流水线型车间作业调度问题遗传算法matlab源码

《流水线型车间作业调度问题遗传算法matlab源码》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、流水线型车间作业调度问题遗传算法MATLAB源码流水线型车间作业调度问题可以描述如下：n个任务在流水线上进行m个阶段的加工，每一阶段至少有一台机器且至少有一个阶段存在多台机器，并且同一阶段上各机器的处理性能相同，在每一阶段各任务均要完成一道工序，各任务的每道工序可以在相应阶段上的任意一台机器上加工，已知任务各道工序的处理时间，要求确定所有任务的排序以及每一阶段上机器的分配情况，使得调度指标(一般求Makespan)最小。下面的源码是求解流水线型车间作业调度问题的遗传算法通用MATLAB源码，属于GreenSim团队原创作品，转载请注明。function[Zp,Y1

2、p,Y2p,Y3p,Xp,LC1,LC2]=JSPGA(M,N,Pm,T,P)%--------------------------------------------------------------------------%  JSPGA.m%  流水线型车间作业调度遗传算法%  GreenSim团队原创作品，转载请注明%  Email:greensim@163.com%  GreenSim团队主页：http://blog.sina.com.cn/greensim%  欢迎访问GreenSim——算法仿真团队→http://blog.sina.com.cn/

3、greensim%--------------------------------------------------------------------------%  输入参数列表%  M    遗传进化迭代次数%  N    种群规模(取偶数)%  Pm    变异概率%  T    m×n的矩阵，存储m个工件n个工序的加工时间%  P    1×n的向量，n个工序中，每一个工序所具有的机床数目%  输出参数列表%  Zp    最优的Makespan值%  Y1p    最优方案中，各工件各工序的开始时刻，可根据它绘出甘特图%  Y2p    最优方案中，

4、各工件各工序的结束时刻，可根据它绘出甘特图%  Y3p    最优方案中，各工件各工序使用的机器编号%  Xp    最优决策变量的值，决策变量是一个实数编码的m×n矩阵%  LC1    收敛曲线1，各代最优个体适应值的记录%  LC2    收敛曲线2，各代群体平均适应值的记录%  最后，程序还将绘出三副图片：两条收敛曲线图和甘特图（各工件的调度时序图）%第一步：变量初始化[m,n]=size(T);%m是总工件数，n是总工序数Xp=zeros(m,n);%最优决策变量LC1=zeros(1,M);%收敛曲线1LC2=zeros(1,N);%收敛曲线2%第二步

5、：随机产生初始种群farm=cell(1,N);%采用细胞结构存储种群fork=1:N  X=zeros(m,n);  forj=1:n      fori=1:m        X(i,j)=1+(P(j)-eps)*rand;      end  end  farm{k}=X;endcounter=0;%设置迭代计数器whilecounter

6、i)};%父代个体      Manner=unidrnd(2);%随机选择交叉方式      ifManner==1        cp=unidrnd(m-1);%随机选择交叉点        %双亲双子单点交叉        a=[A(1:cp,:);B((cp+1):m,:)];%子代个体        b=[B(1:cp,:);A((cp+1):m,:)];      else        cp=unidrnd(n-1);%随机选择交叉点        b=[B(:,1:cp),A(:,(cp+1):n)];      end      newfarm

7、{i}=a;%交叉后的子代存入newfarm      newfarm{i+1}=b;  end  %新旧种群合并  FARM=[farm,newfarm];    %第四步：选择复制  FITNESS=zeros(1,2*N);  fitness=zeros(1,N);  plotif=0;  fori=1:(2*N)      X=FARM{i};      Z=COST(X,T,P,plotif);%调用计算费用的子函数      FITNESS(i)=Z;  end  %选择复制采取两两随机配对竞争的方式，具有保留最优个体的能力  Ser=randperm

8、(2*N)