我想在pymoo中定义并行机调度问题，即我已经给出：

• n_machines：表示机器数量的整数。
• processing_times：数组，其中processing_time[i]是作业i的处理时间。
• release_dates：Array其中release_dates[i]是作业i的发布日期。
• due_dates：数组，其中due_dates[i]是作业i的到期日。

结果应该是一个列表的列表，每个列表都显示了相应机器上的作业顺序。
这是我目前掌握的情况：
类ParallelScheduling（ElementwiseProblem）：

def __init__(self, n_machines, processing_times, release_dates, due_dates, **kwargs):

    self.n_jobs = processing_times.shape[0]
    self.n_machines = n_machines
    self.processing_times = processing_times
    self.release_dates = release_dates
    self.due_dates = due_dates
    
    super(ParallelScheduling, self).__init__(
        n_var=??,
        n_obj=2,
        xl=??,
        xu=??,
        vtype=int,
        **kwargs
    )

def _evaluate(self, X, out, *args, **kwargs):
    out["F"] = sum(np.sum(get_tardiness(x)) for x in X)
    out["G"] = -sum(np.sum(get_intime_jobs(x)) for x in X)

现在，决策变量是可变长度的列表，因为理论上每台机器可以有不同数量的作业，但我不确定如何实现这一点。
我提出的另一种解决方案是使用长度为n_jobs的数组，并将机器分配给其作业的索引（因此具有n_jobs决策变量，边界为0到n_machines），但这不包括作业在机器上执行的顺序，这与此相关。
这里的编码通常有点问题，因为我在所有地方都使用了numpy.array，但我现在才意识到，我不能用它们来创建包含不同大小数组的数组。
任何帮助都将不胜感激，无论是如何使用我已经使用的方法来做到这一点，还是如何在pymoo中使用更自由选择的编码来定义问题。