多目标应用：非支配排序的粒子群优化算法（Non-dominated Sorting Particle Swarm Optimizer，NSPSO）求解柔性作业车间调度问题(FJSP），MATLAB代码

一、柔性作业车间调度问题

柔性作业车间调度问题(Flexible Job Scheduling Problem, FJSP) 的描述如下：n个工件 { J , J 2 , . . , J n } \{J,J_2,..,J_n\} {J,J2​,..,Jn​}要在$m$ 台机器 { M 1 , M 2 , . . , M m } \{M_1,M_2,..,M_m\} {M1​,M2​,..,Mm​} 上加工。每个工件包含一道或多道工序，工序顺序是预先确定的，每道工序可以在多台不同加工机器上进行加工，工序的加工时间随加工机器的不同而不同。调度目标是为每道工序选择最合适的机器、确定每台机器上各个工序的最佳加工顺序以及开工时间，使整个系统的某些性能指标达到最优。因此，柔性作业车间调度问题包含两个子问题：确定各工件的加工机器 (机器选择子问题) 和确定各个机器上的加工先后顺序 (工序排序子问题)。

此外，在加工过程中还需要满足下面的约束条件：
(1) 同一台机器同一时刻只能加工一个工件；
(2) 同一工件的同一道工序在同一时刻只能被一台机器加工；
(3) 每个工件的每道工序一旦开始加工不能中断；
(4) 不同工件之间具有相同的优先级；
(5)不同工件的工序之间没有先后约束，同一工件的工序之间有先后约束；
(6)所有工件在零时刻都可以被加工。

1.1符号描述

$n:$工件总数；
$m:$ 机器总数；
$i,e:$ 机器序号，$i,e=1,2,3,...,m$ ;
$j,k:$ 工件序号，$j,k=1,2,3,...,n;$ $h_j:$工件$j$ 的工序总数；
$h,l:$ 工序序号，$h=1,2,3,...,h_j$ ;
${\Omega }_{jh}:$工件$j$ 的第$h$ 道工序的可选加工机器集；
$m_{jh}:$工件$j$ 的第$h$ 道工序的可选加工机器数；
$O_{jh}:$工件$j$ 的第$h$道工序；
$M_{ijh}:$工件$j$ 的第$h$道工序在机器$i$ 上加工；
$p_{ijh}:$工件$j$的第$h$道工序在机器$i$上的加工时间；
$s_{jh}:$工件$j$ 的第$h$ 道工序加工开始时间；
$c_{jh}:$工件$j$的第$h$道工序加工完成时间；
$d_j:$工件$j$ 的交货期；
$L$: 一个足够大的正数；
$C_j$: 每个工件的完成时间；
$C_{\max }:$ 最大完工时间；
$T_o:T_o={\sum }_{j=1}^n{h}_j$, 所有工件工序总数；
$x_{ijh}=\{\begin{array}{l}1,\text{如果工序}{O}_{jh}\text{选择机器}i;\\ 0,\text{否则；}\end{array}$
$y_{ijhkl}=\{\begin{array}{l}1,\text{如果}{O}_{ijh}\text{先于}{O}_{ikl}\text{加工};\\ 0,\text{否则};\end{array}$

1.2约束条件

$C_1:s_{jh}+x_{ijh}\times p_{ijh}\le c_{jh}$

其中：$i=1,\dots ,m;j=1,\dots ,n;$ $h=1,\dots ,h_j$
$C_2:c_{jh}\le s_{j(h+1)}$
其中$:j=1,\dots ,n;h=1,...,h_j-1$
$C_3:c_{j{h}_j}\le C_{\max }$
其中：$j=1,...,n$
$C_4:s_{jh}+p_{ijh}\le s_{kl}+L(1-y_{ijhkl})$

其中$:j=0,\dots ,n;k=1,\dots ,n;h=1,\dots ,h_j;l=1,\dots ,h_k;i=1,\dots ,m$
$C_5:c_{jh}\le s_{j(h+1)}+L(1-y_{iklj(h+1)})$

其中$:j=1,\dots ,n;k=0,\dots ,n;h=1,\dots ,h_j-1;l=1,\dots ,h_k;i=1,\dots ,m$
$h_1:{\sum }_{i=1}^{m_{jh}}{x}_{ijh}=1$
其中：$h=1,...,h_j;j=1,...,n;$

$h_2:{\sum }_{j=1}^n{\sum }_{h=1}^{h_j}{y}_{ijhkl}=x_{ikl}$

其中：$i=1,\dots ,m;k=1,\dots ,n;l=1,\dots ,h_k$
$h_3:{\sum }_{i=1}^n{\sum }_{i=1}^{n_k}{y}_{ijhkl}=x_{ijh}$

其中：$i=1,\dots ,m;j=1,\dots ,n;h=1,\dots ,h_k$
$C_6:s_{jh}\ge 0,c_{jh}\ge 0$

其中$:j=0,1,...,n;h=1,...,h_j$

$C_1$和 $C_2$表示每一个工件的工序先后顺序约束 ;
$C_3$表示工件的完工时间的约束,即每一个工件的完工时间不可能超过总的完工时间 ;
$C_4$和 $C_5$表示同一时刻同一台机器只能加工一道工序 ;
$h_1$表示机器约束,即同一时刻同一道工序只能且仅能被一台机器加工;
$h_2$和 $h_3$表示存在每一台机器上可以存在循环操作 ;
$C_6$表示各个参数变量必须是正数。

1.3目标函数

(1) 最大完工时间最小。

完工时间是每个工件最后一道工序完成的时间，其中最大的那个时间就是最大完工时间(makespan)。它是衡量调度方案的最根本指标， 主要体现车间的生产效率，也是 FJSP 研究中应用最广泛的评价指标之一。如下式所示：

$f_1=\min ({\max }_{\mathrm{l}\le j\le n}(C_j))$

(2)机器最大负荷最小。

在 FJSP 求解中，存在选择机器的过程，各个机器的负荷随着不同的调度方案而不同。负荷最大的机器就是瓶颈设备，为提高每台机器的利用率，必须使得各台机器的负荷尽量小且平衡。如下式所示：

$f_2=\min ({\max }_{\mathrm{l}\le i\le m}{\sum }_{j=1}^n{\sum }_{h=1}^{h_j}{p}_{ijh}{x}_{ijh})$

(3)总机器负荷最小。

工序在不同机器上的加工时间是不同的，那么总的机器负荷随着不同的调度方案而不同。尽量使最大完工时间一样的情况下，减少所有机器的总消耗。如下式所示：

$f_3=\min ({\sum }_{i=1}^m{\sum }_{j=1}^n{\sum }_{h=1}^{h_j}{p}_{ijh}{x}_{ijh})$
参考文献：
[1]张国辉.柔性作业车间调度方法研究[D].华中科技大学,2009.

二、基于非支配排序的粒子群优化算法

NSPSO（Non-dominated Sorting Particle Swarm Optimizer，NSPSO）是一种用于多目标优化的粒子群优化算法。它通过结合非支配排序和粒子群优化算法的思想，有效地处理具有多个冲突目标的优化问题。NSPSO算法的核心在于它使用了非支配排序的概念和两个无需参数的多样性保持方法，这使得它在解决多目标问题时表现出色。

在NSPSO算法中，每个粒子不仅代表一个潜在的解决方案，而且还保持了其历史最佳位置（个体最优，pbest），以及整个群体中所有粒子的历史最佳位置（全局最优，gbest）。算法通过比较粒子的个体最优和全局最优来更新粒子的速度和位置，以此来探索解空间。

NSPSO算法的关键步骤包括：

1. 初始化：随机生成一群粒子，每个粒子代表一个潜在的解决方案。
2. 非支配排序：根据NSGA-II算法中的非支配排序，将粒子分为不同的前沿（fronts）。每个前沿内的粒子都是非支配的，即没有其他粒子在所有目标上都比它好。
3. 拥挤距离计算：为了保持群体的多样性，计算每个粒子的拥挤距离，这有助于选择那些在目标空间中分布较为均匀的粒子。
4. 更新粒子：根据个体最优和全局最优来更新粒子的速度和位置。
5. 迭代：重复上述步骤，直到满足停止条件，如达到最大迭代次数或解的质量达到预定标准。

三、NSPSO求解FJSP

NSPSO求解FJSP，以最大完工时间最小、机器最大负荷最小、总机器负荷最小为目标函数。

3.1部分代码

%% 基于非支配排序的蜣螂优化算法
Result = NSPSO(MachineNum,jobNum,jobInfo,operaNumVec,candidateMachine,energy);

%% Pareto解
figure(1)
scatter3(Result.obj_matrix(:,1), Result.obj_matrix(:,2), Result.obj_matrix(:,3),150,'rp','filled')
xlabel('最大完工时间'); ylabel('机器最大负荷'); zlabel('总机器负荷', 'Rotation', 90)
legend('NSPSO')

3.2部分结果

以Mk01数据集为例：

四、完整MATLAB代码

https://mbd.pub/o/bread/mbd-ZpqakpZw
https://mbd.pub/o/bread/mbd-ZpqZm5pq