我来重新论述一下题目

现在有一个决策人，管理折4个数据中心（datacenters.csv），
数据中心有 编号、能源成本、数据延迟、可用插槽数 四个属性，其中能源成本是每千瓦每时步的单位成本；
数据中心内可以安放不同的服务器（servers.csv），
服务器有 服务器世代、服务器类型、可以使用的时步范围（Release_Time）、购买价格、占用插槽数量、能耗、可售卖单元、预期寿命时步数、转移成本、管理费 等10个属性，其中能耗是每千瓦每时步的能耗量，达到预期寿命的服务器将被dismiss，可以使用的时步范围是一个前后闭的范围，表示从时步A至时步B之内可以buy到数据中心；
数据中心可安放的服务器总规模，受插槽总数限制，可用插槽数>=服务器数量*对应占用插槽数量；
售卖不同 数据延时 和 世代 的 服务器 有不同的价格（selling_prices.csv），
其中 售卖价格 是 按每单位可售卖单元计价的；
决策人 面对 需求变化（demand.csv）进行决策，
需求变化包括 时步、数据延迟要求、对应服务器世代的需求单元数量 等 属性，
同时，决策人可以通过调节售卖价格，来影响需求
售卖价格与需求的弹性系数见price_elasticity_of_demand.csv


决策人的决策目标 是 每时步的收益之和最大，收益=收入-成本
其中 
单个服务器收入=min(实际容量,需求)*售卖价格，实际容量=(1-f)*容量，成本=能源消费成本+维护成本+(首购成本 或 转移成本)，如果服务器从一个数据中心转移到另一个数据中心，则产生转移成本，能源消费成本=该服务器能耗*所在数据中心的能源成本，维护成本=管理费*[1+1.5*单个服务器寿命使用比率*log_2(1.5*单个服务器寿命使用比率)
实际容量=(1-f)*容量， f represents the failure rate that is sampled from a truncated Weibull distribution with f ∈ [0.05, 0.1]，单个类型是指 相同数据延时和服务器世代；
每台服务器有独立编号和生命周期，生命周期包括 购入(buy)并放到指定数据中心、从一个数据中心转移(move)到另一个数据中心、保持不动(hold)、撤退(dismiss) 四种状态，其中购入必须为初始状态、撤退必须为最终状态。


我的解法：

服务器id采用这样形式：7ee8a1de-b4b8-4fce-9bd6-19fdf8c1e409 

决策过程（伪代码）：
准备：
    预埋一个最佳调价参数：
    server_generation	latency_sensitivity	建议调价
    CPU.S1	low	0.13
    CPU.S2	low	0.05
    CPU.S3	low	-0.11
    CPU.S4	low	-0.15
    GPU.S1	low	0.01
    GPU.S2	low	-0.15
    GPU.S3	low	-0.13
    CPU.S1	medium	-0.07
    CPU.S2	medium	-0.17
    CPU.S3	medium	-0.15
    CPU.S4	medium	-0.17
    GPU.S1	medium	-0.21
    GPU.S2	medium	-0.21
    GPU.S3	medium	-0.19
    CPU.S1	high	0.13
    CPU.S2	high	-0.09
    CPU.S3	high	-0.05
    CPU.S4	high	-0.15
    GPU.S1	high	0.01
    GPU.S2	high	0.05
    GPU.S3	high	0.01





