInfo
|
||
|
||
// 添加营养约束
|
||
for _, req := range pigType.PigNutrientRequirements {
|
||
// 排除内部虚拟填充营养素的约束，因为它不应有实际需求
|
||
if req.NutrientID == internalFillerNutrientID {
|
||
continue
|
||
}
|
||
|
||
// 下限约束 (Value >= Min)
|
||
// 逻辑: Sum(Mat * x) >= Min -> Sum(Mat * x) - slack = Min
|
||
constraints = append(constraints, constraintInfo{
|
||
isMax: false,
|
||
nutrientID: req.NutrientID,
|
||
limit: float64(req.MinRequirement),
|
||
})
|
||
|
||
// 上限约束 (Value <= Max)
|
||
// 逻辑: Sum(Mat * x) <= Max -> Sum(Mat * x) + slack = Max
|
||
if req.MaxRequirement > 0 {
|
||
// 简单的校验，如果 Min > Max 则是逻辑矛盾，直接报错
|
||
if req.MinRequirement > req.MaxRequirement {
|
||
return nil, fmt.Errorf("营养素 %d 的需求配置无效: 最小需求 (%f) 大于最大需求 (%f)", req.NutrientID, req.MinRequirement, req.MaxRequirement)
|
||
}
|
||
constraints = append(constraints, constraintInfo{
|
||
isMax: true,
|
||
nutrientID: req.NutrientID,
|
||
limit: float64(req.MaxRequirement),
|
||
})
|
||
}
|
||
}
|
||
|
||
// ---------------------------------------------------------
|
||
// 3. 构建线性规划矩阵 (Ax = b) 和 目标函数 (c)
|
||
// ---------------------------------------------------------
|
||
|
||
// 变量总数 = 原料数量 + 松弛变量数量
|
||
// 松弛变量数量 = 约束数量 (每个不等式约束需要一个松弛变量)
|
||
// 注意：总量约束 (Sum=1) 是等式，理论上不需要松弛变量，但在单纯形法标准型中通常处理为 Ax=b
|
||
numMaterials := len(materials) // 此时已包含填充料
|
||
numSlack := len(constraints)
|
||
numCols := numMaterials + numSlack
|
||
|
||
// 行数 = 1 (总量约束) + 营养约束数量
|
||
numRows := 1 + len(constraints)
|
||
|
||
// A: 约束系数矩阵
|
||
A := mat.NewDense(numRows, numCols, nil)
|
||
// b: 约束值向量
|
||
b := make([]float64, numRows)
|
||
// c: 成本向量 (目标函数系数)
|
||
c := make([]float64, numCols)
|
||
|
||
// --- 填充 c (成本) ---
|
||
for i, m := range materials {
|
||
c[i] = float64(m.ReferencePrice)
|
||
}
|
||
// 松弛变量的成本为 0，Go 默认初始化为 0，无需操作
|
||
|
||
// --- 填充 Row 0: 总量约束 (Sum(x) = 1) ---
|
||
// 系数: 所有原料对应列为 1，松弛变量列为 0
|
||
for j := 0; j < numMaterials; j++ {
|
||
A.Set(0, j, 1.0)
|
||
}
|
||
b[0] = 1.0
|
||
|
||
// --- 填充营养约束行 ---
|
||
for i, cons := range constraints {
|
||
rowIndex := i + 1 // 0行被总量约束占用，所以从1开始
|
||
slackColIndex := numMaterials + i // 松弛变量列紧跟在原料列之后
|
||
|
||
b[rowIndex] = cons.limit
|
||
|
||
// 1. 设置原料系数
|
||
for j, m := range materials {
|
||
// 获取该原料这种营养素的含量，如果没有则为0
|
||
val := materialNutrients[m.ID][cons.nutrientID]
|
||
A.Set(rowIndex, j, val)
|
||
}
|
||
|
||
// 2. 设置松弛变量系数
|
||
// 如果是下限 (>=): Sum - s = Limit => s系数为 -1
|
||
// 如果是上限 (<=): Sum + s = Limit => s系数为 +1
|
||
if cons.isMax {
|
||
A.Set(rowIndex, slackColIndex, 1.0)
|
||
} else {
|
||
A.Set(rowIndex, slackColIndex, -1.0)
|
||
}
|
||
}
|
||
|
||
// ---------------------------------------------------------
|
||
// 4. 执行单纯形法求解
|
||
// ---------------------------------------------------------
|
||
|
||
// lp.Simplex 求解: minimize c^T * x subject to A * x = b, x >= 0
|
||
optVal, x, err := lp.Simplex(c, A, b, 1e-8, nil)
|
||
|
||
if err != nil {
|
||
if errors.Is(err, lp.ErrInfeasible) {
|
||
return nil, errors.New("无法生成配方：根据提供的原料，无法满足所有营养需求 (无可行解)，请检查原料或营养需求配置")
|
||
}
|
||
if errors.Is(err, lp.ErrUnbounded) {
|
||
return nil, errors.New("计算错误：解无界 (可能数据配置有误，例如某个营养素没有上限约束且成本为负)")
|
||
}
|
||
return nil, fmt.Errorf("配方计算失败: %w", err)
|
||
}
|
||
|
||
// ---------------------------------------------------------
|
||
// 5. 结果解析与构建
|
||
// ---------------------------------------------------------
|
||
|
||
// 统计实际原料数量（排除填充料）
|
||
actualMaterialCount := 0
|
||
for _, m := range materials {
|
||
if m.ID != fillerRawMaterial.ID {
|
||
actualMaterialCount++
|
||
}
|
||
}
|
||
|
||
recipe := &models.Recipe{
|
||
Name: fmt.Sprintf("%s-%s - 自动计算配方", pigType.Breed.Name, pigType.AgeStage.Name),
|
||
Description: fmt.Sprintf("基于 %d 种原料计算的最优成本配方。计算时预估成本: %.2f元/kg", actualMaterialCount, optVal),
|
||
RecipeIngredients: []models.RecipeIngredient{},
|
||
}
|
||
|
||
// 遍历原料部分的解 (前 numMaterials 个变量)
|
||
totalPercentage := 0.0
|
||
for i := 0; i < numMaterials; i++ {
|
||
// 排除内部虚拟填充料 ---
|
||
if materialIDs[i] == fillerRawMaterial.ID {
|
||
continue // 跳过填充料，不将其加入最终配方
|
||
}
|
||
|
||
proportion := x[i]
|
||
|
||
// 忽略极小值 (浮点数误差)
|
||
if proportion < 1e-4 { // 万分之一，即0.01%
|
||
continue
|
||
}
|
||
|
||
// 记录总和用于最后的校验
|
||
totalPercentage += proportion
|
||
|
||
recipe.RecipeIngredients = append(recipe.RecipeIngredients, models.RecipeIngredient{
|
||
RawMaterialID: materialIDs[i],
|
||
Percentage: float32(proportion),
|
||
})
|
||
}
|
||
|
||
// 二次校验: 确保实际原料总量不超过 100% (允许小于100%因为填充料被移除)
|
||
if totalPercentage > 1.0+1e-3 { // 允许略微超过100%的浮点误差，但不能显著超过
|
||
return nil, fmt.Errorf("计算结果异常：实际原料总量超过 100%% (计算值: %.4f)，请检查算法或数据配置", totalPercentage)
|
||
}
|
||
// 如果 totalPercentage 小于 1.0，说明填充料被使用，这是符合预期的。
|
||
|
||
return recipe, nil
|
||
}
|