没有项目描述
taskpacker的Python项目详细描述
任务打包程序图片：：https://raw.githubusercontent.com/edinburgh genome foundry/taskpacker/master/docs/_static/images/title.png
：alt:[logo]
：align:center
：width:600px
taskpacker是python的通用调度优化和可视化库。
例如，下面是t他优化了20个批次的96个DNA装配计划，
假设一个机器人铸造厂24/7运行：
…图片：：https://raw.githubusercontent.com/edinburgh genome foundry/taskpacker/master/examples/dna_assembly.png
：alt:[dna_assembly.png]
：align:center
：width:600px
这样的绘图可以让您发现工厂的瓶颈。在本例中，
烤箱似乎是限制因素（只有满包装的机器没有停机），购买第三个烤箱将增加工厂的生产能力。
python中的可扩展调度工具。
目前仅支持python2（很抱歉，python3中有一个带有numberjack的复杂错误）。
它非常简单且有限（核心代码约200行），但具有足够的功能，可以覆盖许多情况：
-支持资源（通常是人或机器人）和资源容量
（=一个资源可以同时做多少工作）
-支持任务依赖性（某些任务必须在其他任务开始之前完成）和最大等待时间（即某些任务必须在最晚x分钟开始）在他们的*父母*完成后的任务）
-支持预先安排的任务（如人工操作员的休息、预定的机器人维护等）
正在进行的工作-贡献！
---------------------------
taskpacker是一个开源软件，最初是为优化"爱丁堡基因组铸造厂"的机器人操作DNA组装操作而编写的，http://www.genome foundry.io>；`。它是根据麻省理工学院的许可证（Edinburgh Genome Foundry）在Github<；https://github.com/Edinburgh Genome Foundry/plateo>；上发布的，没有任何保证：这是一款实验性的软件，我们希望它对您和我们一样有用。
欢迎大家使用贡献！
安装
----
taskpacker可以通过解压缩一个目录中的源代码并使用以下命令来安装：：
sudo pip taskpacker install在本例中，两个实验室被分配了一份工作清单。
----
Ed，然后
协助Alice喂食灰鼠（一项需要两个人完成的任务）。
某些任务只能在其他任务完成后才能完成。
Alice对多任务有一种成见：她可以在
同时做两个任务，而Bob不能。
ld使用taskpacker查找他们何时执行每项任务，以便
尽早完成：
。代码：：python
color="white"）
访问植物=任务（"访问植物"，resources=[alice]，duration=60，
color="yellow"）
库克仓鼠=任务（"烹饪仓鼠"，resources=[alice]，duration=30，
color="red"）
骰子火腿ters=task（"掷仓鼠骰子"，资源=[bob]，持续时间=40，
color="blue"，follows=[cook悱仓鼠，clean悱手术刀]
feed悱仓鼠=task（"feed the gremlins"，resources=[alice，bob]，持续时间=50，
color="orange"，follows=[dice悱仓鼠]
all悱task=[clean_手术刀，参观植物，烹调仓鼠，骰子仓鼠，
饲料仓鼠]
计划任务=数字背包调度程序（所有任务）
图，ax=绘图调度程序（计划任务）
ax.figure.set_size_inches（7，3）
ax.figure.savefig（"alice_and_bod.png"，bbox_inches="tight"
使用电子表格建模任务和资源
假设您有一个由多个任务组成的流程，每个任务取决于
一些可用资源，可能还取决于其他任务。这样的过程可以用类似于"this file"的电子表格来概括，该电子表格加载在
taskpacker中，如下所示：
代码：：python
ss_tasks=get_process_from_spreadsheet（
spreadsheet_path="path/to/spreadsheet.xls"，
sheetname="process"，
resources_dict=resources
，然后可以绘制任务的依赖关系图：
。代码：：python
from taskpacker import plot_tasks_dependency_graph
plot_tasks_dependency_graph（process_tasks）
图片：：https://raw.githubusercontent.com/edinburgh genome foundry/taskpacker/master/docs/_static/images/process_plan.png
：alt:[logo]
：align:center
：width:600px
代码：：python
我的工厂一天就要开工了？"。以下代码加载其中20个进程
，并要求taskpacker尽可能紧凑地逐个堆栈它们：
…代码：：python
t_u schedule，task）
import matplotlib.cm as cm
colors=[cm.paired（0.21*i%1.0）for i in range（30）]
resources=get_resources懔from懔u spreadsheet（
spreadsheet懔path="path/to/spreadsheet.xls"，sheetname="resources"）
processes=[
从电子表格（spreadsheet_path="path/to/spreadsheet.xls"、
sheetname="process"、
resources_dict=resources、
tasks_color=colors[i]、
task_name_u prefix="wu%d_"（i+1））
对于范围（20）
]
_ tasks=[t表示新进程中的进程，t表示进程中的进程]
fig，ax=plot_schedule（all_tasks）
ax.set_xlabel（"time（min）"）
ax.figure.savefig（"dna_assembly_schedule.png"，bbox_inches="tight"）
图片：：https://raw.githubusercontent.com/edinburgh genome foundry/taskpacker/master/examples/dna_assembly.png
：alt:[dna_assembly.png]
：align:center
：width:600px
也可以添加计划的休息时间，以便您的igor可以休息：
…代码：：python
scheduled\u breaks=[
task（"break\03d"%i，
resources=[resources["igor"]]，
scheduled\u resource={resources["igor"]：1}，
duration=12*60，；break持续12h
scheduled\u start=24*60*i，对于范围（6）
]
new_processes=schedule_processes_series（
processes，est_process_duration=5000，time_limit=5，
scheduled_tasks=scheduled_breaks）
图片：：https://raw.githubusercontent.com/edinburgh genome foundry/taskpacker/master/examples/dna_assembly_with_breaks.png
：alt:[dna_assembly_with_breaks.png]
：align:center
：width:600px
：alt:[logo]
：align:center
：width:600px
taskpacker是python的通用调度优化和可视化库。
例如，下面是t他优化了20个批次的96个DNA装配计划，
假设一个机器人铸造厂24/7运行：
…图片：：https://raw.githubusercontent.com/edinburgh genome foundry/taskpacker/master/examples/dna_assembly.png
：alt:[dna_assembly.png]
：align:center
：width:600px
这样的绘图可以让您发现工厂的瓶颈。在本例中，
烤箱似乎是限制因素（只有满包装的机器没有停机），购买第三个烤箱将增加工厂的生产能力。
python中的可扩展调度工具。
目前仅支持python2（很抱歉，python3中有一个带有numberjack的复杂错误）。
它非常简单且有限（核心代码约200行），但具有足够的功能，可以覆盖许多情况：
-支持资源（通常是人或机器人）和资源容量
（=一个资源可以同时做多少工作）
-支持任务依赖性（某些任务必须在其他任务开始之前完成）和最大等待时间（即某些任务必须在最晚x分钟开始）在他们的*父母*完成后的任务）
-支持预先安排的任务（如人工操作员的休息、预定的机器人维护等）
正在进行的工作-贡献！
---------------------------
taskpacker是一个开源软件，最初是为优化"爱丁堡基因组铸造厂"的机器人操作DNA组装操作而编写的，http://www.genome foundry.io>；`。它是根据麻省理工学院的许可证（Edinburgh Genome Foundry）在Github<；https://github.com/Edinburgh Genome Foundry/plateo>；上发布的，没有任何保证：这是一款实验性的软件，我们希望它对您和我们一样有用。
欢迎大家使用贡献！
安装
----
taskpacker可以通过解压缩一个目录中的源代码并使用以下命令来安装：：
sudo pip taskpacker install在本例中，两个实验室被分配了一份工作清单。
----
Ed，然后
协助Alice喂食灰鼠（一项需要两个人完成的任务）。
某些任务只能在其他任务完成后才能完成。
Alice对多任务有一种成见：她可以在
同时做两个任务，而Bob不能。
ld使用taskpacker查找他们何时执行每项任务，以便
尽早完成：
。代码：：python
color="white"）
访问植物=任务（"访问植物"，resources=[alice]，duration=60，
color="yellow"）
库克仓鼠=任务（"烹饪仓鼠"，resources=[alice]，duration=30，
color="red"）
骰子火腿ters=task（"掷仓鼠骰子"，资源=[bob]，持续时间=40，
color="blue"，follows=[cook悱仓鼠，clean悱手术刀]
feed悱仓鼠=task（"feed the gremlins"，resources=[alice，bob]，持续时间=50，
color="orange"，follows=[dice悱仓鼠]
all悱task=[clean_手术刀，参观植物，烹调仓鼠，骰子仓鼠，
饲料仓鼠]
计划任务=数字背包调度程序（所有任务）
图，ax=绘图调度程序（计划任务）
ax.figure.set_size_inches（7，3）
ax.figure.savefig（"alice_and_bod.png"，bbox_inches="tight"
使用电子表格建模任务和资源
假设您有一个由多个任务组成的流程，每个任务取决于
一些可用资源，可能还取决于其他任务。这样的过程可以用类似于"this file"的电子表格来概括，该电子表格加载在
taskpacker中，如下所示：
代码：：python
ss_tasks=get_process_from_spreadsheet（
spreadsheet_path="path/to/spreadsheet.xls"，
sheetname="process"，
resources_dict=resources
，然后可以绘制任务的依赖关系图：
。代码：：python
from taskpacker import plot_tasks_dependency_graph
plot_tasks_dependency_graph（process_tasks）
图片：：https://raw.githubusercontent.com/edinburgh genome foundry/taskpacker/master/docs/_static/images/process_plan.png
：alt:[logo]
：align:center
：width:600px
代码：：python
我的工厂一天就要开工了？"。以下代码加载其中20个进程
，并要求taskpacker尽可能紧凑地逐个堆栈它们：
…代码：：python
t_u schedule，task）
import matplotlib.cm as cm
colors=[cm.paired（0.21*i%1.0）for i in range（30）]
resources=get_resources懔from懔u spreadsheet（
spreadsheet懔path="path/to/spreadsheet.xls"，sheetname="resources"）
processes=[
从电子表格（spreadsheet_path="path/to/spreadsheet.xls"、
sheetname="process"、
resources_dict=resources、
tasks_color=colors[i]、
task_name_u prefix="wu%d_"（i+1））
对于范围（20）
]
_ tasks=[t表示新进程中的进程，t表示进程中的进程]
fig，ax=plot_schedule（all_tasks）
ax.set_xlabel（"time（min）"）
ax.figure.savefig（"dna_assembly_schedule.png"，bbox_inches="tight"）
图片：：https://raw.githubusercontent.com/edinburgh genome foundry/taskpacker/master/examples/dna_assembly.png
：alt:[dna_assembly.png]
：align:center
：width:600px
也可以添加计划的休息时间，以便您的igor可以休息：
…代码：：python
scheduled\u breaks=[
task（"break\03d"%i，
resources=[resources["igor"]]，
scheduled\u resource={resources["igor"]：1}，
duration=12*60，；break持续12h
scheduled\u start=24*60*i，对于范围（6）
]
new_processes=schedule_processes_series（
processes，est_process_duration=5000，time_limit=5，
scheduled_tasks=scheduled_breaks）
图片：：https://raw.githubusercontent.com/edinburgh genome foundry/taskpacker/master/examples/dna_assembly_with_breaks.png
：alt:[dna_assembly_with_breaks.png]
：align:center
：width:600px
欢迎加入QQ群-->： 979659372
