class JSSP():
def __init__(self):
"""inicializa propiedades del problema"""
self.solution = Solution() # solucion del problema
self.formatter = Formatter() # representaciones internas
self.operations = [] # lista de operaciones
self.jobs = [] # lista de tareas
self.machines = [] # lista de maquinas
self.no_machines = 0 # cantidad de maquinas
self.no_jobs = 0 # cantidad de tareas
def read_data(self, filename=""):
"""lee datos del archivo de entrada"""
# IMPORTANTE: se asume que todas las tareas tienen la misma cantidad de operaciones
# leemos los datos
with open(filename, 'r') as f:
no_jobs = int(f.readline())
mat = np.loadtxt(f, dtype=None)
# asignamos los valores a las matrices correspondientes
times_mat = mat[:no_jobs]
machines_mat = mat[no_jobs:]
# generamos estructuras internas
self.format_data(times_mat, machines_mat)
def format_data(self, times_mat, machines_mat):
"""genera representacion interna de objetos"""
# Establecemos cantidades necesarias
no_jobs = len(times_mat[:])
no_machines = len(times_mat[0])
###################### START DATA COLLECTION ########################
# just called once
if settings.options.collect_data:
settings.collector.add_data("num_jobs", no_jobs)
settings.collector.add_data("num_machines", no_machines)
###################### END DATA COLLECTION ##########################
self.no_machines = no_machines
self.no_jobs = no_jobs
# Se crean las listas de objetos
self.operations, self.jobs, self.machines = self.formatter.create_objects(
no_machines, no_jobs, times_mat, machines_mat)
def random_solution(self):
"""calcula un makespan inicial solamente con el recorrido hacia adelante"""
self.solution.find_makespan(self.jobs, self.operations, self.machines,
self.no_machines)
return self.solution
"""Archivos con pocos datos de prueba"""
#../Instances/toy/3x3_demo.txt
#../Instances/toy/4x4_demo.txt
#../Instances/toy/5x5_demo.txt
#../Instances/toy/10x10_demo.txt
"""Archivos con datos benchmark (tareas x maquinas)"""
