-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathfunc.py
190 lines (110 loc) · 5.1 KB
/
func.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
import random
from random import sample
from random import randint
# ================================================================================
# Solução
# ================================================================================
def info_from_file (FILE):
list = []
with open (FILE) as file:
for line in file:
int_list = [int (i) for i in line.split(" ")]
list.append(int_list)
return list
def init_solution (qnt_maquina, qnt_tarefa):
solution_list = [sample (range(1, qnt_tarefa + 1), qnt_tarefa)
for i in range (qnt_maquina)];
return solution_list
# ================================================================================
# Função objetivo
# ================================================================================
def makespan (instancia, solucao):
nM = len(instancia)
tempo = [0] * nM
for t in solucao:
for m in range (nM):
if tempo[m] < tempo[m-1] and m != 0:
tempo[m] = tempo[m-1]
tempo[m] += instancia[m][t-1]
return tempo[nM-1]
# ================================================================================
# Seleção
# ================================================================================
def classifica (instancia, solucao):
# retorna toda a população (solução) com os tempos
lista_selecao = []
for i in solucao:
t = makespan (instancia, i)
lista_selecao.append ([t,i])
return lista_selecao
def seleciona_melhores (lista_para_selecao):
# ordena lista ordem crescente
lista_para_selecao = sorted (lista_para_selecao, key=lambda item: item[0])
# retorna os 50 melhores (50 escolha pessoal)
return lista_para_selecao[:50]
# ================================================================================
# Crossover
# ================================================================================
def melhores_50_elementos_sem_os_tempos (melhores_50_elementos):
# retorna a lista dos 50 mehores mas SEM os tempos
lista = []
for i in melhores_50_elementos:
lista.append (i[1])
return lista
def remove_duplicados (lista):
lista_repetidos = []
lista_repetidos_indice = []
tamanho = len (lista)
# procura na lista original se existe valores repetidos, se encontrar, salva esses valores com os seus respectivos indices
for i in range (tamanho):
for j in range (tamanho):
if lista[i] == lista[j] and i != j and lista[i] not in lista_repetidos:
lista_repetidos.append (lista[i])
lista_repetidos_indice.append (i)
# substitui os valores repetidos por valores que não estavam na lista original
contador_repetidos_indice = 0
for i in range (tamanho):
if i + 1 not in lista:
lista[contador_repetidos_indice] = i + 1
contador_repetidos_indice += 1
return lista
def recombinacao (melhores_50_elementos):
# faz uma recombinação com os 50 melhores elementos
filho = []
linha = 1
pais = melhores_50_elementos_sem_os_tempos (melhores_50_elementos)
tamanho = len(pais)
for i in range (tamanho):
tmp = pais[i][:(int(len (pais[0])/2))] + pais[linha][(int(len (pais[0])/2)):len (pais[0])]
filho.append (remove_duplicados (tmp))
if linha < tamanho - 1:
linha = linha + 1
return filho
# ================================================================================
# Mutação
# ================================================================================
def mutacao (novas_solucoes, melhores_50_elementos, tamanho_linha):
vai_sofrer_mutacao = 0
indice_troca1 = 0
indice_troca2 = 0
# faz a mutação das recombinações. Com 10% de chances para cada elemento
for i in range (len(novas_solucoes)):
vai_sofrer_mutacao = randint(0, 10)
if vai_sofrer_mutacao == 5:
indice_troca1 = randint(0, tamanho_linha - 1)
indice_troca2 = randint(0, tamanho_linha - 1)
tmp = novas_solucoes[i][indice_troca1]
novas_solucoes[i][indice_troca1] = novas_solucoes[i][indice_troca2]
novas_solucoes[i][indice_troca2] = tmp
# faz a mutação dos 20 melhores pais
mutacoes = []
for i in range (50):
if i > 30: break
vai_sofrer_mutacao = randint(0, 10)
indice_troca1 = randint(0, tamanho_linha - 1)
indice_troca2 = randint(0, tamanho_linha - 1)
mutacoes.append (melhores_50_elementos[i])
tmp = mutacoes[-1][indice_troca1] # pega sempre o útimo
mutacoes[-1][indice_troca1] = mutacoes[-1][indice_troca2]
mutacoes[-1][indice_troca2] = tmp
return novas_solucoes + melhores_50_elementos[:(50 - len(mutacoes))]