def ATCS_APD(jobs: list,
machines: list,
setup_times: list,
tao: float = 0.5,
R: float = 0.8):
""" ATCS_APD mette insieme l'ATCS index e l'APD, dato che APD tiene conto
in maniera più precisa dei setup times
Args:
jobs (list): [description]
machines (list): [description]
setup_times (list): [description]
tao (float, optional): [description]. Defaults to 0.5.
R (float, optional): [description]. Defaults to 0.8.
"""
# calcolo s come media dei setup times
# calcolo p come media dei processing times
s = Spec.get_setup_time_avg(setup_times)
p = Job.get_processing_time_avg(jobs)
# calcolo parametri di ATCS
K1 = 1.2 * np.log(len(jobs) / len(machines)) - R
#if tao<0.5 or (nano<0.5 and micro>0.5):
if tao < 0.5:
K1 -= 0.5
A2 = 1.8 if tao < 0.8 else 2.0
K2 = tao / (A2 * math.sqrt(s / p))
wi = 1
U = deepcopy(jobs)
print_schedule_d(machines, 2)
# step 0 - Calcolo l'APD per ogni job e setto t=0
apds = APD(U, setup_times)
t = 0
# Step 1 - Prendo la macchina libera al tempo t, poi
# Per ogni job non schedulato:
# a. Calcolo l'ATCS_APD index
# b. Assegno alla macchina selezionata il job con ATCS_APD index maggiore
# c. Imposto t come il loading machine
print_d("Index APD_ATCS:", 3)
while U:
I_i = dict()
# prendo la macchina libera al tempo t
k = Machine.free_machine_at_t(machines, t)
# job_j è l'ultimo job processato dalla macchina selezionata. Serve per il setup time
job_j = k._jobs[-1] if k._jobs else None
# a. calcolo l'ATCS_APD index
for job_u in U:
apd_i = apds[job_u]
I_i[job_u] = ((wi / job_u._processing_time) * math.exp(
-max(job_u._due_date - job_u._processing_time - t, 0) /
(K1 * p)) * math.exp(-Job.get_setup_time(job_j, job_u) /
(K2 * s)) * math.exp(-1 / (apd_i * s)))
I_i = dict(sorted(I_i.items(), key=lambda item: item[1], reverse=True))
# b. assegno alla macchina il job con index maggiore alla macchina
for j in I_i:
# c. imposto il tempo t al loading time
t = k.get_free_time() + Job.get_setup_time(job_j, j)
print_d(j, 3)
k._jobs.append(j)
U.remove(j)
break
print_d("Scheduling APD_ATCS:", 3)
print_schedule_d(machines, 3)
def ATCS(jobs, machines, setup_times, tao=0.9, R=0.2):
""" Calcola l'ATCS index, che tiene conto dei setup times, oltre che
il processing time ed il due date
Args:
jobs (list): [description]
machines (list): [description]
setup_times (list): [description]
tao (float, optional): [description]. Defaults to 0.5.
R (float, optional): [description]. Defaults to 0.8.
"""
# calcolo s come media dei setup times
# calcolo p come media dei processing times
s = Spec.get_setup_time_avg(setup_times)
p = Job.get_processing_time_avg(jobs)
# calcolo parametri di ATCS
K1 = 1.2 * np.log(len(jobs) / len(machines)) - R
#if tao<0.5 or (nano<0.5 and micro>0.5):
if tao < 0.5:
K1 -= 0.5
A2 = 1.8 if tao < 0.8 else 2.0
K2 = tao / (A2 * math.sqrt(s / p))
wi = 1
U = deepcopy(jobs)
print_schedule_d(machines, 2)
# Step 1 - Prendo la macchina libera al tempo t, poi
# Per ogni job non schedulato:
# a. Calcolo l'ATCS index
# b. Assegno alla macchina selezionata il job con ATCS_APD index maggiore
print_d("Index ATCS:", 2)
while U:
I_i = dict()
# prendo la macchina libera al tempo t
k = Machine.first_machine_avaible(machines)
# job_j è l'ultimo job processato dalla macchina selezionata. Serve per il setup time
job_j = k._jobs[-1] if k._jobs else None
# a. calcolo l'ATCS index
for job_u in U:
tmp_machine = deepcopy(k)
tmp_machine._jobs.append(job_u)
t = tmp_machine.get_free_time()
I_i[job_u] = ((wi / job_u._processing_time) * math.exp(
-max(job_u._due_date - job_u._processing_time - t, 0) /
(K1 * p)) * math.exp(-Job.get_setup_time(job_j, job_u) /
(K2 * s)))
I_i = dict(sorted(I_i.items(), key=lambda item: item[1], reverse=True))
# b. assegno alla macchina il job con index maggiore alla macchina
for j in I_i:
print_d(j, 2)
k._jobs.append(j)
U.remove(j)
break
print_d("Scheduling ATCS:", 2)
print_schedule_d(machines, 2)
