Ces scripts Python ont pour but de résoudre le problème d'algorithmie proposé par OpenClassrooms dans le cadre du projet 7 de la formation Développeur Python.
Les scripts permettent de résoudre une variation du problème du sac à dos, où la solution d'investissement optimale doit être trouvée en prenant en compte les prix et les profits de différentex actions, dans la limite d'une somme maximum.
Le problème est donc, d'un point de vue logique, le même que le "knapsack problem". Les poids ont simplement été remplacés par des prix et les valeurs par des bénéfices.
Réaliser ces scripts m'a permis de me familiariser avec la notion de performance des algorithme, de complexité spatiale et temporelle. J'ai aussi eu l'occasion de découvrir les algorithmes de "dynamic programing" et d'en développer un.
- Téléchargez le projet depuis Github. Soit directement (format zip), soit en clonant le projet en utilisant la commande suivante dans Git Bash :
git clone <URL du repo>
- Vous pouvez ensuite procéder à la création d'un environnement virtuel et à l'installation des requirements. (En l'occurence, les scripts ne nécessitant aucun requirements particuliers, ces 2 étapes n'est pas nécessaire.)
python -m venv <environment name>
Puis, toujours dans le terminal, activez votre environnement avec la commande suivante si vous êtes sous Linux :
source env/bin/activate
Ou bien celle-ci si vous êtes sous Windows
env/Scripts/activate.bat
- Téléchargez les packages Python nécessaires à la bonne exécution du script à l'aide de la commande suivante :
pip install -r requirements.txt
- Vous pouvez maintenant exécuter les scripts, soit à l'aide de l'IDE de votre choix, soit directement depuis le Terminal, à l'aide de commandes prenant la forme suivante :
python script.py --arg1=valeur --arg2=valeur
Pour le script de force brute, les arguments sont le fichier en entrée et le fichier en sortie. Ainsi la commande peut être :
python brute_force.py --in_file="../data/demo_dataset.csv" --out_file="results/brute_force_results.csv"
Pour le script de Dynamic programing, les arguments sont le fichier en entrée et le fichier en sortie, et le traitement des données négatives. Ainsi la commande peut être :
python dynamic_programing.py --in_file="../data/dataset1.csv" --out_file="results/dp_results.csv" --include_neg
Pour le script de Greedy Algorithm, les arguments sont le fichier en entrée et le fichier en sortie, et le traitement des données négatives. Ainsi la commande peut être :
python greedy_algorithm.py --in_file="../data/dataset1.csv" --out_file="results/ga_results.csv" --include_neg