本系统旨在解决企业在有限预算约束下，如何从多个备选投资项目中选择最优组合，以实现总净现值NPV最大化的决策问题。在实际业务中，企业常面临多个独立或互斥项目的投资机会，但受制于资金、人力等资源限制，难以直观判断哪些项目组合能带来最高收益。传统的财务分析往往只评估单个项目的NPV或内部收益率IRR，忽略了项目间的组合效应和预算上限，导致决策失误。本系统面向企业财务部门、投资分析师及创业团队，帮助他们通过量化模型快速对比不同项目组合的总NPV，并推荐最优投资策略。行业场景涵盖制造业设备更新、科技公司产品研发、房地产项目开发、私募股权基金投资组合等。系统内置了净现值NPV、内部收益率IRR、净现值率NPVR等核心指标，并支持预算约束、互斥项目限制等现实条件，使得投资决策更加科学、透明、高效。
本系统包含以下核心功能模块：
项目数据输入模块：用户可动态添加或删除项目，每个项目需填写初始投资、年度现金流（支持多期）、项目寿命、折现率等信息。系统还提供示例数据一键填充功能，方便快速测试。
约束条件设置模块：用户可设置总预算上限，并指定哪些项目是互斥的（例如项目A和项目B只能选其一），系统在组合优化时会自动遵守这些约束。
关键指标计算模块：系统自动计算每个项目的NPV、IRR、NPVR（净现值率）、投资回收期等指标，并展示排序后的项目列表。
组合优化推荐模块：采用0-1整数规划（穷举法结合剪枝优化）在预算和互斥约束下，搜索所有可行组合，输出总NPV最大的组合，并详细列出所选项目、总投资额、总NPV以及剩余预算。
对比与敏感性分析模块：用户可调整折现率或预算，系统实时更新推荐结果。支持按NPVR排序的贪心结果与最优组合结果的对比，帮助用户理解不同决策规则的差异。
结果解释与验证模块：系统以自然语言形式解释推荐理由，展示关键计算步骤，并提供简单案例的手算验证对比，确保算法逻辑正确。
可视化模块：以柱状图展示每个项目的NPV，以饼图展示所选项目的投资额占比，直观呈现投资分配。
导出报告模块：用户可将决策结果（包含项目详情、组合明细、关键指标）导出为PDF或CSV文件，用于存档或汇报。
我独立完成了整个项目的需求分析、系统设计、前后端开发、测试验证及。具体包括：① 设计输入参数、约束条件和决策规则；② 编写前端界面（基于Streamlit），实现动态添加项目、表单验证、交互式滑块和按钮；③ 实现后端核心算法：NPV/IRR计算、0-1背包组合优化（递归穷举+剪枝，支持互斥约束）；④ 集成plotly图表库实现可视化。
技术栈、架构、亮点：
技术栈：Python 3.9 + Streamlit（前端交互框架） + Pandas（数据处理） + Numpy（数值计算） + plotly（可视化） + fpdf（PDF导出）。
架构：单页应用（SPA）模式，前端UI与后端逻辑全部在Python脚本中完成，通过Streamlit的回调机制实现实时响应。数据流：用户输入，存储于session_state，触发计算函数，更新图表和推荐结果。
实现亮点：
动态项目管理：用户可任意增删项目，系统自动适配输入行列，无需刷新页面。
高效组合优化：对于项目数≤15的情况，采用分支定界思想的递归枚举，能快速找到最优解；同时提供贪心按NPVR结果作为对比，教育用户理解不同策略的优劣。
互斥约束处理：在组合枚举时检查项目间的互斥关系，避免无效组合计算，提升性能。
实时验证：内置一个已知答案的简单案例（例如两个项目，预算10万，项目1 NPV=5万，项目2 NPV=6万，但投资额分别为8万和6万），用户一键运行即可看到程序输出与手算一致，增强可信度。
评论