python遗传算法解决分配问题

import numpy as np
import random
import matplotlib.pyplot as pltdef get_rand():select = [x for x in range(10)]random.shuffle(select)return selecttime = np.array([[82, 16, 66, 71, 44, 28, 76, 85, 36, 8],[91, 98, 4, 4, 39, 68, 26, 26, 84, 6],[13, 96, 85, 28, 77, 66, 51, 82, 59, 54],[92, 49, 94, 5, 80, 17, 70, 25, 55, 78],[64, 81, 68, 10, 19, 12, 90, 93, 92, 94],[10, 15, 76, 83, 49, 50, 96, 35, 29, 13],[28, 43, 75, 70, 45, 96, 55, 20, 76, 57],[55, 92, 40, 32, 65, 35, 14, 26, 76, 47],[96, 80, 66, 96, 71, 59, 15, 62, 39, 2],[97, 96, 18, 4, 76, 23, 26, 48, 57, 34]])
'''种群数量'''
magnit = 100
'''工人数量'''
pop = (time.shape)[1]
'''初始化群体'''
# print(pop)
rang = np.zeros((magnit, pop), int)
# print(rang)
# print(type(rang[1][1]))
for i in range(magnit):select = [x for x in range(10)]random.shuffle(select)rang[i, :] = select# print(rang)def cal_time(rang, time, pop):sum_time_pop = []for choice in rang:single_array_sum_time = 0for i in range(pop):cut = choice[i]single_array_sum_time += time[cut][i]sum_time_pop.append(single_array_sum_time)sum_time_pop = np.array(sum_time_pop).reshape(-1, 1)num = sum_time_pop.shape[0]return sum_time_pop, numcount = 0
bestpop = []
while count < 100:'''计算每一种分配的总时间'''sum_time_pop = []for choice in rang:single_array_sum_time = 0for i in range(pop):cut = choice[i]single_array_sum_time += time[cut][i]sum_time_pop.append(single_array_sum_time)sum_time_pop = np.array(sum_time_pop).reshape(-1, 1)num = sum_time_pop.shape[0]# print(sum_time_pop)'''排序'''index = np.argsort(sum_time_pop, 0)sum_time_pop = sum_time_pop[index].reshape(num, 1)[0:magnit, :]rang = rang[index].reshape(num, pop)[0:magnit, :]'''计算适值和适应度'''fit = 1000 - sum_time_pop[:]  # 适值fitplus = np.cumsum(fit).reshape(-1, 1)  # 适值向下叠加# print(fitplus[magnit-1, :])fitlevelplus = fitplus[:] / fitplus[magnit - 1, :]  # 适应度向下叠加fitlevelplus = np.insert(fitlevelplus, 0, np.array([0]), 0)  # 在第一行添加0# print(fitlevelplus)# a = (np.shape(fitlevelplus))[0]'''选择'''newchoose = []new_sum_time = []for _ in range(magnit):rand = random.random()for row in range(magnit):if rand > fitlevelplus[row, :] and rand < fitlevelplus[row + 1, :]:newchoose.append(rang[row, :])new_sum_time.append(sum_time_pop[row, :])continuenewchoose = np.array(newchoose)prechoose = newchoose.copy()new_sum_time = np.array(new_sum_time)# print(newchoose)# print((np.shape(newchoose))[0])# print(new_sum_time)'''交叉'''pc = 0.8for row in range(0, (np.shape(newchoose))[0], 2):if pc > random.random():gen_1 = newchoose[row, :].copy()gen_2 = newchoose[row + 1, :].copy()select = [x for x in range(10)]random.shuffle(select)r1 = select[0]r2 = select[1]r1, r2 = min(r1, r2), max(r1, r2)cr1, cr2 = gen_1[r1:r2 + 1].copy(), gen_2[r1:r2 + 1].copy()# print(r1, r2, cr1, cr2)for site in range(r2 - r1 + 1):s1 = np.where(gen_1 == cr2[site])gen_1[s1] = (gen_1[r1:r2 + 1])[site].copy()a = gen_1for site in range(r2 - r1 + 1):s2 = np.where(gen_2 == cr1[site])gen_2[s2] = (gen_2[r1:r2 + 1])[site].copy()b = gen_2gen_1[r1:r2 + 1] = cr2.copy()gen_2[r1:r2 + 1] = cr1.copy()newchoose[row, :] = gen_1.copy()newchoose[row + 1, :] = gen_2.copy()'''变异'''pm = 0.1for row in range(0, (np.shape(newchoose))[0]):if pm > random.random():select = [x for x in range(10)]random.shuffle(select)r1 = select[0]r2 = select[1]gen = newchoose[row, :]gen[r1], gen[r2] = gen[r2], gen[r1]newchoose[row, :] = gen.copy()# print(r1,r2,gen[r1],gen[r2])# print(newchoose,'--------')# print(prechoose)rang = np.append(prechoose, newchoose, 0)bestpop.append(sum_time_pop[0, :])count += 1# print(rang.shape)
bestpop = np.array(bestpop)
# print(bestpop)
print(sum_time_pop[0, :])
print(rang[0, :])x = [a for a in range(1,101)]
y = bestpop
plt.plot(x,y)
plt.xlabel('迭代次数')
plt.ylabel('总时间')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.show()

运行结果：

最短时间：138
分配情况：2 0 1 9 4 3 7 6 5 8（0~9）

python遗传算法解决分配问题相关推荐

python遗传算法解决分段线性约束问题
问题描述模型分析带有分段约束和max最值,导致使用一般的线性规划pulp问题进行求解会比较麻烦如果将分段约束转化为0/1整数规划,其余变量uiu_iui未必还是整数,就涉及混整问题相对麻烦, ...
遗传算法解决tsp问题（基于python）
目录 1.遗传算法简要介绍 2.tsp问题简要介绍 3.遗传算法解决tsp问题的几个特殊点 4.源码 1.遗传算法简要介绍简单来说,遗传算法是用于解决最优化问题的一种搜索算法.其核心基于自然界种群进 ...
遗传算法解决旅行商问题（Python版）
完整代码点这里遗传算法解决旅行商问题(Python版) 一.问题描述 TSP问题(Travelling Salesman Problem)即旅行商问题,又译为旅行推销员问题.货郎担问题,是数学领域中 ...
如何使用Python轻松解决TSP问题（遗传算法）
文章目录前言 TSP问题枚举智能算法策略算法数据样例遗传算法算法流程繁殖交叉变异选择逆转代码 TSP遗传算法种群表示交叉,变异代码运行结果总结前言临时接到一个 ...
遗传算法解决寻路问题——Python描述
概要我的上一篇写遗传算法解决排序问题,当中思想借鉴了遗传算法解决TSP问题,本质上可以认为这是一类问题,就是这样认为:寻找到一个序列X,使F(X)最大. 详解介绍排序问题:寻找一个序列,使得这个序 ...
python 遗传算法字符串_遗传算法——Python
好久没写博客了,最近看了个东西,觉得不错,整理了一下: 遗传算法遗传算法 ( GA , Genetic Algorithm ) ,也称进化算法 . 遗传算法是受达尔文的进化论的启发,借鉴生物进化过程 ...
使用遗传算法解决图着色问题
使用遗传算法解决图着色问题图着色问题描述应用解的表示形式图着色问题中的约束条件利用python实现问题创建遗传算法解决图着色问题常量及遗传算子定义使用精英主义策略遗传流程结果使 ...
使用遗传算法解决N皇后问题
使用遗传算法解决N皇后问题 N皇后问题解的表示问题的表示遗传算法解决N皇后问题常量及遗传算子定义使用精英主义策略遗传流程结果 N皇后问题经典的N皇后问题最初被称为八皇后拼图,起源于国际 ...
Python 遗传算法实现字符串
Python 遗传算法实现字符串流程 1. 初始化 2. 适应度函数 3. 选择 4. 交叉 5. 变异适应度函数计算方法计算个体间的差:分别计算每个元素与目标元素的差取平方和种群:计算总体均 ...
写一个用遗传算法解决VRP问题的代码
下面是一个使用 Python 实现的遗传算法解决 VRP 问题的代码示例: ``` import random import numpy as np class VRP: def init(self, ...

python遗传算法解决分配问题

python遗传算法解决分配问题

python遗传算法解决分配问题相关推荐

最新文章

热门文章