-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathGym.py
183 lines (157 loc) · 9.44 KB
/
Gym.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
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
172
173
174
175
176
177
178
179
180
181
182
183
import random
import math
import pandas as pd
import numpy as np
import gym
from gym import spaces
import matplotlib.pyplot as plt
import os
import time
from stable_baselines3 import PPO
from stable_baselines3.common.callbacks import BaseCallback
from Heuristiques import *
from utils import *
from EnvSimpy import EnvSimpy
from stable_baselines3.common.callbacks import BaseCallback
class EnvGym(gym.Env) :
def __init__(self, paramSimu: dict, nb_actions: int, state_len: int, state_min: float, state_max: float, hyperparams: dict, *args, **kwargs):
super().__init__(*args, **kwargs)
self.paramSimu = paramSimu
self.action_space = spaces.Discrete(nb_actions)
self.low = np.array([state_min for _ in range(state_len)], dtype=np.float32)
self.high = np.array([state_max for _ in range(state_len)], dtype=np.float32)
self.observation_space = spaces.Box(low=self.low, high=self.high, dtype=np.float32)
self.simu_counter = 0
self.rewards_moyens = []
self.hyperparams = hyperparams
def _update_observation(self) -> None:
self.state = self.env.getState() #Méthode de la simulation, state normalisé
self.taux_utilisations.append([self.env.now,
self.env.getTauxUtilisationLoader(),
self.env.getTauxUtilisationScierie(),
self.env.getTauxUtilisationSechoirs(),
self.env.getTauxRemplissageCours(),
1 - self.env.getTauxCoursBonEtat()])
def _update_reward(self) -> None:
qte_dans_cours, obj_qte_total, obj_proportion_inf, obj_proportion_sup, _ = self.env.getIndicateursInventaire()
self.inds_inventaires.append([self.env.now, *qte_dans_cours, *obj_qte_total, *obj_proportion_inf, *obj_proportion_sup])
diff_proportion_qte = obj_proportion_inf-obj_qte_total # Si différence positive, on a trop de container de ce type dans la cours
respect_obj_qte_total = -sum(np.sqrt(abs(ecart)) for ecart in diff_proportion_qte if ecart>0) # Punis si les containers de trop dans la cours
outside_prop_range_prenalty = [] # Garder la proportion réelle dans le range de proportion voulu
inside_prop_range_bonus = []
for qte_reelle, obj_prop_inf, obj_prop_sup, obj_qte_total in zip(qte_dans_cours, obj_proportion_inf, obj_proportion_sup, obj_qte_total):
if qte_reelle > obj_prop_sup:
outside_prop_range_prenalty.append(qte_reelle-obj_prop_sup)
elif qte_reelle < obj_prop_inf:
outside_prop_range_prenalty.append(obj_prop_inf-qte_reelle)
else:
inside_prop_range_bonus.append(5)
respect_obj_proportion = -sum(abs(ecart) for ecart in outside_prop_range_prenalty) + sum(inside_prop_range_bonus) # Punis si la proportion sort du range voulu et récompense sinon
self.reward = respect_obj_qte_total + respect_obj_proportion + 0.25*(self.action == gestion_horaire_et_pile(self.env))
def get_avg_reward(self) -> float:
return np.array(self.rewards)[:, 1].mean()
def reset(self, test:bool =False) -> np.array:
self.env = EnvSimpy(self.paramSimu) # Nouvelle simulation simpy
self.done = False
self.info = {}
self.rewards = []
self.inds_inventaires = []
self.taux_utilisations = []
self._update_observation()
self.step_counter = 0
return self.state
def step (self, action, verbose=True) -> tuple:
self.action = action
self.done = self.env.stepSimpy(action)
self._update_reward()
self._update_observation()
self.step_counter += 1
total_steps = self.env.paramSimu["NbStepSimulation"]
if verbose and self.step_counter in [round(0.25*total_steps), round(0.5*total_steps), round(0.75*total_steps)]:
env_name = self.env.paramSimu["RatioSapinEpinette"]
print(f"Environnement : {env_name} | Step : {self.step_counter}/{total_steps} | Reward : {self.reward:.2f}")
if self.done:
self.simu_counter += 1
print(f"Simulation {self.simu_counter} terminée.")
self.rewards_moyens.append(self.get_avg_reward())
print(f"Reward moyen : {self.rewards_moyens[-1]:.2f}")
self.rewards.append([self.env.now, self.reward])
return self.state, self.reward, self.done, self.info
def plot_progression_reward(self) -> None:
# Afficher la progression du reward dans la simulation
df_rewards = pd.DataFrame(self.rewards, columns=["time", "reward"])
plt.plot(df_rewards["time"], df_rewards["reward"], label="reward", color="red")
plt.title("Reward en fonction du Temps")
plt.xlabel("Temps")
plt.ylabel("Reward")
plt.legend()
plt.show()
def plot_inds_inventaires(self) -> None:
# Afficher les indicateurs d'inventaire
nb_type_produit = get_action_space(self.env.paramSimu)
qte_dans_cours = [f"quantite_reelle{x}" for x in range(nb_type_produit)]
obj_qte_total = [f"quantite_voulue{x}" for x in range(nb_type_produit)]
obj_proportion_inf = [f"proportion_voulue_min{x}" for x in range(nb_type_produit)]
obj_proportion_sup = [f"proportion_voulue_max{x}" for x in range(nb_type_produit)]
df_inds_inv = pd.DataFrame(self.inds_inventaires, columns=["time", *qte_dans_cours, *obj_qte_total, *obj_proportion_inf, *obj_proportion_sup])
for i in range(nb_type_produit):
plt.plot(df_inds_inv[f"quantite_reelle{i}"], label="quantitée réelle", color="blue")
plt.plot(df_inds_inv[f"quantite_voulue{i}"], label="quantitée voulue", color="red")
plt.plot(df_inds_inv[f"proportion_voulue_min{i}"], label="proportion voulue min", color="green")
plt.plot(df_inds_inv[f"proportion_voulue_max{i}"], label="proportion voulue max", color="green")
plt.title(f"Chargement de type : {i}")
plt.xlabel("Temps")
plt.ylabel("Nombre de chargements dans la cours")
plt.legend()
plt.show()
def plot_taux_utilisations(self) -> None:
# Afficher les indicateurs de taux d'utilisation
df_taux_utilisation = pd.DataFrame(self.taux_utilisations, columns=["time", "taux_utilisation_loader", "taux_utilisation_scierie",
"taux_utilisation_séchoir", "taux_remplissage_cours", "taux_stock_pourris"])
plt.plot(df_taux_utilisation["time"], df_taux_utilisation["taux_utilisation_loader"], label="taux utilisation loader", color="blue")
plt.plot(df_taux_utilisation["time"], df_taux_utilisation["taux_utilisation_scierie"], label="taux utilisation scierie", color="green")
plt.plot(df_taux_utilisation["time"], df_taux_utilisation["taux_utilisation_séchoir"], label="taux utilisation séchoir", color="red")
plt.plot(df_taux_utilisation["time"], df_taux_utilisation["taux_remplissage_cours"], label="utilisation de la cours au temps t", color="yellow")
plt.plot(df_taux_utilisation["time"], df_taux_utilisation["taux_stock_pourris"], label="taux du stock pourris dans la cours", color="purple")
plt.title("Taux d'utilisation en fonction du temps")
plt.xlabel("Temps")
plt.ylabel("Taux d'utilisation")
plt.legend()
plt.show()
def train_model(self, model: PPO, nb_episode: int, save: bool=False, evaluate_every: int = 20, save_dir: str = "") -> None:
os.makedirs(save_dir, exist_ok=True)
for i in range(nb_episode):
model.learn(total_timesteps=self.hyperparams["total_timesteps"], reset_num_timesteps=False)
# if nb_episode % evaluate_every == 0:
# print(f"Indicateurs du modèle après l'épisode : {i}")
# # self.evaluate_model(model)
if save:
model.save(f"{save_dir}/episode{i}_reward_moyen{self.rewards_moyens[-1]:.2f}")
plt.plot(list(range(self.simu_counter)), self.rewards_moyens, label="reward moyen", color="green")
plt.title(f"Reward moyen des {self.simu_counter} épisodes")
plt.show()
return max(self.rewards_moyens)
def evaluate_model(self, model: PPO):
obs = self.reset(test=True)
done = False
while not done:
action, _ = model.predict(obs)
obs, _, done, _ = self.step(action)
self.plot_inds_inventaires()
self.plot_taux_utilisations()
self.plot_progression_reward()
print(f"Moyenne Reward : {self.rewards_moyens[-1]:.2f}")
def solve_w_heuristique(self, heuristique: str = "aleatoire"):
_ = self.reset(test=True)
done = False
while not done:
if heuristique == "pile_la_plus_elevee":
action = pile_la_plus_elevee(self.env)
elif heuristique == "gestion_horaire_et_pile":
action = gestion_horaire_et_pile(self.env)
else:
action = aleatoire(self.env)
obs, _, done, _ = self.step(action)
self.plot_inds_inventaires()
self.plot_taux_utilisations()
return self.rewards_moyens[-1]