def construccion_GRASP(TP, ALPHA):
## Número de trabajos
num_trabajos = len(TP)
solucion = [] ## Secuencia final que será retornada
solucion_TP = [
] ## Tiempos de procesamiento de cada elemento que se guarde en solucion
## Conjunto de candidatos a ser seleccionados. Si se selecciona un candidato se removerá de candidatos
## y se agregará al conjunto solución. Inicialmente en candidatos estarán todos los trabajos i.e.
## candidatos = {1,...,num_trabajos}
candidatos = [i for i in range(1, num_trabajos + 1)]
## El siguiente ciclo selecciona en cada iteración un posible trabajo para agregarlo a la solución
## Paso 1: Determinar conjunto de makespan para cada trabajo candidato = makespan_candidatos, y obtener porcentaje de cada uno
## Paso 2: Ordenar conjunto makespan_candidatos de menor a mayor. Con el mismo criterio ordenar el conjunto de candidatos
## Paso 3: Determinar el conjuntos de porcentajes de escogencia de cada makespan
## Paso 4: Determinar conjunto RCL = {c in candidatos: pocentajes(c) < ALPHA}; Si no queda ninguno escoger el de menor makespan
## Paso 5: Seleccionar aleatoriamente un trabajo del RCL
## Paso 6: Agregrar el trabajo escogido a solución, agregar los tiempos de procesamiento del trabajo
## escogido a solucion_TP y remover el elemento de candidatos
for _ in range(num_trabajos):
## Paso1: obtener de los makespan de los candidatos
makespan_candidatos = [
] ## conjunto donde se almacenará el makespan de cada trabajo candidato
suma_makespan = 0
for candidato in candidatos:
s = copy.deepcopy(
solucion_TP
) ## Crear una copia de los tiempos de procesamiento de la solucion actual
s.append(
TP[candidato - 1]
) ## Agregar los tiempos de un posible candidato a la copia creada
m = fo.calcular_makespan_blocking(
s) ## Calcular el makespan de ese candidato
makespan_candidatos.append(m) ## Guardar el makespan
suma_makespan += m
## Paso 2: ordenar conjunto makespan_candidatos
for i in range(len(makespan_candidatos)):
for j in range(len(makespan_candidatos)):
if (makespan_candidatos[j] > makespan_candidatos[i]):
aux = makespan_candidatos[j]
makespan_candidatos[j] = makespan_candidatos[i]
makespan_candidatos[i] = aux
aux = candidatos[j]
candidatos[j] = candidatos[i]
candidatos[i] = aux
print(candidatos, makespan_candidatos)
## Paso 3: Determinar el porcentaje para la escogencia
# porcentajes = [ (i+1)*(1/(len(candidatos))) for i in range(len(candidatos)) ]
# porcentajes = [ (makespan_candidatos[i])/(suma_makespan) for i in range(len(makespan_candidatos)) ]
porcentajes = []
for i in range(len(makespan_candidatos)):
acum = 0
for j in range(i + 1):
acum += (makespan_candidatos[j]) / (suma_makespan)
porcentajes.append(acum)
print(porcentajes)
## Paso4: Determinar RCL
RCL = []
for i in range(len(makespan_candidatos)):
if (porcentajes[i] <=
ALPHA): ## Si el makespan es menor que el ALPHA
RCL.append(candidatos[i]) ## guardar el trabajo en RCL
## Si el RCL queda vacío no asignar a nadie
if (len(RCL) == 0):
RCL.append(candidatos[0])
#print(RCL)
## Paso 5: seleccionar aleatoriamente un trabajo del RCL
pos = random.randint(
1, len(RCL)
) ## Obtener una posicion aleatoria del RCL(funcion aleatorio entre arriba)
seleccion = RCL[pos - 1] ## Obtener un trabajo del RCL
## Paso 6
solucion.append(seleccion) ## Agregrar el trabajo escogido a solución
candidatos.remove(
seleccion
) ## escogido a solucion_TP y remover el elemento de candidatos
solucion_TP.append(
TP[seleccion - 1]
) ## agregar los tiempos de procesamiento del trabajo escogido a solucion_TP
return (solucion, fo.calcular_makespan_blocking(solucion_TP))
def construccion_GRASP(TP, ALPHA):
## Número de trabajos
num_trabajos = len(TP)
solucion = [] ## Secuencia final que será retornada
solucion_TP = [
] ## Tiempos de procesamiento de cada elemento que se guarde en solucion
## Conjunto de candidatos a ser seleccionados. Si se selecciona un candidato se removerá de candidatos
## y se agregará al conjunto solución. Inicialmente en candidatos estarán todos los trabajos i.e.
## candidatos = {1,...,num_trabajos}
candidatos = [i for i in range(1, num_trabajos + 1)]
## El siguiente ciclo selecciona en cada iteración un posible trabajo para agregarlo a la solución
## Paso 1: Determinar conjunto de makespan para cada trabajo candidato, el mínimo de los makespan = min_mp
## y el máximo de los makespan = max_mp
## Paso 2: Determinar conjunto RCL = {c in candidatos: makespan(c) < indicador}; indicador = min_mp + ALPHA * ( max_mp - min_mp )
## Paso 3: Seleccionar aleatoriamente un trabajo del RCL
## Paso 4: Agregrar el trabajo escogido a solución, agregar los tiempos de procesamiento del trabajo
## escogido a solucion_TP y remover el elemento de candidatos
for it in range(num_trabajos):
makespan_candidatos = [
] ## conjunto donde se almacenará el makespan de cada trabajo candidato
min_mp = 100000000000 ## variable que guardará el mínimo de los makespan
max_mp = 0 ## variable que guardará el máximo de los makespan
## Paso1
for candidato in candidatos:
s = copy.deepcopy(
solucion_TP
) ## Crear una copia de los tiempos de procesamiento de la solucion actual
s.append(
TP[candidato - 1]
) ## Agregar los tiempos de un posible candidato a la copia creada
m = fo.calcular_makespan_blocking(
s) ## Calcular el makespan de ese candidato
makespan_candidatos.append(m) ## Guardar el makespan
## Determinar mínimo makespan
if (m < min_mp):
min_mp = m
## Determinar máximo makespan
if (m > max_mp):
max_mp = m
# print("====== Iteración ", it + 1," ======")
# print("Candidatos: ", candidatos, "Cmax: ", makespan_candidatos, "Min: ", min_mp, "Max: ", max_mp)
## Paso2: Determinar RCL
indicador = min_mp + ALPHA * (max_mp - min_mp)
RCL = []
trabajo = 0
for m in makespan_candidatos:
if (m <= indicador): ## Si el makespan es menor que el indicador
RCL.append(candidatos[trabajo]) ## guardar el trabajo en RCL
trabajo += 1
# print("RCL: ", RCL,"... Menor que: ", indicador)
## Paso 3: seleccionar aleatoriamente un trabajo del RCL
pos = random.randint(
1, len(RCL)
) ## Obtener una posicion aleatoria del RCL(funcion aleatorio entre arriba)
seleccion = RCL[pos - 1] ## Obtener un trabajo del RCL
# print("Seleccionado: ", seleccion)
## Paso 4
solucion.append(seleccion) ## Agregrar el trabajo escogido a solución
candidatos.remove(
seleccion
) ## escogido a solucion_TP y remover el elemento de candidatos
solucion_TP.append(
TP[seleccion - 1]
) ## agregar los tiempos de procesamiento del trabajo escogido a solucion_TP
# print("Solucion: ", solucion, "Candidatos: ", candidatos)
return (solucion, fo.calcular_makespan_blocking(solucion_TP))