CDS算法解析

CDS算法步骤

第一步导入数据

工件数	1	2	3	4	5
第1道工序在M1上所用的时间	31	19	23	13	33
第2道工序在M2上所用的时间	41	55	42	22	5
第3道工序在M3上所用的时间	25	3	27	14	57
第4道工序在M4上所用的时间	30	34	6	13	19

代码NO.1导入数据

data = data[:, np.argsort(data[0])]
#将data的第一行进行排列得到是，第一行从小到大的位置索引

#解析np.argsort（）函数
import numpy as np
a = np.array([-1, 2, 5, 3, 9, -11, 0])
arg = np.argsort(a)
输出为：
#[5 0 6 1 3 2 4]
#可以知道np.argsort（）是对数组的的安从小到大排列的index

所以代码块1表示的含义：

2	5	4
…	…	…

变成

2	4	5
…	…	…

代码NO.2按顺序排列的数组

	def group(self, data):
		data_group = np.zeros([data.shape[0] - 2, 3, data.shape[1]])
		#创建一个三维数组，3块，每块是3行5列
		for i in range(data_group.shape[0]):
		#对每一块进行循环，行进行遍历
			data_group[i, 0] = data[0]
			#data第一行的数据赋值给data_group第i页，第一行
			for j in range(data.shape[1]):
			#对data的列进行遍历
				data_group[i, 1, j] = np.sum(data[1:i + 2, j])
				#将data第1行到底i+2行相加，在第j列求和赋值给pagei的第1行j列
				data_group[i, 2, j] = np.sum(data[-i - 1:, j])
				#将data倒数第1行到倒数第i-2行相加，在第j列求和赋值给pagei的第2行j列
		return data_group

输出的data_group为：
page1：

1	2	3	4	5
31	19	23	13	33
30	34	6	13	19

page2：

1	2	3	4	5
72	74	65	35	38
55	37	33	27	76

page3：

1	2	3	4	5
97	77	92	49	95
96	92	75	49	81

代码NO.3按johnson算法

	def johnson(self, data_group):
		data_johnson = np.zeros([data_group.shape[0], data_group.shape[2]])
		#创建3行5列的二维数组
		for i in range(data_group.shape[0]):
			data_johnson[i] = johnson(data_group[i])
			#让data_group的每一块数组都进行johnson算法，
		return data_johnson
	

johnson主程序

def johnson(data, draw=0):
	"""
	:param data:3行，工序编号，机器1加工时间，机器2加工时间
	:return:
	"""
	data = data[:, np.argsort(data[0])]
	#输入数据
	new = Johnson()
	P, Q = new.group(data)#将数据产生P/Q两组
	P, Q = new.sort(P, Q)#分类
	data_johnson = new.combine(P, Q)
	#在组合P、Q数据，形成新的数据

分组：

	def group(self, data):
		P = data[:, np.where(data[1] < data[2])[0]]
		Q = data[:, np.where(data[1] >= data[2])[0]]
		return P, Q

分类：

	def sort(self, P, Q):
		P = P[:, np.argsort(P[1])]
		Q = Q[:, np.argsort(-Q[2])]
		return P, Q

拼接：

	def combine(self, P, Q):
		try:
			data = np.hstack([P, Q])
		except ValueError:
			data = P
		data_johnson = data[0]#得到零件的加工序列
		return data_johnson

代码NO.4根据johnson算法德到的序，在根据makespan选择一个最好的序

	def select(self, data, data_johnson):
		data_johnson = np.array(data_johnson, dtype=int) - 1
		data_best = data_johnson[0]#先保存第一个序列，作为初始值
		for i in range(1, data_johnson.shape[0]):#对每个序进行遍历
			if makespan_value(data[:, data_best]) > makespan_value(data[:, data_johnson[i]]):#比较makespan
				data_best = data_johnson[i]#保存最小的makespan
		data_best += 1
		return data_best

总结一下下：

9.27日主要对CDS算法进行了代码解析，CDS算法简言之就是在进行赛选序，筛选的核心就是根据每道工序的完成时间的和进行的，用了多个列表进行保存，最好排序np.argsort这个函数