【车间调度】基于灰狼算法求解车间调度问题Matlab源码

1 简介

柔性车间作业调度问题是一个复杂的NP问题,灰狼优化算法(GWO)是目前一种比较新颖的群智能优化算法,多用于解决连续函数优化问题.

2 部分代码

登录后复制

          
          

           
           %该程序用于解决柔性作业车间调度，m个工件，n道工序，其中n为最大工序数，工件的工序
           
           
%数可以少于n，加工机器数为M，每个工件的每道工序具有多个机器可以选择，对应的时间
           
           
%不同，其中初始种群的储存方式采用cell数据类型
           
           
%Version:1.3
           
           
%fileDescription:调度机器可选的柔性作业车间问题，甘特图已完善,GWO,8*8实例
           
           
%last edit time:2019-6-7
           
           
function GWO_Model_FJSP_1_3_8_8()
           
           
count = 5000;     %迭代次数
           
           
N = 100;          %种群规模
           
           
m = 6;             %工件数
           
           
n = 4;             %工序数
           
           
M = 4;             %机器数
           
           
a =2;              %计算A/C协同系数的
           
           
plotif = 1;        %控制程序是否进行绘图
           
           
s = input(m,n);    %数据输入
           
           
[p,TN] = initial_p(m,n,N,s,M);    %生成初始种群50,采用细胞结构，每个元素为8*4
           
           
P = machine(n,M);
           
           
FIT = zeros(count,1);
           
           
aveFIT = zeros(count,1);
           
           
X1=randperm(count);       %收敛图形的横坐标X
           
           
X=sort(X1);
           
           
%------------------------输出最优解的时有用------------------------------
           
           
best_fit = 1000;            %改变模型需要修改此参数
           
           
best_p = zeros(m,n);
           
           
best_TN = zeros(m,n);
           
           
Y1p = zeros(m,1);
           
           
Y2p = zeros(m,1);
           
           
Y3p = zeros(m,1);
           
           
minfit3  =  1000000000;
           
           
%-------------------------进行迭代--------------------------------------
           
           
end
           
           
%-----------------------------选择最优方案---------------------------
           
           
function [best_p,best_TN,best_fit,Y1p,Y2p,Y3p]=best(best_fit,best_p,fit,best_TN,Y1p,Y2p,Y3p,p,TN,Y1,Y2,Y3)
           
           
    best_fit = min(fit);
           
           
    pos = find(fit==best_fit);
           
           
    best_p = p(pos(1));
           
           
    best_TN = TN(pos(1));
           
           
    best_p=cell2mat(best_p);
           
           
    best_TN=cell2mat(best_TN);
           
           
    Y1p=Y1(pos(1));
           
           
    Y2p=Y2(pos(1));
           
           
    Y3p=Y3(pos(1));
           
           
    Y1p=cell2mat(Y1p);
           
           
    Y2p=cell2mat(Y2p);
           
           
    Y3p=cell2mat(Y3p);
          
          

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.
• 11.
• 12.
• 13.
• 14.
• 15.
• 16.
• 17.
• 18.
• 19.
• 20.
• 21.
• 22.
• 23.
• 24.
• 25.
• 26.
• 27.
• 28.
• 29.
• 30.
• 31.
• 32.
• 33.
• 34.
• 35.
• 36.
• 37.
• 38.
• 39.
• 40.
• 41.
• 42.
• 43.
• 44.
• 45.

3 仿真结果

4 参考文献

[1]姜天华. 基于灰狼优化算法的低碳车间调度问题[J]. 计算机集成制造系统, 2018, 24(10):8.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。