# Vector com o numero de submaquinas de cada maquina
n_maquinas = mat_file["n_maquinas"][0].tolist()
# Vector com o consumo de cada submaquina
pesos = mat_file["pesos"].tolist()[0]
# Variaveis auxiliares
l = scipy.shape(pesos)[0]
t = scipy.shape(Consumo_total)[0]
# Matriz de armazenamento dos resultados de cada problema
optimo = scipy.zeros([t,l,5])
# Geracao da lista de permutacoes
[lista,comb] = utils.calc_comb(n_maquinas, pesos)
# Minimizacao
for n in range(0,1):
print "in problem %s" % n
a = 0;
best =[float('Inf')]*5
# Caso o consumo total seja zero nao e necessario optimizar
if Consumo_total[n] == 0:
continue
# Percorre todas as permutacoes
# Vector com o numero de submaquinas de cada maquina
n_maquinas = mat_file["n_maquinas"][0].tolist()
# Vector com o consumo de cada submaquina
pesos = mat_file["pesos"].tolist()[0]
# Variaveis auxiliares
l = scipy.shape(pesos)[0]
t = scipy.shape(Consumo_total)[0]
# Matriz de armazenamento dos resultados de cada problema
optimo = scipy.zeros([t, l, 5])
# Geracao da lista de permutacoes
[lista, comb] = utils.calc_comb(n_maquinas, pesos)
# Minimizacao
for n in range(0, 1):
print "in problem %s" % n
a = 0
best = [float('Inf')] * 5
# Caso o consumo total seja zero nao e necessario optimizar
if Consumo_total[n] == 0:
continue
# Percorre todas as permutacoes
# Vector com o numero de submaquinas de cada maquina
n_maquinas = mat_file["n_maquinas"]
# Vector com o consumo de cada submaquina
pesos = mat_file["pesos"].tolist()[0]
# Variaveis auxiliares
l = scipy.shape(pesos)[0]
t = scipy.shape(Consumo_total)[0]
# Matriz de armazenamento dos resultados de cada problema
optimo = scipy.zeros([t,l,5])
# Geracao da lista de permutacoes
list = utils.calc_comb(pesos)
# Minimizacao
for n in range(0,1):
print "in problem %s" % n
a = 0
b = 0
combinacoes = scipy.zeros(l)
best =[float('Inf')]*5
# Caso o consumo total seja zero nao e necessario optimizar
if Consumo_total[n] == 0:
continue
