pie68/crossover.py at master · aymiem/pie68 · GitHub

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
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import pandas as pd
import numpy as np
import csv
import shutil
import random
from constantes import paths
from transf import transf_NumbtoMission, transf_Mission2Numb


def crossover(input_dict, children_gen):

    # prend 3 plannings en entrée (meilleur, moyen et pire) dans un dictionnaire
    # ex : {'best': '0', 'worst': '12', 'median': '14'}

    # Meilleur avion en fonction de l'indicateur choisi et dictionnaire avec temps et mission/maint ou on a une difference entre les 3 plannings
    avion, dic_chg = calculs(input_dict)
    print("calculs ok")
    #genere les deux plannings
    dfs = generateur(avion,2,2,dic_chg,children_gen)

    return dfs

 #Calcule l'avion qui a le plus d'influence pour l'indicateur choisi
def calculs(sols):
    df = {}

    for key, num in sols.items() :

        print('analyse planning ' + key + num)

        df[num], dic_miss = transf_Mission2Numb(paths.solutions_path +'solution'+str(num)+'.csv')

        #Transformation des noms des missions et maint en numeros pour pouvoir calculer des covariances
        #Pas "automatique" pour l'instant, le sera avec ce qu'a fait Guillaume
        #df[num] = df[num].replace(['NANCY_D','NDJAMENA_D','LUXEUIL_5F',"NIAMEY_D","ORANGE_C","DJIBOUTI_5F","MARSAN_5F","CHAMMAL_D","MARSAN_D","MARSAN_C","NIAMEY_C","ORANGE_B","V5","V10","V15","V20","V25","V30","-"],[1001,1002,1003,1004,1005,1006,1007,1008,1009,1010,1011,1012,1013,1014,1015,1016,1017,1018,1019])
        #df[num] = df[num].replace(['NANCY_D','NDJAMENA_D',"NIAMEY_D","CHAMMAL_D","MARSAN_D","V5","V10","V15","V20","V25","V30","-"],[1001,1002,1004,1008,1009,1013,1014,1015,1016,1017,1018,1019])

        #df[num] = df[num].fillna(0)
        #print(df[num])
    #print(df , dic_miss)
    #Calcul du nb total d'avions
    total_rows = len(df[sols["best"]])
    #print(total_rows)
    #print("prueba")

    #Dict avec les covariances entre avions (ex:cov[1] represente la covariance de l'avion 1 (D602) pour les 3 plannings)
    cor = {}

    #On prend la ligne i de chacun des 3 plannings, on les stack et on calcule la cov
    for i in range (0,total_rows):
        x = np.vstack([df[sols["best"]].iloc[i,1:],df[sols["median"]].iloc[i,1:],df[sols["worst"]].iloc[i,1:]])
        cor[i] = np.corrcoef(x.astype(float))


    #On calcule le minimum qui nous donnera l'avion qui a le plus d'impact
    dif = {}
    #dife = {}
    for i in cor:
        dif[i] = (np.abs(cor[i].item(3))+np.abs(cor[i].item(7)))/2
        #dife[i] = np.abs(cor[i].item(6))

    #print(dif)
    #print(dife)

    dif_sorted = sorted(dif.items(), key=lambda kv: kv[1], reverse=False)

    val = min(dif, key=lambda i: dif[i])

    #Donne l'avion correspondant au minimum calculé
    avion = df[sols["best"]].iloc[val][0]
    #val = min(dife, key=lambda i: dife[i])

    #On concatenate les 3 lignes correspondant à l'avion choisi, chacune des 3 étant celle du meilleur, moyen et pire planning
    liste = []
    # values = ["meilleur", "moyen", "pire"]
    # dictionaire = dict(zip(sel, values))
    for key, num in sols.items():
        df[num]=df[num].replace(df[num].iloc[val][0], key)
        liste.append(df[num].loc[val:val])

    #print(liste)

    result = pd.concat(liste, ignore_index=True)

    #Dictonnaire missions/numero
    #missions = ["NaN",'NANCY_D','NDJAMENA_D','LUXEUIL_5F',"NIAMEY_D","ORANGE_C","DJIBOUTI_5F","MARSAN_5F","CHAMMAL_D","MARSAN_D","MARSAN_C","NIAMEY_C$50","ORANGE_B$23","V5","V10","V15","V20","V25","V30","-"]
    #numero = [0,1001,1002,1003,1004,1005,1006,1007,1008,1009,1010,1011,1012,1013,1014,1015,1016,1017,1018,1019]
    #dic_miss = dict(zip(missions, numero))

    #On regarde à quel pas de temps il y'a une difference pour cet avion pour les 3 plannings
    dic_chg = {}
    for column in result.columns[1:]:

        if (result[column][0] != result[column][1] != result[column][2]):
            valeur= result[column][0]
            mission= list(dic_miss.keys())[list(dic_miss.values()).index(valeur)]
            dic_chg[column] = mission

    av = 0


    while (len(dic_chg) == 0) and (av < 20):
        #print("step recherche with avion",av + 1)
        av = av + 1
        avion_val = dif_sorted[av]
        avion = df[sols["best"]].iloc[avion_val[0]]

        liste = []


        for key, num in sols.items():
            df[num]=df[num].replace(avion.iloc[0], key)
            liste.append(df[num].loc[avion_val[0]:avion_val[0]])

        result = pd.concat(liste,ignore_index=True)

        for column in result.columns[1:]:

            if (result[column][0] != result[column][1] != result[column][2]):
                valeur= result[column][0]
                mission= list(dic_miss.keys())[list(dic_miss.values()).index(valeur)]
                dic_chg[column] = mission

        #Supprime ls - et NaN du dictionnaire, necessaire par la suite
        for k,v in list(dic_chg.items()):
            if (v == '-') or (v == ''):
                del dic_chg[k]


    if isinstance(avion,str):
        return (avion, dic_chg)
    else :
        return (avion.iloc[0], dic_chg)

#Creation des nouveaux sitInit.cscv
def new_sitInit(plane,n,planing,dic,gen):
    #read csv, and split on "," the line
    path_to_file = 'sitInit.csv'
    csv_file = csv.reader(open(path_to_file, "r"), delimiter=";")
    index = 1
    #loop through csv list
    for row in csv_file:
        #if current rows 2nd value is equal to input, print that row
        if plane == row[0]:
            break
        else :
            index += 1

    shutil.copy(path_to_file, "sitInittemp.csv")
    df = pd.read_csv("sitInittemp.csv",sep=";",header=None)

    if len(dic)!=0:
        for i in range(n):
            key=random.choice(list(dic))
            df.loc[index-1,int(key)]= int(key)

    dataframe = transf_NumbtoMission(df)

    dataframe.to_csv(paths.sitInits_path +"sitInit_"+str(gen) +"_"+ str(planing) + ".csv",sep=";",index=False,header=None)

    return dataframe

#Genere les sitInit en fonction des param choisis
def generateur(plane,n_plan,n_fix,dic,gene):
    dfs = []
    for m in range(n_plan):
        dfs.append(new_sitInit(plane,n_fix,m,dic,gene))
    return dfs