【python3】任务分配问题

一、实验目的

二、实验要求

三、实验题目

四、实验环境

本文的编程环境为Ubantu16.04。
本文的编程语言为python3.7。

五、实验分析与设计思路

本实验采用的是矩阵的方式进行计算，但是其中包含了列表的计算方法，矩阵的相乘。
主要采用的程序：
np.array([])生成一个想要的数组 包括列向量,和行向量。
b=numpy.array([b]).T 行向量转成列向量。
a.dot(b) 向量的乘法。
a*b 只是对应相乘不是矩阵的乘法。
a[[1,2],:]=a[[2,1],:] 矩阵的一二两行对调。
左乘单位行向量再乘以已知矩阵再乘以变换矩阵再乘以单位列向量。

六，程序源码

#本实验要求计算利润的最小值杠杠简单
#本次实验打算采用矩阵的方式,不懂勿扰
#np.array([])生成一个想要的数组 包括列向量,和行向量
#b=numpy.array([b]).T 行向量转成列向量
#a.dot(b) 向量的乘法
#a*b	只是对应相乘不是矩阵的乘法
#a[[1,2],:]=a[[2,1],:]  矩阵的一二两行对调
#左乘单位行向量再乘以已知矩阵再乘以变换矩阵再乘以单位列向量
#========================================================================
#智能优化算法---计算工作分配方案(原创)
#作者:Vince
#版本号:1.0
#创作日期:2018.10.31
#如需转载,请电联.
#耗时:4h
#=========================================================================

import random
import math
import numpy as np
import copy
import numpy as np
import matplotlib.pyplot as plt

class Min(object):
	def __init__(self,newList = [],n=5):
		self.newList = newList #初始列表工作的选择
		self.diag = np.identity(5) #生成一个五维单位矩阵
		self.dhxl = np.array([1,1,1,1,1]) #单位行向量
		self.dlxl = np.array([[1],[1],[1],[1],[1]])#单位列向量
		self.value = 0#每一次的报酬
		self.bestvalue = 100000 #每一次初始种群的最佳报酬
		self.bestchoice = np.identity(5) #每一次的初始种群的最佳方案
		self.empty = [[-1,-1]] #禁忌表
		self.n=n #人数或工作的量
		self.num = (((self.n-1)+1)*4/2) #计算循环次数
		self.bestdiag=np.identity(5)

	def Pso(self):
		self.empty = [[-1,-1]]
		self.diag = self.bestdiag
		self.value = self.bestvalue 
		i = 0
		while i < 10:		
			index1 = random.randint(0,4) #生成初始种群需要互换的两行
			index2 = random.randint(0,4)			
			if (index1,index2)!=self.empty[-1] and (index2,index1)!=self.empty[-1] and index1!=index2:#比对禁忌表中是否存在			
				self.empty.append((index1,index2))#将互换两行的行号放入禁忌表
				self.diag[[index1,index2],:] = self.diag[[index2,index1],:]#将两行互换
				self.value = self.Cul(self.diag)#计算报酬				
				if self.value < self.bestvalue:#
					self.bestvalue = self.value
					self.bestdiag = self.diag
					self.bestchoice = self.newList*self.bestdiag
				i += 1
		# print(self.empty)				

	def Cul(self,diag):						
		diag = self.newList*diag		
		diag = self.dhxl.dot(diag)
		value = diag.dot(self.dlxl)
		return value

	def getValue(self):#返回局部最佳值
		return self.bestvalue

	def  getchoice(self):#返回局部最佳方案
		return self.bestchoice		

def main(turn):	
	newList = np.array([[90,75,75,80,60],[35,85,55,65,48],[125,95,90,105,100],[45,110,95,105,98],[76,64,57,88,90]])
	num = 5	
	tbv = []
	tbc = []
	i=0
	min = Min(newList,num)	
	while i<turn:						
		min.Pso()
		value = min.getValue()
		tbv.append(value)
		choice = min.getchoice()
		tbc.append(choice)
		print('这是第%d次选择'%(i+1))
		print('报酬的最小值:%d'%value)
		print('最佳选择为:')
		print(str(choice))		
		i += 1
	# print('\n')
	
	nb=copy.deepcopy(tbv)

	nb.sort() #将所有的局部最佳值进行排序
	
	i = 0
	while i<turn:
	 	if tbv[i][0] == nb[0][0]:
	 		break
	 	i += 1 
	print('全局报酬最优解:%d'%tbv[i])
	print('最佳选择为:')
	print(str(tbc[i]))
	return tbv[i][0]
# main(10)

def psoPlot():
	x = []
	y = []
	i=1
	while i< 50:
		tc = main(i)
		#x轴 y轴
		x.append(i)
		y.append(tc) 
		print(i)
		i += 1
	#创建绘图对象，figsize参数可以指定绘图对象的宽度和高度，单位为英寸，一英寸=80px
	plt.figure(figsize=(8,8))
	#在当前绘图对象进行绘图（两个参数是x,y轴的数据）
	plt.plot(x, y, linewidth = '1', label = "test",color='#054E9F', linestyle=':', marker='|')
		 
	plt.xlabel("time(s)") #X轴标签
	plt.ylabel("value(m)") #Y轴标签
	plt.title("A simple plot") #标题
	#保存图象
	# plt.savefig("easyplot.png")
	plt.legend()
	plt.show()

psoPlot()

七，运行结果

八，程序原图