用途：该技能面向集合覆盖与覆盖型优化问题，帮助找到覆盖全部必需元素（或客户）的最小成本集合（或设施）组合，常用于设施选址、服务覆盖与资源分配。
主要能力：区分并处理多种变体，包括基本集合覆盖问题（SCP，最小成本全覆盖）、位置集合覆盖问题（LSCP，全覆盖下最少设施）、最大覆盖选址问题（MCLP，有限设施下最大化覆盖需求）、部分集合覆盖（覆盖至少α%元素）以及冗余覆盖（k-覆盖，每个元素至少被k个设施覆盖）。同时考虑覆盖要求（是否100%覆盖、覆盖距离/时间阈值、冗余与覆盖质量）、待覆盖元素（数量、权重、地理位置、时间依赖）、候选设施（数量、成本结构、覆盖半径、容量、是否可重叠）与目标（最小设施数、最小总成本、预算下最大化覆盖、可靠冗余）。
使用方式：资料给出基于Python与PuLP的建模示例。基本SCP以二进制变量x_j表示是否选择集合j，目标为最小化Σc_j×x_j，约束为每个元素至少被覆盖一次（Σa_ij×x_j≥1），并支持redundancy参数实现k-覆盖；LSCP根据设施与需求点坐标及服务半径计算覆盖矩阵，未提供成本时以最小化设施数量求解；MCLP引入需求权重w_i与设施上限p，以y_i表示需求点是否被覆盖，目标为最大化Σw_i×y_i，约束包括y_i≤Σa_ij×x_j与Σx_j≤p。示例使用PULP_CBC_CMD求解，设置timeLimit=300秒。
适用场景：应急服务选址（消防站、救护车）、传感器布设、零售选址（预算约束）、可靠应急响应与容错网络等。
限制：集合覆盖问题为NP-complete，精确求解在大规模实例上可能耗时较长；示例依赖PuLP与CBC求解器，并设置300秒时间限制，超时可能仅返回可行解。资料未提供具体收费、价格、平台支持范围或性能保证，相关事实暂未提供。