基于候鸟优化算法（MBO）的柔性车间调度优化研究（Matlab代码实现）

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

目录

📋1 概述

📝2 运行结果

📃3 参考文献

📋4 Matlab代码实现

📋1 概述

    在FJSP-LS求解方法上，现有研究主要采用元启发式算法，如遗传算法、差分算法、禁忌搜索[1,8J和粒子群算法[)等，大多侧重于调度方案的优化，对批次划分方案的制定缺乏深入研究。候鸟优化(Migrating Birds Optimization,MBO)算法是DUMAN等于2011年首先提出的自然启发的元启发式算法，具有参数少、易于理解、结构简单等优点，成功用于多种优化问题，尤其是求解二次分配问题时，该算法获得了比模拟退火算法、禁忌搜索算法和指导的进化模拟退火算法质量更高的解。同时，越来越多的学者尝试将MBO运用到生产线调度上，同样获得了高质量的解，本文基于候鸟优化算法（MBO）的柔性车间调度优化研究。

📝2 运行结果

 

%% 巡回阶段
    for i=1:G
        %% 领飞鸟进化
        [leader,Z_leader,share,Z_share]=bird_evolution(leader,Z_leader,[],[],...
            N_size,S_size,total_op_num,num_machine,e,num_job,num_op);
        %% 跟飞鸟进化
        % 初始化左右队列的共享解集
        share_left=share;
        Z_share_left=Z_share;
        share_right=share;
        Z_share_right=Z_share;
        for j=1:sp
            % 左队列
            [lefts(j,:),Z_left(j),share_left,Z_share_left]=bird_evolution(lefts(j,:),Z_left(j),share_left,Z_share_left,...
                N_size-S_size,S_size,total_op_num,num_machine,e,num_job,num_op);
            % 右队列
            [rights(j,:),Z_right(j),share_right,Z_share_right]=bird_evolution(rights(j,:),Z_right(j),share_right,Z_share_right,...
                N_size-S_size,S_size,total_op_num,num_machine,e,num_job,num_op);
        end
        %% 竞争机制2：队间交叉
        % 随机产生G2对位置相同的个体
        ind=randperm(sp,G2);
        [rights(ind,:),Z_right(ind),lefts(ind,:),Z_left(ind)]= crossover(lefts(ind,:),rights(ind,:),...
            Z_left(ind),Z_right(ind),total_op_num,num_machine,e,num_job,num_op);
    end
    %% 竞争机制1：队内竞争
    ind=randperm(sp,G1);
    % 左队列
    [~,ind1]=sort(Z_left(ind));
    lefts(ind,:)=lefts(ind(ind1),:);
    Z_left(ind)=Z_left(ind(ind1));
    % 右队列
    [~,ind2]=sort(Z_right(ind));
    rights(ind,:)=rights(ind(ind2),:);
    Z_right(ind)=Z_right(ind(ind2));
    %% 领飞鸟替换
    if rand<0.5
        % 选择左队列首只跟飞鸟
        [leader,Z_leader,lefts,Z_left]=update_leader(leader,Z_leader,lefts,Z_left);
    else
        % 选择右队列首只跟飞鸟
        [leader,Z_leader,rights,Z_right]=update_leader(leader,Z_leader,rights,Z_right);
    end
    %% 记录相关数据
    % 记录每代的最优适应度与平均适应度
    Z=[Z_leader,Z_left,Z_right];
    [val,ind]=min(Z);
    trace(1,gen)=val;
    trace(2,gen)=mean(Z);
    % 更新全局最优适应度
    if gen==1 || MinVal>trace(1,gen)
        MinVal=trace(1,gen);
    end
end

%% ============================输出结果=============================
%% 输出最优适应度
fprintf('最优适应度：'),disp(MinVal)
%% 绘制最优适应度与平均适应度的迭代曲线图
figure(1)
plot(trace(1,:));
hold on;
plot(trace(2,:),'-.');grid;
legend('解的变化','种群均值的变化');
%% 绘制全局最优解的甘特图
[Z,~,~,machine_time,Pvals]=fitness(leader,num_machine,e,num_job,num_op);
Pval1=Pvals{1,1};
figure(2);
for i=1:total_op_num
    mText=leader(total_op_num+i);
    b=leader(i);
    x1=Pval1(1,i);
    x2=Pval1(2,i); 
    y1=mText-0.2;
    y2=mText;
    hold on; 
    fill([x1,x2,x2,x1],[y1,y1,y2,y2],[1-1/b,1/b,b/num_job]);
    text((x1+x2)/2,mText-0.1,num2str(b));
end

📃3 参考文献

[1]刘雪红,段程,王磊.基于改进候鸟算法的柔性作业车间分批调度问题[J].计算机集成制造系统,2021,27(11):3185-3195.DOI:10.13196/j.cims.2021.11.012.

[2]任彩乐. 基于候鸟优化算法的混合流水车间调度问题研究[D].华中科技大学,2019.

[3]刘雪红,段程,王磊.基于改进候鸟算法的柔性作业车间分批调度问题[J].计算机集成制造系统,2021,27(11):3185-3195.DOI:10.13196/j.cims.2021.11.012.

📋4 Matlab代码实现