# Caso o consumo total seja zero nao e necessario optimizar
if Consumo_total[n] == 0:
continue
# Percorre todas as permutacoes
for idx, c in enumerate(comb):
if idx % 100000 == 0:
print "iteration %s" % idx
# Calculo do vector de combinacoes e dos consumos
[combinacoes, consumos] = utils.uns(lista, c, n_maquinas)
combinacoes = numpy.array(combinacoes)
# Dada a baixa variancia so interessam combinacoes cujo consumo seja igual ao consumo total
if s2 < 0.000001:
if Consumo_total[n]-sum(consumos) != 0:#mudar
continue
# Calculo da primeira parte do funcional de custo
custo = 1/(2*s2)*(Consumo_total[n] - sum(consumos))**2
# Calculo da segunda parte do funcional de custo
custo = custo - numpy.dot(combinacoes,numpy.log(matriz_probabilidades[n,:])) - numpy.dot((1-combinacoes,),numpy.log(1-matriz_probabilidades[n,:]))
# Armazenamento de resultados
for i in xrange(5):
if custo < best[i]:
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
for idx, c in enumerate(comb):
if idx % 100000 == 0:
print "iteration %s" % idx
# Calculo do vector de combinacoes e dos consumos
[combinacoes, consumos] = utils.uns(lista, c, n_maquinas)
combinacoes = numpy.array(combinacoes)
# Dada a baixa variancia so interessam combinacoes cujo consumo seja igual ao consumo total
if s2 < 0.000001:
if Consumo_total[n] - sum(consumos) != 0: #mudar
continue
# Calculo da primeira parte do funcional de custo
custo = 1 / (2 * s2) * (Consumo_total[n] - sum(consumos))**2
# Calculo da segunda parte do funcional de custo
custo = custo - numpy.dot(
combinacoes, numpy.log(matriz_probabilidades[n, :])) - numpy.dot(
(1 - combinacoes, ),
numpy.log(1 - matriz_probabilidades[n, :]))
print "in index: %s" % idx
if x_teste[n]-sum(c) != 0:
continue
>>>>>>> 6dfe9a391c66a04c669a984d594b3eab05a87940
# Dada a baixa variancia so interessam combinacoes cujo consumo seja igual ao consumo total
if s2 < 0.000001:
if Consumo_total-sum(c) != 0:
continue
# Calculo da primeira parte do funcional de custo
custo = 1/(2*s2)*(Consumo_total[n] - sum(c))**2
# Calculo do vector de combinacoes
combinacoes = numpy.array(utils.uns(c))
# Calculo da segunda parte do funcional de custo
custo = custo - numpy.dot(combinacoes,numpy.log(matriz_probabilidades[n,:])) - numpy.dot((1-combinacoes,),numpy.log(1-matriz_probabilidades[n,:]))
# Armazenamento de resultados
for i in xrange(5):
if custo < best[i]:
if i == 5:
best[i] = custo
optimo[n,:,i] = combinacoes
break
for m in range(0,4-i):
best[i] = custo
optimo[n,:,i]
