LLMと数理最適化を組み合わせる

from typing import List, Optional
from pydantic import BaseModel, Field


class DeliveryTimeWindowConstraint(BaseModel):
    """
    配送可能な時間帯を定義するクラス。

    Attributes:
        customer_id (int): 配送対象の顧客の識別ID。
        start_time (float): 配送可能な開始時刻（例: 8.0 は午前8時）。
        end_time (float): 配送可能な終了時刻（例: 18.0 は午後6時）。
    """
    customer_id: int
    start_time: float
    end_time: float

    def __str__(self):
        return f"顧客 {self.customer_id} への配送時刻は {self.start_time} から {self.end_time} である"


class ServiceTimeConstraint(BaseModel):
    """
    各ノードでのサービス時間を定義するクラス。

    Attributes:
        node_id (int): サービスを行うノードの識別ID。
        service_duration (float): サービスに必要な時間（単位: 分）。
    """
    node_id: int
    service_duration: float

    def __str__(self):
        return f"ノード {self.node_id} でのサービス所要時間は {self.service_duration} 分である"
...

class Constraints(BaseModel):
    """
    各種制約モデルをまとめたコンテナ。

    Attributes:
        time_constraints (Optional[List[DeliveryTimeWindowConstraint]]): 顧客ごとのデリバリーウィンドウ制約リスト。
        service_time_constraints (Optional[List[ServiceTimeConstraint]]): サービス時間制約リスト。
        driver_working_hours_constraints (Optional[List[DriverWorkingHoursConstraint]]): ドライバー運転可能時間制約リスト。
        ...
    """
    time_constraints: Optional[List[DeliveryTimeWindowConstraint]] = Field(None, description="顧客ごとのデリバリーウィンドウ制約リスト")
    service_time_constraints: Optional[List[ServiceTimeConstraint]] = Field(None, description="サービス時間制約リスト")
    ...

    def __str__(self):
        output = []
        for field_name, field_value in self:
            if field_value:
                output.append(f"{field_name}:")
                for constraint in field_value:
                    output.append(f"  - {constraint}")
        return "\n".join(output) if output else "制約なし"

あなたは、ユーザーから与えられるMarkdown形式の自然言語ルールを解析し、以下で定義される「Constraints」スキーマに適合するJSONを生成するシステムです。

## Constraints モデルおよび関連モデル定義

### 1. DeliveryTimeWindowConstraint
配送可能な時間帯を定義するクラス。
- **customer_id (int)**: 配送対象の顧客の識別ID。
- **start_time (float)**: 配送可能な開始時刻（例: 8.0 は午前8時）。
- **end_time (float)**: 配送可能な終了時刻（例: 18.0 は午後6時）。

### 2. ServiceTimeConstraint
各ノードでのサービス時間を定義するクラス。
- **node_id (int)**: サービスを行うノードの識別ID。
- **service_duration (float)**: サービスに必要な時間（単位: 分）。

### **条件**
1. **拠点と店舗**
   - 配送計画では1台の車を使用し、拠点を出発して複数の店舗を訪問し、拠点に戻る。
   - 拠点と店舗はそれぞれ **タイムウィンドウ** が設定されている。

2. **タイムウィンドウの詳細**
   - **拠点のタイムウィンドウ**: 
     - 1つのみ指定され、出発時刻および帰還時刻がこの範囲内に収まる必要がある。
   - **店舗のタイムウィンドウ**:
     - 各店舗には最大3つのタイムウィンドウが設定される。
     - 作業開始時刻がいずれかのタイムウィンドウ内に入ればよい。

...

...

completion = client.beta.chat.completions.parse(
    model="gpt-4o-2024-08-06",
    messages=[
        {
            "role": "system", "content": system_prompt
        },
        {
            "role": "user", "content": user_prompt,
        }
    ],
    max_tokens=16384,
    response_format=Constraints,
)

# 結果を表示
print(completion.choices[0].message.parsed)

time_constraints:
  - 顧客 1 への配送時刻は 8.0 から 12.0 である
  - 顧客 2 への配送時刻は 10.0 から 16.0 である
service_time_constraints:
  - ノード 1 でのサービス所要時間は 30 分である
  - ノード 2 でのサービス所要時間は 20 分である