def exploration_voisinage(solution, n=1, max_depth=6, crit_stagnation=50):
"""
Explore le voisinage d'une solution
:param solution: Solution
:param n: int
:param max_depth: int
:param crit_stagnation: double
:return: DiGraph
"""
graph = nx.MultiDiGraph()
temps1 = time.time()
ecart = 10
Fichier = Logger(
solution.instance, "exploration_voisinage", **{
"n": n,
"max_depth": max_depth,
"crit_stagnation": crit_stagnation,
"Séquence de départ": solution.sequence
})
to_be_explored = []
solution.voisinage()
opti = solution.makeSpan
to_be_explored.append(solution)
graph.add_node(solution.nom, makespan=solution.makeSpan)
depth, alert, compt = 0, 0, 0
explored = []
best = solution.sequence
while to_be_explored:
if depth < max_depth:
if alert == crit_stagnation:
Fichier.addLine("Stagnation du makespan")
break
else:
depth = to_be_explored[0].depth
to_be_explored, explored, make_min, seq = explore_deeper(
depth, to_be_explored, explored, graph, n, Fichier)
if make_min < opti:
alert = 0
opti = make_min
best = seq
else:
alert += 1
compt += 1
else:
Fichier.addLine("Profondeur atteinte")
break
temps = time.time() - temps1
Fichier.makespanFile(opti, best)
Fichier.itFile(compt)
Fichier.tpsFile(temps)
return graph
def main_genetique(nom, ratiovoisin=0.5, selec=100, random=False, crois=100,
alpha=0.85, duel=True, gene=100, beta=0.15, withplot=False):
pop = Population(nom)
temps1 = time.time()
temps2, temps_opti = 0, 0
alert = 0
meanfit = []
maxfit = []
genese(crois, pop, ratio_voisin=ratiovoisin)
fichier = Logger(pop.instance, "algo_génétique",
**{"% de voisins de SPT et LPT": ratiovoisin, "Nombre selection": selec,
"Type de selection (random)": random, "Nombre croisement": crois,
"% de croisement": alpha, "Type de croisement (duel)": duel,
"Nombre génération": gene, "Facteur de mutation": beta, "Seed": pop.hash})
while pop.generation <= gene and temps2 < 900 and alert < int(gene * 0.3):
print("Géneration: ", pop.generation, file=open(fichier.location, 'a'))
evaluation(pop)
selection(pop, selec, random=random)
meanfit.append(pop.MeanFit())
maxfit.append(pop.MaxFit())
croisement(pop, alpha=alpha, beta=beta, duel=duel, n=crois)
evaluation(pop)
if pop.change:
alert = 0
print("==========================Nouvel elite !==========================",
file=open(fichier.location, 'a'))
print(pop.elite, file=open(fichier.location, 'a'))
temps_opti = time.time() - temps1
pop.change = False
else:
alert += 1
temps2 = time.time() - temps1
fichier.makespanFile(pop.elite.cout, pop.elite.sequence)
fichier.fitOverTIme(meanfit, maxfit)
fichier.tpsFile(temps_opti, "Optimum trouvé au bout de: ")
fichier.tpsFile(temps2, "Temps total: ")
if withplot:
plot_genetique_fitness(meanfit, maxfit, fichier)
return meanfit, maxfit, temps_opti