Readme
运行环境:
Win10+python3.7.3
IDE:Pycharm
分析设计:
有n份作业分配给n个人去完成,每人完成一份作业。
假定第i个人完成第j份作业需要花费cij时间,cij>0,1≦i,j≦n。试设计一个分支界限算法,将n份作业分配给n个人完成,使得总花费时间最少。
这是一个寻找最优解的问题,通常的解决办法就是穷举出所有结果,找出最优解。分支界限算法是为了有效的避免穷举结果,这是一个广度优先的搜索操作
数据结构:
输入数据来源于文件:input_assign04_01.dat. input_assign04_02.dat. input_assign04_03.dat. input_assign04_04.dat. input_assign04_05.dat. input_assign04_06.dat. input_assign04_07.dat.
Node 类:
self.deep = 0 # 标记该节点的深度
self.cost = 0 # 标记到达该节点的总消费
self.father = None # 标记该节点的父节点
self.value = 0 # 本节点的消费值
self.worker = None # 本节点的该任务由第几位工人完成
Node类用来存放分支树上的所有有效节点
Worker 类:
max = 0 # 上界 通过贪心算法找出近似值
min = 0 # 下界 由每组的最小值组成
pt_nodes = [] # 存放可扩展的节点 FIFO
pt_flag = 0 # 标记队列是否被使用 用于结束算法
input_file = ‘’ # 输入文件名
output_file = ‘’ # 输出文件名
matrix = [] # 存放数据矩阵 行为单个任务 每个工人 完成所要的时间
n = 0 # 数据矩阵的大小 n*n
min_leaf_node = None # 消耗最小的节点
function:
read_data_from_file 从文件中读取数据
get_low_limit 计算下界
get_up_limit 计算上界
branch_limit 执行分支界限算法
output_result 结果输出到文件
算法思路:
1 将数据用n*n的矩阵来描述 M[i,j]表示第i个任务由第j位工人完成所耗时间
2 使用贪心算法计算一个近似的最优解作为上界
3 最小值求和法得到最优解的下界
4 针对第一个任务,检查每人的耗时是否超过上界,是则舍弃,否则创建节点加入队列
5 开始处理队列元素,先进先出,如果是子节点,判断是否是最优节点,否则 检查累积上下一个任务每人的耗时后是否超过上界,否则继续创建节点加入队列,是则舍弃
6 当队列处理完毕后,层层遍历最优节点的father节点,输出结果
代码
from time import sleep
#分支算法执行类
class Worker:
# 初始化参数
def __init__(self, input_file, output_file):
max = 0 # 上界 通过贪心算法找出近似值
min = 0 # 下界 由每组的最小值组成
pt_nodes = [] # 存放可扩展的节点
pt_flag = 0 # 标记队列是否被使用 用于结束算法
matrix = [] # 存放数据矩阵 行为单个任务 每个工人 完成所要的时间
n = 0 # 数据矩阵的大小 n*n
min_leaf_node = None # 消耗最小的节点
self.max = max
self.min = min
self.pt_nodes = pt_nodes
self.pt_flag = pt_flag
self.input_file = input_file
self.output_file = output_file
self.matrix = matrix
self.n = n
self.min_leaf_node = min_leaf_node
self.read_data_from_file()
self.n = len(self.matrix)
self.get_low_limit()
self.get_up_limit()
# 从文件中读取数据 初始化数据矩阵
def read_data_from_file(self):
with open(self.input_file) as source:
for line in source:
data_cluster = line.rstrip().split(' ')
temp = []
for value in data_cluster:
temp.append(int(value))
self.matrix.append(temp)
# 获取数据下界 最小值之和
def get_low_limit(self):
for i in range(self.n):
self.min += min(self.matrix[i])
# 获取数据上界 贪心算法
def get_up_limit(self):
# 初始化工人使用标记
worker_mark = []
for i in range(self.n):
worker_mark.append(0)
# 贪心算法 取得 近似最优解
for i in range(self.n):
temp = self.matrix[i]
min_value = 5000
index = 0
for k in range(self.n):
if worker_mark[k] == 0 and min_value > temp[k]:
min_value = temp[k]
index = k
worker_mark[index] = 1 # 标记工人是否被分配
self.max += min_value # 累积上限值
# 分支界限算法
def branch_limit(self):
if self.pt_flag == 0: # 从第一层开始
for i in range(self.n):
time = self.matrix[0][i]
if time <= self.max: # 没达到上限,创建节点,加入队列
node = Node()
node.deep = 0
node.cost = time
node.value = time
node.worker = i
self.pt_nodes.append(node)
self.pt_flag = 1
while self.pt_flag == 1: # 永久循环 等队列空了在根据条件判断来结束
if len(self.pt_nodes) == 0:
break
temp = self.pt_nodes.pop(0) # 先进先出
present_node = temp
total_cost = temp.cost
present_deep = temp.deep
# 初始化工人分配标记
worker_mark = []
for i in range(self.n):
worker_mark.append(0)
# 检查本节点下的作业分配情况
worker_mark[temp.worker] = 1
while temp.father is not None:
temp = temp.father
worker_mark[temp.worker] = 1
if present_deep + 1 == self.n: # 最后一排的叶子节点 直接分配结果
if self.min_leaf_node is None:
self.min_leaf_node = present_node
else:
if self.min_leaf_node.cost > present_node.cost:
self.min_leaf_node = present_node
else:
children = self.matrix[present_deep + 1]
# 检查本节点的子节点是否符合进入队列的要求
for k in range(self.n):
if children[k] + total_cost <= self.max and worker_mark[k] == 0:
node = Node()
node.deep = present_deep + 1
node.cost = children[k] + total_cost
node.value = children[k]
node.worker = k
node.father = present_node
self.pt_nodes.append(node)
# 输出算法执行的结果
def output_result(self):
file = open(self.output_file,'a')
temp = self.min_leaf_node
file.write('最少工作时间为:' + str(temp.cost) + '\n')
print('最少工作时间为:',str(temp.cost))
file.write('第'+str(temp.worker+1) + '位工人完成第'+str(temp.deep+1) + '份工作\n')
print('第{}位工人完成第{}份工作'.format(temp.worker+1,temp.deep+1))
while temp.father is not None:
temp = temp.father
file.write('第' + str(temp.worker + 1) + '位工人完成第' + str(temp.deep + 1) + '份工作\n')
print('第{}位工人完成第{}份工作'.format(temp.worker + 1, temp.deep + 1))
return temp.cost
# 分支节点类
class Node:
def __init__(self):
self.deep = 0 # 标记该节点的深度
self.cost = 0 # 标记到达该节点的总消费
self.father = None # 标记该节点的父节点
self.value = 0 # 本节点的消费值
self.worker = None # 本节点的该任务由第几位工人完成
# 主函数
def main():
for i in range(7):
input_file = 'input_assign05_0{}.dat'.format(i+1)
output_file = 'output_0{}.dat'.format(i+1)
# 初始化算法执行类
worker = Worker(input_file, output_file)
# 执行分支界限算法
worker.branch_limit()
# 输出结果
print('第{}组输入'.format(i + 1))
worker.output_result()
sleep(300)
# 算法启动
if __name__ == '__main__':
main()