合适的元启发式优化方法来解决问题

如何解决合适的元启发式优化方法来解决问题

我是优化方法的新手，我想通过应用一种优化方法来解决问题，以实践该方法，但是我不知道从何入手。我将在文件 https://gitlab.com/Schrodinger168/practice/-/blob/master/A_08.json中找到csv（ A_08.json ）文件中的问题：

-对于资源，例如， Ressources_X 此处的 X 可以是1到9之间的值。所有 Ressource_X 具有需要作为最终解决方案的 min 和 max 值（将说below0不能小于 min 并且大于所有 Ressources_X 中每天的 max 。

对于季节，有冬天，夏天，是 ...，每个数字对应在那些季节中，例如，指的是冬季的日期，从第一天到第13天定义为其他日期。
对于干预，有 Intervention_X ，其相应的工作负载包含必须使用的 Ressources_X 。 Delta 是 Intervention_X 的持续时间，例如，我们可以在 Intervention_625 中将其作为 Delta 列表为 1.0 ，这意味着如果 Intervention_625 从第1天开始，则它需要在同一天结束，因为其第1天的Delta值是 1.0 ，依此类推...等等。每个 Intervention_X 都有自己的 tmax ，例如 Intervention_625 的 tmax 相等到 17 表示它可以根据需要在第1天到第17天之间开始，而其他 Intervention_X 的另一个 tmax 表示相同。
对于排除，有一些例外情况，例如：

“ E141 [” Intervention_315“，” Intervention_456“，”夏季“] 表示 Intervention_315 和 Intervention_456 不能同时开始夏季的一天，其他的意思相同。

T 是此处的总持续时间， T = 17 ，表示持续时间为17天
我要生成的解决方案是干预的名称以及每个干预的开始日期（t1，t2 ..），例如：

Intervention_X t1

Intervention_Y t2

以此类推...直到所有干预措施都用完，因为它们将只使用一次。

并且这些解决方案将确保它遵守每天使用资源（最小，最大），排除的条件，并且完成日期可以为 T + 1 （最大）。

这是我的代码，如果需要，可以访问csv文件的每个节点和值：

class access_json:

    def __init__(self):
        self._resources = dict()
        self._seasons = dict()
        self._interventions = dict()
        self._exclusions = dict()
        
        self._NRESOURCES = 0
        self._NINTERVENTIONS = 0
        self._list_resources = list()
        self._list_interventions = list()
        
        self._T = 0
        self._senariosNumber = []
        self._quantile = 0
        self._alpha = 0
        
    def loadjson(self,fpath: str):
        js = dict()
        with open(fpath,'r') as f:
            js = json.load(f)
        
        self._resources = js["Resources"]
        self._NRESOURCES = len(self._resources)
        self._list_resources = list(self._resources.keys())
        self._seasons = js["Seasons"]
        self._interventions = js["Interventions"]
        self._NINTERVENTIONS = len(self._interventions)
        self._list_interventions = list(self._interventions.keys())
        self._exclusions = js["Exclusions"]
        
        self._T = js["T"]
        self._senarios_number = js["Scenarios_number"]
        self._quantile = js["Quantile"]
        self._alpha = js["Alpha"]

任何有关代码的帮助，以及如何针对此问题应用优化方法的建议，将不胜感激。谢谢。