Code Editor for app.py

import streamlit as st
import pandas as pd
import numpy as np
import folium
from streamlit_folium import folium_static
from pulp import *
import json

st.set_page_config(layout="wide")
st.title("施設配置最適化シミュレーター")

# セッション状態の初期化
if 'scenarios' not in st.session_state:
    st.session_state.scenarios = {}

# サイドバーでシナリオ管理
with st.sidebar:
    st.header("シナリオ管理")
    scenario_name = st.text_input("シナリオ名", "新規シナリオ")
    
    # 需要地点の設定
    st.subheader("需要地点の設定")
    n_demand = st.number_input("需要地点数", min_value=1, value=3)
    demand_points = []
    for i in range(n_demand):
        col1, col2, col3 = st.columns(3)
        with col1:
            lat = st.number_input(f"需要地点{i+1} 緯度", value=35.0 + np.random.random()*0.1)
        with col2:
            lon = st.number_input(f"需要地点{i+1} 経度", value=135.0 + np.random.random()*0.1)
        with col3:
            demand = st.number_input(f"需要量{i+1}", value=100)
        demand_points.append({"lat": lat, "lon": lon, "demand": demand})

    # 候補地点の設定
    st.subheader("施設候補地点の設定")
    n_facility = st.number_input("候補地点数", min_value=1, value=5)
    facility_points = []
    for i in range(n_facility):
        col1, col2, col3 = st.columns(3)
        with col1:
            lat = st.number_input(f"候補地点{i+1} 緯度", value=35.0 + np.random.random()*0.1)
        with col2:
            lon = st.number_input(f"候補地点{i+1} 経度", value=135.0 + np.random.random()*0.1)
        with col3:
            cost = st.number_input(f"建設コスト{i+1}", value=1000)
        facility_points.append({"lat": lat, "lon": lon, "cost": cost})

    # 制約条件
    st.subheader("制約条件")
    max_facilities = st.number_input("設置可能な施設数", min_value=1, value=3)
    max_distance = st.number_input("最大サービス距離 (km)", min_value=0.1, value=10.0)

    if st.button("シナリオを保存"):
        st.session_state.scenarios[scenario_name] = {
            "demand_points": demand_points,
            "facility_points": facility_points,
            "max_facilities": max_facilities,
            "max_distance": max_distance
        }
        st.success(f"シナリオ '{scenario_name}' を保存しました！")

# メイン画面での表示と最適化
col1, col2 = st.columns([2, 1])

with col1:
    # 地図表示
    m = folium.Map(location=[35.0, 135.0], zoom_start=10)
    
    # 現在のシナリオのポイントを表示
    for dp in demand_points:
        folium.CircleMarker(
            location=[dp["lat"], dp["lon"]],
            radius=10,
            color="blue",
            fill=True,
            popup=f"需要量: {dp['demand']}"
        ).add_to(m)
    
    for fp in facility_points:
        folium.CircleMarker(
            location=[fp["lat"], fp["lon"]],
            radius=10,
            color="red",
            fill=True,
            popup=f"コスト: {fp['cost']}"
        ).add_to(m)
    
    folium_static(m)

with col2:
    st.header("シナリオ比較")
    
    # 保存されたシナリオの表示
    st.subheader("保存されたシナリオ")
    for name in st.session_state.scenarios.keys():
        st.write(f"- {name}")
    
    # シナリオの選択と最適化
    selected_scenarios = st.multiselect(
        "比較するシナリオを選択",
        options=list(st.session_state.scenarios.keys())
    )
    
    if st.button("選択したシナリオを最適化"):
        results = {}
        for scenario_name in selected_scenarios:
            scenario = st.session_state.scenarios[scenario_name]
            
            # 最適化の実行
            prob = LpProblem("Facility_Location", LpMinimize)
            
            # 決定変数
            x = {i: LpVariable(f"facility_{i}", 0, 1, LpBinary) 
                 for i in range(len(scenario["facility_points"]))}
            y = {(i,j): LpVariable(f"assign_{i}_{j}", 0, 1, LpBinary) 
                 for i in range(len(scenario["facility_points"]))
                 for j in range(len(scenario["demand_points"]))}
            
            # 目的関数（総コスト最小化）
            prob += lpSum([scenario["facility_points"][i]["cost"] * x[i] 
                         for i in range(len(scenario["facility_points"]))])
            
            # 制約条件
            # 施設数制限
            prob += lpSum([x[i] for i in range(len(scenario["facility_points"]))]) <= scenario["max_facilities"]
            
            # 需要点の割り当て制約
            for j in range(len(scenario["demand_points"])):
                prob += lpSum([y[i,j] for i in range(len(scenario["facility_points"]))]) == 1
            
            # 施設が開設されている場合のみ割り当て可能
            for i in range(len(scenario["facility_points"])):
                for j in range(len(scenario["demand_points"])):
                    prob += y[i,j] <= x[i]
            
            # 問題を解く
            prob.solve()
            
            # 結果を保存
            results[scenario_name] = {
                "status": LpStatus[prob.status],
                "total_cost": value(prob.objective),
                "selected_facilities": [i for i in range(len(scenario["facility_points"])) if value(x[i]) > 0.5],
                "assignments": {j: [i for i in range(len(scenario["facility_points"])) if value(y[i,j]) > 0.5][0]
                              for j in range(len(scenario["demand_points"]))}
            }
        
        # 結果の表示
        st.subheader("最適化結果")
        for name, result in results.items():
            st.write(f"\nシナリオ: {name}")
            st.write(f"ステータス: {result['status']}")
            st.write(f"総コスト: {result['total_cost']:,.0f}")
            st.write(f"選択された施設: {result['selected_facilities']}")
            st.write("需要地点の割り当て:", result['assignments'])