[PYTHON] Reibungsloser Fluss durch Optimierung der Signalsteuerung

Was ist das

Ändern Sie das Signal-Timing, um das Warten auf Signale zu reduzieren.

Problem

Es gibt ein Netzwerk wie unten gezeigt und es gibt Signale an vier Stellen, D, E, H und I.

Jeder der vier Benutzer bewegt sich wie folgt:

• Zur Zeit 0 lassen Sie A für L.
• Um Zeit 2 verlassen Sie B für K.
• Zur Zeit 1 lassen Sie C für J.
• Um Zeit 2 verlassen Sie G und fahren in Richtung F.

Es gibt 4 Muster für das Signal-Timing, und es wird angenommen, dass sie sich wie in der folgenden Tabelle gezeigt bewegen können.

Finden Sie zu diesem Zeitpunkt das Zeitmuster der Signale D, E, H und I, das am reibungslosesten fließt.

Versuche es zu lösen

Netzwerkerstellung

python3

%matplotlib inline
import networkx as nx, matplotlib.pyplot as plt
from more_itertools import chunked
plt.rcParams['figure.figsize'] = 4, 4
g = nx.DiGraph()
for i, ar in enumerate(['ADBECDEFGHIJHKIL', '', 'DEDHEIHI']):
    for fr, to in chunked(ar, 2):
        g.add_edge(fr, to, weight=i+1)
        if i == 2:
            g.add_edge(to, fr, weight=i+1)
pos = {chr(i+65):(int(x),int(y)) for i, (x,y)
    in enumerate(chunked('154504144454011141511040', 2))}
nx.draw(g, pos, node_color='white')
nx.draw_networkx_labels(g, pos);

Erstellen Sie eine Tabelle, die dem Fluss eines räumlich-zeitlichen Netzwerks mit mehreren Produkten entspricht

Separate Ebenen für jeden Benutzer. Es werden 3 Dimensionen von Benutzer x Zeit x Himmel sein.

python3

import numpy as np, pandas as pd
from pulp import *
from ortoolpy import addvars, addbinvars
def make(g, T):
    stnd, ednd, sttm = 'ABCG', 'LKJF', [0,2,1,2] #Anfang, Ende und Uhrzeit des generierenden Benutzers
    for la in range(4):
        for t1 in range(T):
            for nd in g.nodes():
                yield la, nd, t1, nd, t1+1
            for fr, dc in g.edge.items():
                for to, atr in dc.items():
                    t2 = t1 + atr['weight']
                    if t2 <= T:
                        yield la, fr, t1, to, t2
    for l, c in enumerate(stnd):
        yield l, '_', 0, c, sttm[l]
    for l, c in enumerate(ednd):
        for t in range(8,T):
            t2 = t+sttm[l]
            if t2 < T:
                yield l, c, t2, '_', 0
T = 13
a = pd.DataFrame(make(g, T), columns=['Layer', 'FrNd', 'FrTm', 'ToNd', 'ToTm'])
a['From'] = a.FrNd+a.FrTm.astype(str)
a['To'] = a.ToNd+a.ToTm.astype(str)
a['Weight'] = a.ToTm - a.FrTm
a.loc[a.FrNd == a.ToNd, 'Weight'] = 0.001
a.loc[(a.FrNd == '_') | (a.ToNd == '_'), 'Weight'] = 0
a[:3]

Formulieren und lösen

python3

m = LpProblem()
vs = addbinvars(4, 4) #DEHI Offset
a['Var'] = addvars(len(a), upBound=1) #fließen
m += lpDot(a.Weight, a.Var) #Zielfunktion
for i in range(4):
    m += lpSum(vs[i]) == 1 #Nur ein Versatz
for v in a[a.FrNd=='_'].Var:
    m += v == 1 #Tritt für jede Schicht auf
for l in range(4):
    b = a[a.Layer == l]
    for nd in set(b.From.unique()) | set(b.To.unique()):
        #Ein und Aus sind in jeder Schicht gleich
        m += lpSum(b[b.From == nd].Var) == lpSum(b[b.To == nd].Var)
for t in range(T):
    b = a[a.FrTm == t]
    for i, s in enumerate(['DH', 'EI', 'HK', 'IL']):
        c = b[b.FrNd==s[0]]
        #Signalsteuerung
        m += lpSum(c[c.ToNd==s[1]].Var) <= vs[i][(t+0)%4]+vs[i][(t+1)%4]
        m += lpSum(c[c.ToNd!=s[1]].Var) <= vs[i][(t+2)%4]+vs[i][(t+3)%4]
%time m.solve()
print(LpStatus[m.status], value(m.objective))
print('zeitliche Koordinierung', np.vectorize(value)(vs)@np.arange(4))
>>>
Wall time: 79.5 ms
Optimal 32.001000000000005
zeitliche Koordinierung[ 1.  3.  2.  0.]

das ist alles