@mostajs/ro-pla 0.1.0

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
Files changed (63) hide show
  1. package/README.md +102 -0
  2. package/dist/dialects/anneal.d.ts +14 -0
  3. package/dist/dialects/anneal.d.ts.map +1 -0
  4. package/dist/dialects/anneal.js +45 -0
  5. package/dist/dialects/anneal.js.map +1 -0
  6. package/dist/dialects/csp.d.ts +14 -0
  7. package/dist/dialects/csp.d.ts.map +1 -0
  8. package/dist/dialects/csp.js +47 -0
  9. package/dist/dialects/csp.js.map +1 -0
  10. package/dist/dialects/hungarian.d.ts +13 -0
  11. package/dist/dialects/hungarian.d.ts.map +1 -0
  12. package/dist/dialects/hungarian.js +79 -0
  13. package/dist/dialects/hungarian.js.map +1 -0
  14. package/dist/dialects/lagrangian.d.ts +17 -0
  15. package/dist/dialects/lagrangian.d.ts.map +1 -0
  16. package/dist/dialects/lagrangian.js +51 -0
  17. package/dist/dialects/lagrangian.js.map +1 -0
  18. package/dist/dialects/markov.d.ts +19 -0
  19. package/dist/dialects/markov.d.ts.map +1 -0
  20. package/dist/dialects/markov.js +132 -0
  21. package/dist/dialects/markov.js.map +1 -0
  22. package/dist/dialects/mdp.d.ts +13 -0
  23. package/dist/dialects/mdp.d.ts.map +1 -0
  24. package/dist/dialects/mdp.js +59 -0
  25. package/dist/dialects/mdp.js.map +1 -0
  26. package/dist/dialects/milp.d.ts +15 -0
  27. package/dist/dialects/milp.d.ts.map +1 -0
  28. package/dist/dialects/milp.js +94 -0
  29. package/dist/dialects/milp.js.map +1 -0
  30. package/dist/dialects/min-cost-flow.d.ts +16 -0
  31. package/dist/dialects/min-cost-flow.d.ts.map +1 -0
  32. package/dist/dialects/min-cost-flow.js +94 -0
  33. package/dist/dialects/min-cost-flow.js.map +1 -0
  34. package/dist/dialects/mmc.d.ts +17 -0
  35. package/dist/dialects/mmc.d.ts.map +1 -0
  36. package/dist/dialects/mmc.js +63 -0
  37. package/dist/dialects/mmc.js.map +1 -0
  38. package/dist/dialects/monte-carlo.d.ts +14 -0
  39. package/dist/dialects/monte-carlo.d.ts.map +1 -0
  40. package/dist/dialects/monte-carlo.js +35 -0
  41. package/dist/dialects/monte-carlo.js.map +1 -0
  42. package/dist/dialects/simplex.d.ts +14 -0
  43. package/dist/dialects/simplex.d.ts.map +1 -0
  44. package/dist/dialects/simplex.js +205 -0
  45. package/dist/dialects/simplex.js.map +1 -0
  46. package/dist/index.d.ts +25 -0
  47. package/dist/index.d.ts.map +1 -0
  48. package/dist/index.js +51 -0
  49. package/dist/index.js.map +1 -0
  50. package/dist/lib/rng.d.ts +11 -0
  51. package/dist/lib/rng.d.ts.map +1 -0
  52. package/dist/lib/rng.js +16 -0
  53. package/dist/lib/rng.js.map +1 -0
  54. package/dist/registry.d.ts +21 -0
  55. package/dist/registry.d.ts.map +1 -0
  56. package/dist/registry.js +45 -0
  57. package/dist/registry.js.map +1 -0
  58. package/dist/types.d.ts +318 -0
  59. package/dist/types.d.ts.map +1 -0
  60. package/dist/types.js +11 -0
  61. package/dist/types.js.map +1 -0
  62. package/llms.txt +115 -0
  63. package/package.json +46 -0
@@ -0,0 +1,318 @@
1
+ /**
2
+ * @mostajs/ro-pla — Contrat des dialectes de solveur (un dialecte par algorithme)
3
+ * @author Dr Hamid MADANI <drmdh@msn.com>
4
+ *
5
+ * Patron « dialecte » de l'ORM/paiement appliqué aux ALGORITHMES : chaque
6
+ * algorithme de RO (hongrois, simplexe, MDP, recuit…) implémente `SolverDialect`
7
+ * et s'enregistre dans un registre ; la sélection se fait par NOM explicite ou
8
+ * automatiquement par `kind` (comme `DB_DIALECT` pour l'ORM).
9
+ */
10
+ /** Type de problème — sert à l'auto-sélection du dialecte. */
11
+ export type ProblemKind = 'assignment' | 'lp' | 'milp' | 'flow' | 'scheduling' | 'multiobjective' | 'decision' | 'simulation' | 'markov' | 'queue' | 'metaheuristic' | 'csp';
12
+ /** Générateur pseudo-aléatoire reproductible (valeurs dans [0,1)). */
13
+ export type Rng = () => number;
14
+ /** Capacités annoncées par un dialecte (aident l'auto-sélection). */
15
+ export interface SolverCapabilities {
16
+ /** Optimum garanti (exact) vs approché (métaheuristique) ? */
17
+ exact: boolean;
18
+ /** Utilisable en « réflexe » temps réel (ms) ? */
19
+ online: boolean;
20
+ /** Borne pratique de taille (ex. n d'une matrice). */
21
+ maxSize?: number;
22
+ /** Sait gérer plusieurs objectifs (Pareto) ? */
23
+ multiObjective?: boolean;
24
+ }
25
+ /** Options communes à `solve`. */
26
+ export interface SolveOptions {
27
+ timeoutMs?: number;
28
+ maxNodes?: number;
29
+ }
30
+ /** Un problème porte son `kind` (sert à choisir le dialecte). */
31
+ export interface Problem {
32
+ kind: ProblemKind;
33
+ }
34
+ /** Contrat d'un dialecte de solveur — une implémentation par algorithme. */
35
+ export interface SolverDialect<P extends Problem = Problem, S = unknown> {
36
+ /** Nom unique du dialecte (ex. 'hungarian', 'highs', 'mdp'). */
37
+ name: string;
38
+ /** Type de problème résolu. */
39
+ kind: ProblemKind;
40
+ /** Capacités (auto-sélection). */
41
+ capabilities: SolverCapabilities;
42
+ /** Résout le problème. */
43
+ solve(problem: P, opts?: SolveOptions): S | Promise<S>;
44
+ }
45
+ /** Affectation à coût minimal (matrice carrée des coûts ligne×colonne). */
46
+ export interface AssignmentProblem extends Problem {
47
+ kind: 'assignment';
48
+ /** `cost[i][j]` = coût d'affecter la ligne i à la colonne j. */
49
+ cost: number[][];
50
+ }
51
+ /** Solution d'affectation : `assignment[i]` = colonne affectée à la ligne i. */
52
+ export interface AssignmentSolution {
53
+ assignment: number[];
54
+ total: number;
55
+ }
56
+ /** Relation d'une contrainte linéaire. */
57
+ export type Relation = '<=' | '>=' | '=';
58
+ /**
59
+ * Programme linéaire : optimise cᵀx sous A·x {≤,=,≥} b, x ≥ 0.
60
+ * (Les variables sont supposées non négatives — modéliser x libre par x⁺−x⁻.)
61
+ */
62
+ export interface LpProblem extends Problem {
63
+ kind: 'lp';
64
+ /** Coefficients de l'objectif (longueur n = nb de variables). */
65
+ c: number[];
66
+ /** Matrice des contraintes A (m×n). */
67
+ A: number[][];
68
+ /** Second membre b (longueur m). */
69
+ b: number[];
70
+ /** Relation par contrainte (défaut : toutes '<='). */
71
+ relations?: Relation[];
72
+ /** Sens d'optimisation (défaut : 'max'). */
73
+ objective?: 'max' | 'min';
74
+ }
75
+ /** Statut de résolution d'un LP. */
76
+ export type LpStatus = 'optimal' | 'infeasible' | 'unbounded';
77
+ /** Solution d'un programme linéaire. */
78
+ export interface LpSolution {
79
+ status: LpStatus;
80
+ /** Valeurs des variables (longueur n) ; `[]` si non optimal. */
81
+ x: number[];
82
+ /** Valeur de l'objectif dans le sens demandé ; `NaN` si non optimal. */
83
+ objective: number;
84
+ }
85
+ /**
86
+ * Programme linéaire en nombres entiers / mixte (PLNE/MIP) : même forme qu'un LP,
87
+ * avec un sous-ensemble de variables contraintes à des valeurs entières.
88
+ */
89
+ export interface MilpProblem extends Problem {
90
+ kind: 'milp';
91
+ c: number[];
92
+ A: number[][];
93
+ b: number[];
94
+ relations?: Relation[];
95
+ objective?: 'max' | 'min';
96
+ /** Indices des variables devant être entières (défaut : toutes). */
97
+ integers?: number[];
98
+ }
99
+ /** Solution d'un PLNE — même structure qu'un LP (statut + x entiers + objectif). */
100
+ export type MilpSolution = LpSolution;
101
+ /** Arc orienté capacité/coût d'un réseau de flot. */
102
+ export interface FlowArc {
103
+ from: number;
104
+ to: number;
105
+ capacity: number;
106
+ /** Coût par unité de flot (≥ 0 ; pas de cycle de coût négatif). */
107
+ cost: number;
108
+ }
109
+ /**
110
+ * Flot de coût minimal : router un flot de la source au puits au coût total
111
+ * minimal. Sans `value`, route le FLOT MAXIMAL au moindre coût. Généralise
112
+ * l'affectation (workers→jobs à capacités unitaires).
113
+ */
114
+ export interface FlowProblem extends Problem {
115
+ kind: 'flow';
116
+ arcs: FlowArc[];
117
+ source: number;
118
+ sink: number;
119
+ /** Quantité de flot exigée ; si absent → flot maximal à coût minimal. */
120
+ value?: number;
121
+ /** Nombre de nœuds (sinon déduit des arcs/source/puits). */
122
+ nodes?: number;
123
+ }
124
+ /** Solution d'un flot : statut, flot total acheminé, coût, et flot par arc. */
125
+ export interface FlowSolution {
126
+ status: 'optimal' | 'infeasible';
127
+ /** Flot total acheminé source→puits. */
128
+ flow: number;
129
+ /** Coût total = Σ arc.cost × flot(arc). */
130
+ cost: number;
131
+ /** Flot sur chaque arc, dans l'ordre de `arcs`. */
132
+ arcFlows: number[];
133
+ }
134
+ /** Objectif de service pour le dimensionnement (au moins un critère). */
135
+ export interface QueueTarget {
136
+ /** Attente moyenne en file Wq ≤ ce seuil (mêmes unités de temps que 1/mu). */
137
+ maxWait?: number;
138
+ /** Probabilité d'attendre (Erlang C) ≤ ce seuil (0..1). */
139
+ maxProbWait?: number;
140
+ }
141
+ /**
142
+ * File M/M/c : arrivées de Poisson (taux `lambda`), service exponentiel (taux
143
+ * `mu` par serveur), `c` serveurs. Fournir `c` → ÉVALUATION ; fournir `target`
144
+ * (sans `c`) → DIMENSIONNEMENT (plus petit `c` satisfaisant l'objectif).
145
+ */
146
+ export interface QueueProblem extends Problem {
147
+ kind: 'queue';
148
+ /** Taux d'arrivée (clients / unité de temps). */
149
+ lambda: number;
150
+ /** Taux de service par serveur (clients / unité de temps). */
151
+ mu: number;
152
+ /** Nombre de serveurs (évaluation). */
153
+ c?: number;
154
+ /** Objectif de service (dimensionnement). */
155
+ target?: QueueTarget;
156
+ }
157
+ /** Métriques d'une file M/M/c pour un nombre de serveurs donné. */
158
+ export interface QueueMetrics {
159
+ c: number;
160
+ /** Charge offerte a = lambda/mu (Erlangs). */
161
+ offered: number;
162
+ /** Taux d'occupation rho = lambda/(c·mu). */
163
+ rho: number;
164
+ /** File stable (rho < 1) ? */
165
+ stable: boolean;
166
+ /** Probabilité d'attendre (formule d'Erlang C). */
167
+ probWait: number;
168
+ /** Nombre moyen en file Lq. */
169
+ avgQueue: number;
170
+ /** Attente moyenne en file Wq. */
171
+ avgWait: number;
172
+ /** Nombre moyen dans le système L. */
173
+ avgSystem: number;
174
+ /** Temps moyen dans le système W. */
175
+ avgTime: number;
176
+ }
177
+ /** Résultat M/M/c : métriques + (en dimensionnement) faisabilité de l'objectif. */
178
+ export interface QueueSolution extends QueueMetrics {
179
+ /** En dimensionnement : l'objectif est-il atteint avec ce `c` ? */
180
+ feasible: boolean;
181
+ }
182
+ /** Question posée à une chaîne de Markov. */
183
+ export type MarkovQuery = 'stationary' | 'step' | 'absorbing';
184
+ /**
185
+ * Chaîne de Markov à temps discret : matrice de transition `P` (stochastique par
186
+ * lignes). `query` choisit l'analyse : distribution stationnaire, régime à `steps`
187
+ * pas depuis `initial`, ou analyse d'absorption (états i avec P[i][i]=1).
188
+ */
189
+ export interface MarkovProblem extends Problem {
190
+ kind: 'markov';
191
+ /** Matrice de transition n×n (chaque ligne somme à 1). */
192
+ P: number[][];
193
+ /** Analyse demandée (défaut : 'stationary'). */
194
+ query?: MarkovQuery;
195
+ /** Distribution initiale (query 'step'). */
196
+ initial?: number[];
197
+ /** Nombre de pas (query 'step', défaut 1). */
198
+ steps?: number;
199
+ }
200
+ /** Distribution stationnaire π (πP = π, Σπ = 1). */
201
+ export interface MarkovStationary {
202
+ query: 'stationary';
203
+ pi: number[];
204
+ }
205
+ /** Distribution après `steps` pas depuis `initial`. */
206
+ export interface MarkovStep {
207
+ query: 'step';
208
+ distribution: number[];
209
+ }
210
+ /** Analyse d'une chaîne absorbante (matrice fondamentale). */
211
+ export interface MarkovAbsorbing {
212
+ query: 'absorbing';
213
+ /** Indices des états transitoires. */
214
+ transient: number[];
215
+ /** Indices des états absorbants. */
216
+ absorbing: number[];
217
+ /** Espérance du nombre de pas avant absorption, par état transitoire. */
218
+ expectedSteps: number[];
219
+ /** Probabilité d'absorption transient × absorbant (B = N·R). */
220
+ absorptionProb: number[][];
221
+ }
222
+ /** Solution d'une chaîne de Markov (selon `query`). */
223
+ export type MarkovSolution = MarkovStationary | MarkovStep | MarkovAbsorbing;
224
+ /**
225
+ * MDP fini : `transition[s][a][s']` (proba), `reward[s][a]` (récompense immédiate),
226
+ * `gamma` (actualisation 0..1). Résolu par itération de la valeur → politique optimale.
227
+ */
228
+ export interface MdpProblem extends Problem {
229
+ kind: 'decision';
230
+ transition: number[][][];
231
+ reward: number[][];
232
+ gamma: number;
233
+ epsilon?: number;
234
+ maxIter?: number;
235
+ }
236
+ /** Solution d'un MDP : valeurs optimales V*, politique optimale, itérations. */
237
+ export interface MdpSolution {
238
+ values: number[];
239
+ policy: number[];
240
+ iterations: number;
241
+ }
242
+ /** Contrainte CSP : tout-différent, ou prédicat sur les valeurs des variables visées. */
243
+ export type CspConstraint = {
244
+ type: 'allDifferent';
245
+ vars: number[];
246
+ } | {
247
+ type: 'predicate';
248
+ vars: number[];
249
+ test: (values: number[]) => boolean;
250
+ };
251
+ /** CSP : variables à domaines finis + contraintes. */
252
+ export interface CspProblem extends Problem {
253
+ kind: 'csp';
254
+ variables: string[];
255
+ domains: number[][];
256
+ constraints: CspConstraint[];
257
+ }
258
+ /** Solution CSP : satisfiable + affectation (indices alignés sur `variables`). */
259
+ export interface CspSolution {
260
+ satisfiable: boolean;
261
+ assignment?: number[];
262
+ }
263
+ /** Recuit simulé : minimise `energy` en explorant via `neighbor` (RNG reproductible). */
264
+ export interface AnnealProblem<S = unknown> extends Problem {
265
+ kind: 'metaheuristic';
266
+ initial: S;
267
+ energy: (state: S) => number;
268
+ neighbor: (state: S, rng: Rng) => S;
269
+ steps?: number;
270
+ temp0?: number;
271
+ /** Facteur de refroidissement (0<cooling<1, défaut 0.995). */
272
+ cooling?: number;
273
+ seed?: number;
274
+ }
275
+ /** Solution du recuit : meilleur état trouvé + énergie. */
276
+ export interface AnnealSolution<S = unknown> {
277
+ best: S;
278
+ energy: number;
279
+ steps: number;
280
+ }
281
+ /** Estimation Monte-Carlo : moyenne d'un tirage `sample(rng)` sur `trials` essais. */
282
+ export interface MonteCarloProblem extends Problem {
283
+ kind: 'simulation';
284
+ sample: (rng: Rng) => number;
285
+ trials: number;
286
+ seed?: number;
287
+ }
288
+ /** Solution Monte-Carlo : moyenne, variance, erreur-type, nombre d'essais. */
289
+ export interface MonteCarloSolution {
290
+ mean: number;
291
+ variance: number;
292
+ stdError: number;
293
+ n: number;
294
+ }
295
+ /**
296
+ * Relaxe les contraintes LIANTES (`linkingA·x ≤ linkingB`) d'un LP, ne gardant
297
+ * que le SOUS-SYSTÈME borné (`subA·x ≤ subB`). Borne par montée de sous-gradient
298
+ * sur les multiplicateurs ; pour un LP, converge vers l'optimum (pas de saut de dualité).
299
+ */
300
+ export interface LagrangianProblem extends Problem {
301
+ kind: 'lp';
302
+ c: number[];
303
+ linkingA: number[][];
304
+ linkingB: number[];
305
+ subA: number[][];
306
+ subB: number[];
307
+ objective?: 'max' | 'min';
308
+ iters?: number;
309
+ step?: number;
310
+ }
311
+ /** Solution lagrangienne : borne, multiplicateurs, point associé, itérations. */
312
+ export interface LagrangianSolution {
313
+ bound: number;
314
+ multipliers: number[];
315
+ x: number[];
316
+ iterations: number;
317
+ }
318
+ //# sourceMappingURL=types.d.ts.map
@@ -0,0 +1 @@
1
+ {"version":3,"file":"types.d.ts","sourceRoot":"","sources":["../src/types.ts"],"names":[],"mappings":"AAAA;;;;;;;;GAQG;AAEH,8DAA8D;AAC9D,MAAM,MAAM,WAAW,GACnB,YAAY,GACZ,IAAI,GACJ,MAAM,GACN,MAAM,GACN,YAAY,GACZ,gBAAgB,GAChB,UAAU,GACV,YAAY,GACZ,QAAQ,GACR,OAAO,GACP,eAAe,GACf,KAAK,CAAC;AAEV,sEAAsE;AACtE,MAAM,MAAM,GAAG,GAAG,MAAM,MAAM,CAAC;AAE/B,qEAAqE;AACrE,MAAM,WAAW,kBAAkB;IACjC,8DAA8D;IAC9D,KAAK,EAAE,OAAO,CAAC;IACf,kDAAkD;IAClD,MAAM,EAAE,OAAO,CAAC;IAChB,sDAAsD;IACtD,OAAO,CAAC,EAAE,MAAM,CAAC;IACjB,gDAAgD;IAChD,cAAc,CAAC,EAAE,OAAO,CAAC;CAC1B;AAED,kCAAkC;AAClC,MAAM,WAAW,YAAY;IAC3B,SAAS,CAAC,EAAE,MAAM,CAAC;IACnB,QAAQ,CAAC,EAAE,MAAM,CAAC;CACnB;AAED,iEAAiE;AACjE,MAAM,WAAW,OAAO;IACtB,IAAI,EAAE,WAAW,CAAC;CACnB;AAED,4EAA4E;AAC5E,MAAM,WAAW,aAAa,CAAC,CAAC,SAAS,OAAO,GAAG,OAAO,EAAE,CAAC,GAAG,OAAO;IACrE,gEAAgE;IAChE,IAAI,EAAE,MAAM,CAAC;IACb,+BAA+B;IAC/B,IAAI,EAAE,WAAW,CAAC;IAClB,kCAAkC;IAClC,YAAY,EAAE,kBAAkB,CAAC;IACjC,0BAA0B;IAC1B,KAAK,CAAC,OAAO,EAAE,CAAC,EAAE,IAAI,CAAC,EAAE,YAAY,GAAG,CAAC,GAAG,OAAO,CAAC,CAAC,CAAC,CAAC;CACxD;AAID,2EAA2E;AAC3E,MAAM,WAAW,iBAAkB,SAAQ,OAAO;IAChD,IAAI,EAAE,YAAY,CAAC;IACnB,gEAAgE;IAChE,IAAI,EAAE,MAAM,EAAE,EAAE,CAAC;CAClB;AAED,gFAAgF;AAChF,MAAM,WAAW,kBAAkB;IACjC,UAAU,EAAE,MAAM,EAAE,CAAC;IACrB,KAAK,EAAE,MAAM,CAAC;CACf;AAID,0CAA0C;AAC1C,MAAM,MAAM,QAAQ,GAAG,IAAI,GAAG,IAAI,GAAG,GAAG,CAAC;AAEzC;;;GAGG;AACH,MAAM,WAAW,SAAU,SAAQ,OAAO;IACxC,IAAI,EAAE,IAAI,CAAC;IACX,iEAAiE;IACjE,CAAC,EAAE,MAAM,EAAE,CAAC;IACZ,uCAAuC;IACvC,CAAC,EAAE,MAAM,EAAE,EAAE,CAAC;IACd,oCAAoC;IACpC,CAAC,EAAE,MAAM,EAAE,CAAC;IACZ,sDAAsD;IACtD,SAAS,CAAC,EAAE,QAAQ,EAAE,CAAC;IACvB,4CAA4C;IAC5C,SAAS,CAAC,EAAE,KAAK,GAAG,KAAK,CAAC;CAC3B;AAED,oCAAoC;AACpC,MAAM,MAAM,QAAQ,GAAG,SAAS,GAAG,YAAY,GAAG,WAAW,CAAC;AAE9D,wCAAwC;AACxC,MAAM,WAAW,UAAU;IACzB,MAAM,EAAE,QAAQ,CAAC;IACjB,gEAAgE;IAChE,CAAC,EAAE,MAAM,EAAE,CAAC;IACZ,wEAAwE;IACxE,SAAS,EAAE,MAAM,CAAC;CACnB;AAED;;;GAGG;AACH,MAAM,WAAW,WAAY,SAAQ,OAAO;IAC1C,IAAI,EAAE,MAAM,CAAC;IACb,CAAC,EAAE,MAAM,EAAE,CAAC;IACZ,CAAC,EAAE,MAAM,EAAE,EAAE,CAAC;IACd,CAAC,EAAE,MAAM,EAAE,CAAC;IACZ,SAAS,CAAC,EAAE,QAAQ,EAAE,CAAC;IACvB,SAAS,CAAC,EAAE,KAAK,GAAG,KAAK,CAAC;IAC1B,oEAAoE;IACpE,QAAQ,CAAC,EAAE,MAAM,EAAE,CAAC;CACrB;AAED,oFAAoF;AACpF,MAAM,MAAM,YAAY,GAAG,UAAU,CAAC;AAItC,qDAAqD;AACrD,MAAM,WAAW,OAAO;IACtB,IAAI,EAAE,MAAM,CAAC;IACb,EAAE,EAAE,MAAM,CAAC;IACX,QAAQ,EAAE,MAAM,CAAC;IACjB,mEAAmE;IACnE,IAAI,EAAE,MAAM,CAAC;CACd;AAED;;;;GAIG;AACH,MAAM,WAAW,WAAY,SAAQ,OAAO;IAC1C,IAAI,EAAE,MAAM,CAAC;IACb,IAAI,EAAE,OAAO,EAAE,CAAC;IAChB,MAAM,EAAE,MAAM,CAAC;IACf,IAAI,EAAE,MAAM,CAAC;IACb,yEAAyE;IACzE,KAAK,CAAC,EAAE,MAAM,CAAC;IACf,4DAA4D;IAC5D,KAAK,CAAC,EAAE,MAAM,CAAC;CAChB;AAED,+EAA+E;AAC/E,MAAM,WAAW,YAAY;IAC3B,MAAM,EAAE,SAAS,GAAG,YAAY,CAAC;IACjC,wCAAwC;IACxC,IAAI,EAAE,MAAM,CAAC;IACb,2CAA2C;IAC3C,IAAI,EAAE,MAAM,CAAC;IACb,mDAAmD;IACnD,QAAQ,EAAE,MAAM,EAAE,CAAC;CACpB;AAID,yEAAyE;AACzE,MAAM,WAAW,WAAW;IAC1B,8EAA8E;IAC9E,OAAO,CAAC,EAAE,MAAM,CAAC;IACjB,2DAA2D;IAC3D,WAAW,CAAC,EAAE,MAAM,CAAC;CACtB;AAED;;;;GAIG;AACH,MAAM,WAAW,YAAa,SAAQ,OAAO;IAC3C,IAAI,EAAE,OAAO,CAAC;IACd,iDAAiD;IACjD,MAAM,EAAE,MAAM,CAAC;IACf,8DAA8D;IAC9D,EAAE,EAAE,MAAM,CAAC;IACX,uCAAuC;IACvC,CAAC,CAAC,EAAE,MAAM,CAAC;IACX,6CAA6C;IAC7C,MAAM,CAAC,EAAE,WAAW,CAAC;CACtB;AAED,mEAAmE;AACnE,MAAM,WAAW,YAAY;IAC3B,CAAC,EAAE,MAAM,CAAC;IACV,8CAA8C;IAC9C,OAAO,EAAE,MAAM,CAAC;IAChB,6CAA6C;IAC7C,GAAG,EAAE,MAAM,CAAC;IACZ,8BAA8B;IAC9B,MAAM,EAAE,OAAO,CAAC;IAChB,mDAAmD;IACnD,QAAQ,EAAE,MAAM,CAAC;IACjB,+BAA+B;IAC/B,QAAQ,EAAE,MAAM,CAAC;IACjB,kCAAkC;IAClC,OAAO,EAAE,MAAM,CAAC;IAChB,sCAAsC;IACtC,SAAS,EAAE,MAAM,CAAC;IAClB,qCAAqC;IACrC,OAAO,EAAE,MAAM,CAAC;CACjB;AAED,mFAAmF;AACnF,MAAM,WAAW,aAAc,SAAQ,YAAY;IACjD,mEAAmE;IACnE,QAAQ,EAAE,OAAO,CAAC;CACnB;AAID,6CAA6C;AAC7C,MAAM,MAAM,WAAW,GAAG,YAAY,GAAG,MAAM,GAAG,WAAW,CAAC;AAE9D;;;;GAIG;AACH,MAAM,WAAW,aAAc,SAAQ,OAAO;IAC5C,IAAI,EAAE,QAAQ,CAAC;IACf,0DAA0D;IAC1D,CAAC,EAAE,MAAM,EAAE,EAAE,CAAC;IACd,gDAAgD;IAChD,KAAK,CAAC,EAAE,WAAW,CAAC;IACpB,4CAA4C;IAC5C,OAAO,CAAC,EAAE,MAAM,EAAE,CAAC;IACnB,8CAA8C;IAC9C,KAAK,CAAC,EAAE,MAAM,CAAC;CAChB;AAED,oDAAoD;AACpD,MAAM,WAAW,gBAAgB;IAC/B,KAAK,EAAE,YAAY,CAAC;IACpB,EAAE,EAAE,MAAM,EAAE,CAAC;CACd;AAED,uDAAuD;AACvD,MAAM,WAAW,UAAU;IACzB,KAAK,EAAE,MAAM,CAAC;IACd,YAAY,EAAE,MAAM,EAAE,CAAC;CACxB;AAED,8DAA8D;AAC9D,MAAM,WAAW,eAAe;IAC9B,KAAK,EAAE,WAAW,CAAC;IACnB,sCAAsC;IACtC,SAAS,EAAE,MAAM,EAAE,CAAC;IACpB,oCAAoC;IACpC,SAAS,EAAE,MAAM,EAAE,CAAC;IACpB,yEAAyE;IACzE,aAAa,EAAE,MAAM,EAAE,CAAC;IACxB,gEAAgE;IAChE,cAAc,EAAE,MAAM,EAAE,EAAE,CAAC;CAC5B;AAED,uDAAuD;AACvD,MAAM,MAAM,cAAc,GAAG,gBAAgB,GAAG,UAAU,GAAG,eAAe,CAAC;AAI7E;;;GAGG;AACH,MAAM,WAAW,UAAW,SAAQ,OAAO;IACzC,IAAI,EAAE,UAAU,CAAC;IACjB,UAAU,EAAE,MAAM,EAAE,EAAE,EAAE,CAAC;IACzB,MAAM,EAAE,MAAM,EAAE,EAAE,CAAC;IACnB,KAAK,EAAE,MAAM,CAAC;IACd,OAAO,CAAC,EAAE,MAAM,CAAC;IACjB,OAAO,CAAC,EAAE,MAAM,CAAC;CAClB;AAED,gFAAgF;AAChF,MAAM,WAAW,WAAW;IAC1B,MAAM,EAAE,MAAM,EAAE,CAAC;IACjB,MAAM,EAAE,MAAM,EAAE,CAAC;IACjB,UAAU,EAAE,MAAM,CAAC;CACpB;AAID,yFAAyF;AACzF,MAAM,MAAM,aAAa,GACrB;IAAE,IAAI,EAAE,cAAc,CAAC;IAAC,IAAI,EAAE,MAAM,EAAE,CAAA;CAAE,GACxC;IAAE,IAAI,EAAE,WAAW,CAAC;IAAC,IAAI,EAAE,MAAM,EAAE,CAAC;IAAC,IAAI,EAAE,CAAC,MAAM,EAAE,MAAM,EAAE,KAAK,OAAO,CAAA;CAAE,CAAC;AAE/E,sDAAsD;AACtD,MAAM,WAAW,UAAW,SAAQ,OAAO;IACzC,IAAI,EAAE,KAAK,CAAC;IACZ,SAAS,EAAE,MAAM,EAAE,CAAC;IACpB,OAAO,EAAE,MAAM,EAAE,EAAE,CAAC;IACpB,WAAW,EAAE,aAAa,EAAE,CAAC;CAC9B;AAED,kFAAkF;AAClF,MAAM,WAAW,WAAW;IAC1B,WAAW,EAAE,OAAO,CAAC;IACrB,UAAU,CAAC,EAAE,MAAM,EAAE,CAAC;CACvB;AAID,yFAAyF;AACzF,MAAM,WAAW,aAAa,CAAC,CAAC,GAAG,OAAO,CAAE,SAAQ,OAAO;IACzD,IAAI,EAAE,eAAe,CAAC;IACtB,OAAO,EAAE,CAAC,CAAC;IACX,MAAM,EAAE,CAAC,KAAK,EAAE,CAAC,KAAK,MAAM,CAAC;IAC7B,QAAQ,EAAE,CAAC,KAAK,EAAE,CAAC,EAAE,GAAG,EAAE,GAAG,KAAK,CAAC,CAAC;IACpC,KAAK,CAAC,EAAE,MAAM,CAAC;IACf,KAAK,CAAC,EAAE,MAAM,CAAC;IACf,8DAA8D;IAC9D,OAAO,CAAC,EAAE,MAAM,CAAC;IACjB,IAAI,CAAC,EAAE,MAAM,CAAC;CACf;AAED,2DAA2D;AAC3D,MAAM,WAAW,cAAc,CAAC,CAAC,GAAG,OAAO;IACzC,IAAI,EAAE,CAAC,CAAC;IACR,MAAM,EAAE,MAAM,CAAC;IACf,KAAK,EAAE,MAAM,CAAC;CACf;AAID,sFAAsF;AACtF,MAAM,WAAW,iBAAkB,SAAQ,OAAO;IAChD,IAAI,EAAE,YAAY,CAAC;IACnB,MAAM,EAAE,CAAC,GAAG,EAAE,GAAG,KAAK,MAAM,CAAC;IAC7B,MAAM,EAAE,MAAM,CAAC;IACf,IAAI,CAAC,EAAE,MAAM,CAAC;CACf;AAED,8EAA8E;AAC9E,MAAM,WAAW,kBAAkB;IACjC,IAAI,EAAE,MAAM,CAAC;IACb,QAAQ,EAAE,MAAM,CAAC;IACjB,QAAQ,EAAE,MAAM,CAAC;IACjB,CAAC,EAAE,MAAM,CAAC;CACX;AAID;;;;GAIG;AACH,MAAM,WAAW,iBAAkB,SAAQ,OAAO;IAChD,IAAI,EAAE,IAAI,CAAC;IACX,CAAC,EAAE,MAAM,EAAE,CAAC;IACZ,QAAQ,EAAE,MAAM,EAAE,EAAE,CAAC;IACrB,QAAQ,EAAE,MAAM,EAAE,CAAC;IACnB,IAAI,EAAE,MAAM,EAAE,EAAE,CAAC;IACjB,IAAI,EAAE,MAAM,EAAE,CAAC;IACf,SAAS,CAAC,EAAE,KAAK,GAAG,KAAK,CAAC;IAC1B,KAAK,CAAC,EAAE,MAAM,CAAC;IACf,IAAI,CAAC,EAAE,MAAM,CAAC;CACf;AAED,iFAAiF;AACjF,MAAM,WAAW,kBAAkB;IACjC,KAAK,EAAE,MAAM,CAAC;IACd,WAAW,EAAE,MAAM,EAAE,CAAC;IACtB,CAAC,EAAE,MAAM,EAAE,CAAC;IACZ,UAAU,EAAE,MAAM,CAAC;CACpB"}
package/dist/types.js ADDED
@@ -0,0 +1,11 @@
1
+ /**
2
+ * @mostajs/ro-pla — Contrat des dialectes de solveur (un dialecte par algorithme)
3
+ * @author Dr Hamid MADANI <drmdh@msn.com>
4
+ *
5
+ * Patron « dialecte » de l'ORM/paiement appliqué aux ALGORITHMES : chaque
6
+ * algorithme de RO (hongrois, simplexe, MDP, recuit…) implémente `SolverDialect`
7
+ * et s'enregistre dans un registre ; la sélection se fait par NOM explicite ou
8
+ * automatiquement par `kind` (comme `DB_DIALECT` pour l'ORM).
9
+ */
10
+ export {};
11
+ //# sourceMappingURL=types.js.map
@@ -0,0 +1 @@
1
+ {"version":3,"file":"types.js","sourceRoot":"","sources":["../src/types.ts"],"names":[],"mappings":"AAAA;;;;;;;;GAQG"}
package/llms.txt ADDED
@@ -0,0 +1,115 @@
1
+ # @mostajs/ro-pla — fiche LLM
2
+
3
+ > Programmation linéaire & recherche opérationnelle + métaheuristiques + apprentissage :
4
+ > simplexe, PLNE (branch & bound), Dantzig-Wolfe, CSP, chaînes de Markov / files M/M/c,
5
+ > algorithme génétique, réseaux de neurones. STADE PROPOSITION (0.0.1) — API PRÉVUE, non figée.
6
+
7
+ - Version: 0.1.0 · Licence: AGPL-3.0-or-later · Auteur: Dr Hamid MADANI <drmdh@msn.com>
8
+ - Chemin: mostajs/mosta-ro-pla · Statut: amorcé — 11 dialectes livrés et testés (59/59).
9
+ - Renommé depuis « mosta-constraints » ; périmètre élargi PL + RO + stochastique.
10
+
11
+ ## IMPLÉMENTÉ (réel, à jour) — architecture « un dialecte par algorithme » (façon ORM)
12
+ Le module n'expose PAS un builder fluide mais un REGISTRE de dialectes, sélectionnés
13
+ par nom ou auto par `kind` (comme `DB_DIALECT`). C'est l'architecture retenue (cf. IDEE).
14
+ - Contrat `SolverDialect<P,S> { name, kind, capabilities{exact,online,maxSize?,multiObjective?}, solve(problem,opts?) }`.
15
+ - Registre : `registerSolver(d)`, `getSolver(name)`, `listSolvers(kind?)`, `pickBest(kind)`,
16
+ `clearSolvers()`, et `solve(problem, opts?)` (nom explicite OU auto par `problem.kind`).
17
+ - Dialecte `hungarian` (kind 'assignment') : `hungarian(cost: number[][]) → { assignment, total }`
18
+ (Kuhn-Munkres O(n³), exact). Problème `AssignmentProblem { kind:'assignment', cost }`.
19
+ - Dialecte `simplex` (kind 'lp') : `simplex(problem: LpProblem) → LpSolution`
20
+ (simplexe DEUX PHASES + règle de Bland ; gère ≤/≥/=, min/max, détecte non borné/infaisable).
21
+ `LpProblem { kind:'lp', c:number[], A:number[][], b:number[], relations?:('<='|'>='|'=')[], objective?:'max'|'min' }`
22
+ → `LpSolution { status:'optimal'|'infeasible'|'unbounded', x:number[], objective:number }` (x ≥ 0).
23
+ Note : le simplexe expulse les artificielles restées basiques avant la phase 2 (sinon une
24
+ artificielle basique peut regrimber sur une contrainte « ≥ » serrée — bug corrigé, cf. dbg).
25
+ - Dialecte `branch-and-bound` (kind 'milp') : `branchAndBound(problem: MilpProblem, opts?) → MilpSolution`
26
+ (séparation & évaluation ; relaxation LP = `simplex` ; branche x≤⌊v⌋ | x≥⌈v⌉ ; élague par borne ;
27
+ bornable par `opts.maxNodes`). `MilpProblem` = LpProblem + `kind:'milp'` + `integers?:number[]`
28
+ (indices entiers, défaut toutes). Capacités `online:false` (combinatoire).
29
+ - Dialecte `min-cost-flow` (kind 'flow') : `minCostFlow(problem: FlowProblem) → FlowSolution`
30
+ (plus courts chemins successifs / Bellman-Ford-SPFA ; sans `value` → flot MAXIMAL au moindre
31
+ coût ; généralise le hongrois). `FlowProblem { kind:'flow', arcs:{from,to,capacity,cost}[],
32
+ source, sink, value?, nodes? }` → `FlowSolution { status:'optimal'|'infeasible', flow, cost, arcFlows[] }`.
33
+ - Dialecte `mmc` (kind 'queue') : `mmc(lambda, mu, c) → QueueMetrics` (théorie des files M/M/c : Erlang C,
34
+ occupation, attente Wq/Lq) ; `mmcSizing(lambda, mu, target) → QueueSolution` (plus petit c stable
35
+ satisfaisant `{maxWait?, maxProbWait?}`). `QueueProblem { kind:'queue', lambda, mu, c?, target? }` :
36
+ `c` → évaluation ; `target` (sans `c`) → dimensionnement. Usage : estimer l'attente / dimensionner des guichets.
37
+ - Dialecte `markov` (kind 'markov') : chaînes de Markov à temps discret. `markovStationary(P)` (π exact par
38
+ système linéaire), `markovStep(P, initial, steps)` (π₀Pᵏ), `markovAbsorbing(P)` (matrice fondamentale
39
+ N=(I−Q)⁻¹ : espérance du temps avant absorption + probas d'absorption). `MarkovProblem { kind:'markov',
40
+ P, query:'stationary'|'step'|'absorbing', initial?, steps? }` → `MarkovSolution` (union selon query).
41
+ - Dialecte `mdp` (kind 'decision') : MDP fini, `valueIteration(transition,reward,gamma,eps?,maxIter?)` →
42
+ `{values,policy,iterations}` (« Markov qui décide » : politique optimale). `MdpProblem{transition[s][a][s'],reward[s][a],gamma}`.
43
+ - Dialecte `backtrack-csp` (kind 'csp') : `solveCsp(variables,domains,constraints)` → `{satisfiable,assignment?}`
44
+ (backtracking + coupe). Contraintes `allDifferent` | `predicate{vars,test}`. Pivot NL→contraintes (auto-pilot).
45
+ - Dialecte `anneal` (kind 'metaheuristic', exact:false) : recuit simulé `anneal({initial,energy,neighbor,steps?,temp0?,cooling?,seed?})`
46
+ → `{best,energy,steps}` ; RNG seedé (déterministe). Pour gros combinatoires non linéaires.
47
+ - Dialecte `monte-carlo` (kind 'simulation', exact:false) : `monteCarlo({sample(rng),trials,seed?})` →
48
+ `{mean,variance,stdError,n}` ; RNG seedé. Valider les modèles (ex. files) au-delà des formules.
49
+ - Dialecte `lagrangian` (kind 'lp', exact:false) : relaxation lagrangienne `lagrangian({c,linkingA,linkingB,subA,subB,objective?,iters?,step?})`
50
+ → `{bound,multipliers,x,iterations}` ; relâche les liantes, sous-problème par simplexe, montée de sous-gradient
51
+ (borne = optimum LP, sans extraction de duals). RNG seedé partagé : `makeRng(seed)`.
52
+ - `registerBuiltinSolvers()` enregistre les 11 dialectes (hungarian, simplex, branch-and-bound, min-cost-flow,
53
+ mmc, markov, mdp, backtrack-csp, anneal, monte-carlo, lagrangian).
54
+ - Preuve de test : `npm run report` → `test-report.html` via le flag `--report` de @mostajs/mjs-unit 0.3.0.
55
+ - Diagnostic manuel : `npm run dbg` (test-scripts/dbg.mjs) — sondes à l'œil hors suite, dont la régression ≥.
56
+
57
+ ## RÔLE
58
+ Modéliser et résoudre des problèmes d'optimisation, de satisfaction de contraintes
59
+ et de modélisation stochastique :
60
+ - PL : optimisation linéaire sous contraintes (simplexe).
61
+ - PLNE/MIP : variables entières/mixtes (branch & bound).
62
+ - Dantzig-Wolfe : PL structurées à grande échelle (blocs + contraintes liantes,
63
+ génération de colonnes).
64
+ - CSP : variables à domaines finis, contraintes, propagation AC-3 + backtracking.
65
+ - Chaînes de Markov : matrices de transition, distribution stationnaire, régime
66
+ transitoire → théorie des files (M/M/c, Erlang) pour estimer attente / dimensionner.
67
+ - Métaheuristiques : algorithme génétique, recuit simulé, tabou, PSO, ACO, NSGA-II
68
+ (multi-objectif) → gros problèmes combinatoires non linéaires, solutions « assez bonnes ».
69
+ - Apprentissage : réseaux de neurones (MLP), apprentissage par renforcement,
70
+ optimisation bayésienne → prévision d'affluence, politiques d'affectation apprises.
71
+ Usages : affectation (tickets↔guichets, agents↔tâches), ordonnancement/planning,
72
+ allocation de ressources, prévision d'attente et dimensionnement de guichets.
73
+
74
+ FAMILLES : (1) Exact PL/PLNE — simplexe, branch&bound/cut, Dantzig-Wolfe, Benders,
75
+ relaxation lagrangienne ; (2) Exact combinatoire — CSP, prog. dynamique, flots de
76
+ réseau (max-flow, min-cost flow), Hongrois (affectation), plus courts chemins ;
77
+ (3) Métaheuristiques — génétique, recuit simulé, tabou, PSO, ACO, NSGA-II ;
78
+ (4) Stochastique — Markov, MDP, M/M/c, simulation à événements discrets, Monte-Carlo ;
79
+ (5) Apprentissage — réseaux de neurones, RL, optimisation bayésienne.
80
+ NOTE : le ML (réseaux/RL) pourrait être extrait dans un module frère @mostajs/ml (à trancher avant 1.0).
81
+
82
+ NE FAIT PAS : évaluer des gardes/conditions (→ @mostajs/rules, inférence Prolog),
83
+ états/transitions applicatifs (→ @mostajs/statemachine), événements/actions (→ trigger).
84
+ Distinction : rules « est-ce vrai ? » ; ro-pla « quelle solution optimise / quel état stationnaire ? ».
85
+
86
+ ## EXPORTS — FEUILLE DE ROUTE (prévus ; hungarian + lp DÉJÀ livrés, voir IMPLÉMENTÉ)
87
+ - lp() → LpBuilder { maximize(coeffs)/minimize(coeffs), subjectTo(constraints), solve() }
88
+ - model() → Model (CSP) : intVar, boolVar, allDifferent, linear, table, constraint, solve, solveAll, optimize
89
+ - markov(matrix) → Chain { stationary(), step(dist, n?), absorbingTimes() }
90
+ - mmc({ lambda, mu, c }) → { rho, pWait, avgWait, avgQueue } (file M/M/c, ≥ 0.2)
91
+ - genetic({ fitness, genome, popSize, generations, mutationRate }) → BestSolution (≥ 0.2)
92
+ - anneal({ energy, neighbor, schedule }) → BestSolution (recuit simulé, ≥ 0.2)
93
+ - neuralNet({ layers, activation }) → { predict(x), train(data, opts) } (MLP, ≥ 0.3)
94
+ - hungarian(costMatrix) → assignment (affectation optimale, ≥ 0.3)
95
+ - dantzigWolfe(blocks, linking) → Solution (≥ 0.4)
96
+
97
+ ## API — SIGNATURES (prévues, à figer)
98
+ - lp().maximize(coeffs: Record<string,number>).subjectTo(rows).solve(): { vars, objective } | null
99
+ - model().intVar(name, domain:number[]): Var ; allDifferent(vars): void ; solve(opts?): Solution|null
100
+ - markov(P: number[][]).stationary(): number[] // vecteur π tel que πP = π
101
+ - Bornage obligatoire (timeoutMs/maxNodes) comme @mostajs/rules.
102
+
103
+ ## TYPES CLÉS (prévus)
104
+ - LpBuilder, LpSolution, Model, Var, Constraint, Solution, Chain, MMCResult, SolveOptions
105
+
106
+ ## PIÈGES (anticipés)
107
+ - Explosion combinatoire (CSP/MIP) → timeouts/maxNodes obligatoires.
108
+ - Simplexe : dégénérescence/cyclage → règle de Bland ; précision flottante.
109
+ - Markov : vérifier irréductibilité/apériodicité avant distribution stationnaire.
110
+ - Zéro-dépendance visé (solveurs maison) ; sinon backend (javascript-lp-solver) en peer optionnelle.
111
+
112
+ ## À PRODUIRE (DEVRULES §4/§14)
113
+ État de l'art (simplex.js, javascript-lp-solver, MiniZinc, OR-Tools, Choco ; files/Erlang),
114
+ audit (vs rules/statemachine/workflow), plan dev/test, CHANGELOG, doc technique, slides,
115
+ chapitre de livre. Pas de publication avant les 14 livrables + tests verts.
package/package.json ADDED
@@ -0,0 +1,46 @@
1
+ {
2
+ "name": "@mostajs/ro-pla",
3
+ "version": "0.1.0",
4
+ "description": "Programmation linéaire & recherche opérationnelle pour l'écosystème @mostajs/* : programmation linéaire (simplexe), variables entières/mixtes (branch & bound), contraintes (CSP : alldifferent, linéaires, table), optimisation min/max. Affectation, ordonnancement, planning, allocation de ressources. STADE PROPOSITION (0.0.1).",
5
+ "author": "Dr Hamid MADANI <drmdh@msn.com>",
6
+ "license": "AGPL-3.0-or-later",
7
+ "type": "module",
8
+ "main": "dist/index.js",
9
+ "types": "dist/index.d.ts",
10
+ "exports": {
11
+ ".": {
12
+ "types": "./dist/index.d.ts",
13
+ "import": "./dist/index.js",
14
+ "default": "./dist/index.js"
15
+ }
16
+ },
17
+ "files": [
18
+ "dist",
19
+ "llms.txt",
20
+ "README.md",
21
+ "LICENSE"
22
+ ],
23
+ "scripts": {
24
+ "build": "tsc -p tsconfig.json",
25
+ "test": "bash test-scripts/run-tests.sh",
26
+ "report": "npm run build && mjs-unit test-scripts/*.test.mjs --report=test-report.html --title=\"@mostajs/ro-pla — preuve de test\"",
27
+ "dbg": "npm run build && node --import ./node_modules/@mostajs/mjs-unit/register.mjs test-scripts/dbg.mjs"
28
+ },
29
+ "keywords": [
30
+ "operations-research",
31
+ "linear-programming",
32
+ "simplex",
33
+ "constraint",
34
+ "csp",
35
+ "solver",
36
+ "optimization",
37
+ "scheduling",
38
+ "assignment",
39
+ "mostajs"
40
+ ],
41
+ "devDependencies": {
42
+ "@mostajs/mjs-unit": "^0.3.0",
43
+ "@types/node": "^22.0.0",
44
+ "typescript": "^5.6.0"
45
+ }
46
+ }