用python编写一个由NEH规则初始化种群的代码

好的，以下是一个用Python编写的由NEH规则初始化种群的代码示例：

import numpy as np

# 任务数量
num_tasks = 10

# 随机生成任务处理时间
processing_times = np.random.randint(1, 11, num_tasks)

# 初始化种群
population = []

# NEH规则初始化
for i in range(num_tasks):
    # 计算当前任务插入到每个位置时的完成时间
    temp_processing_times = np.insert(processing_times, i, 0)
    completion_times = np.zeros(len(temp_processing_times))
    for j in range(len(temp_processing_times)):
        if j == 0:
            completion_times[j] = temp_processing_times[j]
        else:
            completion_times[j] = completion_times[j-1] + temp_processing_times[j]
    
    # 按完成时间从小到大排序
    sorted_indexes = np.argsort(completion_times)
    
    # 将当前任务插入到最小完成时间位置
    temp_population = []
    for k in sorted_indexes:
        if k == i:
            temp_population.append(num_tasks-1)
        elif k > i:
            temp_population.append(k-1)
        else:
            temp_population.append(k)
    population.append(temp_population)
    
print(population)

以上代码中，我们首先随机生成了任务处理时间，然后按照NEH规则初始化种群，最终输出了一个种群列表。其中，每个元素代表一个个体，每个元素中的数字代表任务的顺序。例如，[2, 5, 1, 3, 4, 0, 6, 7, 8, 9]表示第一个任务是第3个，第二个任务是第6个，以此类推。