用python实现改遗传算法解柔性作业车间调度问题的编码和初始化(改良版本) |
您所在的位置：网站首页 › 柔性作业的概念 › 用python实现改遗传算法解柔性作业车间调度问题的编码和初始化(改良版本) |
用python实现改遗传算法解柔性作业车间调度问题的编码和初始化(改良版本)
|
完整研究可参考：基于遗传算法求解柔性作业车间调度问题代码实现（包括标准算例准换、编码、解码的详细讲述）_crazy_girl_me的博客-CSDN博客 之前码的版本好多小伙伴都说有问题，现在我从以下几个方面做了一些小小的改进： （1）通用性，之前的版本针对工序不同的工件，我是将它化为一样的工序长度，显然复杂度和效率升高了不少，尤其是对更大规模的问题。 （2）针对有的同学提出了我之前犯的错误做了修改。 （3）提高了代码的使用性能，采用类来编码，直接用就可以了，无需对内部内容进行修改。 好了，直接上代码： import numpy as np import random class Encode: def __init__(self,Matrix,Pop_size,J,J_num,M_num): self.Matrix=Matrix #工件各工序对应各机器加工时间矩阵 self.GS_num=int(0.6*Pop_size) #全局选择初始化 self.LS_num=int(0.2*Pop_size) #局部选择初始化 self.RS_num=int(0.2*Pop_size) #随机选择初始化 self.J=J #各工件对应的工序数 self.J_num=J_num #工件数 self.M_num=M_num #机器数 self.CHS=[] self.Len_Chromo=0 for i in J.values(): self.Len_Chromo+=i #生成工序准备的部分 def OS_List(self): OS_list=[] for k,v in self.J.items(): OS_add=[k for j in range(v)] OS_list.extend(OS_add) return OS_list #生成初始化矩阵 def CHS_Matrix(self, C_num): # C_num:所需列数 return np.zeros([C_num, self.Len_Chromo], dtype=int) def Site(self,Job,Operation): O_num = 0 for i in range(len(self.J)): if i == Job: return O_num + Operation else: O_num = O_num + self.J[i + 1] return O_num #全局选择初始化 def Global_initial(self): MS=self.CHS_Matrix(self.GS_num) OS_list= self.OS_List() OS=self.CHS_Matrix(self.GS_num) for i in range(self.GS_num): Machine_time = np.zeros(self.M_num, dtype=float) # 机器时间初始化 random.shuffle(OS_list) # 生成工序排序部分 OS[i] = np.array(OS_list) GJ_list = [i_1 for i_1 in range(self.J_num)] random.shuffle(GJ_list) for g in GJ_list: # 随机选择工件集的第一个工件,从工件集中剔除这个工件 h = self.Matrix[g] # 第一个工件含有的工序 for j in range(len(h)): # 从工件的第一个工序开始选择机器 D = h[j] List_Machine_weizhi = [] for k in range(len(D)): # 每道工序可使用的机器以及机器的加工时间 Useing_Machine = D[k] if Useing_Machine != 9999: # 确定可加工该工序的机器 List_Machine_weizhi.append(k) Machine_Select = [] for Machine_add in List_Machine_weizhi: # 将这道工序的可用机器时间和以前积累的机器时间相加 # 比较可用机器的时间加上以前累计的机器时间的时间值，并选出时间最小 Machine_Select.append(Machine_time[Machine_add] + D[ Machine_add]) Min_time = min(Machine_Select) K = Machine_Select.index(Min_time) I = List_Machine_weizhi[K] Machine_time[I] += Min_time site=self.Site(g,j) MS[i][site] = K + 1 CHS1 = np.hstack((MS, OS)) return CHS1 #局部选择初始化 def Local_initial(self): MS = self.CHS_Matrix(self.LS_num) OS_list = self.OS_List() OS = self.CHS_Matrix(self.LS_num) for i in range(self.LS_num): random.shuffle(OS_list) # 生成工序排序部分 OS_gongxu = OS_list OS[i] = np.array(OS_gongxu) GJ_list = [i_1 for i_1 in range(self.J_num)] for g in GJ_list: Machine_time = np.zeros(self.M_num) # 机器时间初始化 h =self.Matrix[g] # 第一个工件及其对应工序的加工时间 for j in range(len(h)): # 从工件的第一个工序开始选择机器 D = h[j] List_Machine_weizhi = [] for k in range(len(D)): # 每道工序可使用的机器以及机器的加工时间 Useing_Machine = D[k] if Useing_Machine == 9999: # 确定可加工该工序的机器 continue else: List_Machine_weizhi.append(k) Machine_Select = [] for Machine_add in List_Machine_weizhi: # 将这道工序的可用机器时间和以前积累的机器时间相加 Machine_time[Machine_add] = Machine_time[Machine_add] + D[ Machine_add] # 比较可用机器的时间加上以前累计的机器时间的时间值，并选出时间最小 Machine_Select.append(Machine_time[Machine_add]) Machine_Index_add = Machine_Select.index(min(Machine_Select)) site = self.Site(g, j) MS[i][site] = MS[i][site] + Machine_Index_add + 1 CHS1 = np.hstack((MS, OS)) return CHS1 def Random_initial(self): MS = self.CHS_Matrix(self.RS_num) OS_list = self.OS_List() OS = self.CHS_Matrix(self.RS_num) for i in range(self.RS_num): random.shuffle(OS_list) # 生成工序排序部分 OS_gongxu = OS_list OS[i] = np.array(OS_gongxu) GJ_list = [i_1 for i_1 in range(self.J_num)] A = 0 for gon in GJ_list: Machine_time = np.zeros(self.M_num) # 机器时间初始化 g = gon # 随机选择工件集的第一个工件 #从工件集中剔除这个工件 h = np.array(self.Matrix[g]) # 第一个工件及其对应工序的加工时间 for j in range(len(h)): # 从工件的第一个工序开始选择机器 D = np.array(h[j]) List_Machine_weizhi = [] Site=0 for k in range(len(D)): # 每道工序可使用的机器以及机器的加工时间 if D[k] == 9999: # 确定可加工该工序的机器 continue else: List_Machine_weizhi.append(Site) Site+=1 Machine_Index_add = random.choice(List_Machine_weizhi) MS[i][A] = MS[i][A] + Machine_Index_add + 1 A += 1 CHS1 = np.hstack((MS, OS)) return CHS1 if __name__=='__main__': Matrix=[ [[2,3,4,9999,9999,9999],[9999,3,9999,2,4,9999],[1,4,5,9999,9999,9999]], #第一个工件及其对应的机器加工时间 [[3,9999,5,9999,2,9999],[4,3,9999,9999,6,9999],[9999,9999,4,9999,7,11]], #第二个工件及其对应的机器加工时间 [[5,6,9999,9999,9999,9999],[9999,4,9999,3,5,9999],[9999,9999,13,9999,9,12]],#第3个，。。。。 [[9,9999,7,9,9999,9999],[9999,6,9999,4,9999,5],[1,9999,3,9999,9999,3]], #第4个，。。。。 ] Pop_size=10 J={1:3,2:3,3:3,4:3} J_num=4 M_num=6 e=Encode(Matrix,Pop_size,J,J_num,M_num) CHS1=e.Global_initial() print('CHS1----->>>') print(CHS1) CHS2 = e.Random_initial() print('CHS2----->>>') print(CHS2) CHS3 = e.Local_initial() print('CHS3----->>>') print(CHS3) 结果：
|
【本文地址】
今日新闻 |
推荐新闻 |