之前解释了TSP、VRP、带容量限制的VRP、取货送货VRP ，今天我们再来介绍一种带时间限制的VPR,所谓带时间限制的VRP顾名思义是指车辆需要访问的每一个地点都有一个时间创建，车辆必须在指定的时间窗口内到底指定的地点，这个时间窗口对于我们的算法来说是一个硬约束是不可用违法的。带时间限制的 VRP 示例这里的地点和之前我们介绍的CVRP案例中的地点相同，只不过我们在此基础上我们在每一个地点上方都

之前我们已经介绍了TSP、VRP、CVRP,今天我们再介绍另一种VRP的应用场景:带提货和送货的VRP,之前的CVRP是只提货不送货的场景。带取货和送货的 VRP 示例这里我们的每辆车需要在不同的地点提取货物并在其他地点交付货物。我们的要求是为车辆分配路线以提取和交付所有货物，同时最小化所有访问路线的总长度。下图显示了网格上的取货和送货地点，类似于上一个VRP 示例中的地点，这里从取货地点到交货地

之前我们解释了TSP、VRP问题，使大家都车辆路径规划问题有了初步的了解，今天我们对VRP问题进一步扩展，我们今天来探讨带容量限制的车辆路径规划问题：CVRP(capacitated vehicle routing problem)。CVRP是VRP的另一种应用，车辆具有承载能力，每辆车在有限的承载能力的情况下需要在不同地点取货或送货。货物具有数量，重量或体积，并且车辆具有它们可以承载的最大容量。

今天我们学习了如何使用langchain来创建prompt模板，并且langchain的prompt模板会自动识别prompt中的内嵌变量，在生成message时只需在prompt模板的format_messages方法中传递所需变量即可。另外我们还学习了如何通过Langchain来解析LLM的输出结果，通过创建ResponseSchema和StructuredOutputParser，可以产生用

最近一个偶然的机会，我发现了一个可以在短短几秒内处理几十亿数据的python工具包:Vaex, 处于好奇我研究了一下Vaex,下面给大家简单介绍一下Vaex及其基本使用方法。Vaex是什么Vaex是用于惰性核心数据框架（类似于Pandas）的python库，用于可视化和探索大型表格数据集。它可以在N维网格上计算统计数据，例如均值，总和，计数，标准差等，最大可达十亿（109109）每秒的对象/行数。

Streamlit是时下比较火的一个基于Python的Web应用程序框架,它可以在几分钟内将数据转化为可共享的Web应用程序，无需前端开发经验，使用纯Python代码实现，简单且高效。ChatGPT是目前非常火的OpenAI公司开发的聊天机器人模型，它无所不知就像一本大百科全书，它可以帮你做很多繁杂的日常工作琐事，比如可以代你写文章，代你做excel表格，甚至代你写代码。今天我们要将两者结合起来开

PyCaret 是 Python 中的一个开源、低代码机器学习库，可自动执行机器学习工作流。它是一种端到端的机器学习和模型管理工具，可成倍的提高您的工作效率。与其他开源机器学习库相比，PyCaret 是一个低代码的机器学习框架，可用于仅用几行代码替换数百行代码。这使得开发过程以指数方式快速和高效。PyCaret 本质上是几个机器学习库和框架的 Python 包装器，例如 scikit-learn、

Pandas是python的众多工具包中最著名一个，如果你使用python进行数据分析与建模，你一定会用到pandas,pandas已经越来越被广泛的应用于数据探索性分析(EDA),它可以完全媲美甚至超越Excel，目前越来越多的Excel数据分析师都在转向使用Python和Pandas,我之前写的大多数博客文章中都是使用pandas作为数据探索性分析(EDA)的工具，但是并不是所有的数据分析工作

Pandas是python的众多工具包中最著名一个，如果你使用python进行数据分析与建模，你一定会用到pandas,pandas已经越来越被广泛的应用于数据探索性分析(EDA),它可以完全媲美甚至超越Excel，目前越来越多的Excel数据分析师都在转向使用Python和Pandas,我之前写的大多数博客文章中都是使用pandas作为数据探索性分析(EDA)的工具，但是并不是所有的数据分析工作

这篇博客将带您走过从SFT到前沿强化学习技术的演进之路。我们将深入探讨：监督微调（SFT）的基础知识。强化学习（RL）的核心思想及其在LLM中的应用。流行的RL算法，如RLHF和DPO。一种强大的新型方法——组相对策略优化（Group Relative Policy Optimization, GRPO），它克服了许多前辈算法的挑战。