-
Notifications
You must be signed in to change notification settings - Fork 0
/
main.py
132 lines (106 loc) · 4.09 KB
/
main.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
from make_table import MakeTable # デバック様
from utils import *
from shift_fix_ import shift_fixer
from eval_shift import eval_shift_
if __name__ == "__main__":
d = MakeTable("main.xlsm")
Sf = shift_fixer()
Cf = CrossOver()
Ev = eval_shift_()
# 1日何人のシフトを入れるか
max_shifts_per_day = 3
# 親の保存
parent = []
# 第一世代を100個作る
for i in range(100):
# 第一世代の生成
kiso_copy, Sun, sex, trainee, gogen, shift_times = d.first_gene()
# 出勤数の修正
kiso_copy = Sf.shift_fix(kiso_copy, shift_times, Sun, sex, max_shifts_per_day)
# 評価
score = Ev.evaluation_f(kiso_copy, Sun, sex, trainee, gogen, shift_times, max_shifts_per_day)
# 第一世代を格納
parent.append([score, kiso_copy])
# 上位個体数
elite_length = 20
# 世代数
gene_length = 50
# 一様交叉確率
ep = 0.5
# 突然変異確率
sd = 0.05
# スコア更新しなかった回数保存用
best_num_flag = 0
for i in range(gene_length):
# 点数で並び替え
parent = sorted(np.array(parent, dtype=object), key=lambda x: -x[0])
# 上位個体を選別
parent = parent[:elite_length]
# 最高得点の更新
if i == 0 or top[0] < parent[0][0]:
top = parent[0]
# スコア更新時リセット
best_num_flag = 0
else:
parent.append(top)
best_num_flag += 1
# ８回最高スコア更新なかったら処理終了
if best_num_flag > 7:
print("8回最高スコアが更新されませんでした")
break
# 各世代
print("第" + str(i + 1) + "世代")
# 各世代の最高得点の表示
print(top[0])
print(np.array(top[1]))
# 子世代
children = []
# 遺伝子操作
for k1, v1 in enumerate(parent):
for k2, v2 in enumerate(parent):
if k1 < k2:
# 一様交叉
ch1, ch2 = Cf.crossover(ep, sd, v1[1], v2[1])
# 出勤数の修正
# ch1の出勤数の修正
ch1 = Sf.shift_fix(ch1, shift_times, Sun, sex, max_shifts_per_day)
# ch2の出勤数の修正
ch2 = Sf.shift_fix(ch2, shift_times, Sun, sex, max_shifts_per_day)
# 評価
score1 = Ev.evaluation_f(ch1, Sun, sex, trainee, gogen, shift_times, max_shifts_per_day)
score2 = Ev.evaluation_f(ch2, Sun, sex, trainee, gogen, shift_times, max_shifts_per_day)
# 子孫を格納
children.append([score1, ch1])
children.append([score2, ch2])
# 子を親にコピー
parent = children.copy()
x = np.array(top[1], dtype=object) # オブジェクト型の配列に変換
# 条件に基づいて値を置換
x[x == 1] = "B"
x[x == 0] = ""
x[x == 2] = "休"
x[x == 3] = "A"
x[x == 4] = "B"
num_rows, num_cols = x.shape
for kk in range(num_cols):
# 全員休みの時はスキップ
if np.sum(x[:, kk] == "休") == num_rows:
continue
# すでに5時入りがいたらスキップ
if np.any(x[:, kk] == "A"):
continue
# 女性の数をカウント
onna = np.sum((x[:, kk] == "B") & (sex == "女"))
if onna == 1:
# 女性のステータスを更新
women_indices = np.where((x[:, kk] == "B") & (sex == "女"))[0]
if women_indices.size > 0:
x[women_indices[0], kk] = "A"
elif onna in [2, 3]:
# ランダムに一人の女性のステータスを更新
women_indices = np.where((x[:, kk] == "B") & (sex == "女"))[0]
if women_indices.size > 0:
chosen_index = np.random.choice(women_indices)
x[chosen_index, kk] = "A"
z = Write_table()
za = z.write_excel(x)