【车间调度】基于模拟退火算法求解车间调度问题matlab源码

最新推荐文章于 2024-05-21 20:29:42 发布

Matlab科研辅导帮

最新推荐文章于 2024-05-21 20:29:42 发布

阅读量695

点赞数 1

文章标签：算法 python 深度学习人工智能 java

本文链接：https://blog.csdn.net/m0_60703264/article/details/120136307

版权

一、简介

1 模拟退火算法的应用背景\ 模拟退火算法提出于1982年。Kirkpatrick等人首先意识到固体退火过程与优化问题之间存在着类似性；Metropolis等人对固体在恒定温度下达到热平衡过程的模拟也给他们以启迪。通过把Metropolis 算法引入到优化过程中，最终得到一种对 Metropolis 算法进行迭代的优化算法，这种算法类似固体退火过程，称之为“模拟退火算法”。\ 模拟退火算法是一种适合求解大规模组合优化问题的随机搜索算法。目前，模拟退火算法在求解 TSP，VLSI 电路设计等组合优化问题上取得了令人满意的结果。将模拟退火算法同其它的计算智能方法相结合，应用到各类复杂系统的建模和优化问题中也得到了越来越多的重视，已经逐渐成为一种重要的发展方向。\ 2 模拟退火算法介绍\ 在这里插入图片描述 \ \ \ \ 3 模拟退火算法的参数\ 模拟退火是一种优化算法，它本身是不能独立存在的，需要有一个应用场合，其中温度就是模拟退火需要优化的参数，如果它应用到了聚类分析中，那么就是说聚类分析中有某个或者某几个参数需要优化，而这个参数，或者参数集就是温度所代表的。它可以是某项指标，某项关联度，某个距离等等。

二、源代码

``` clc; clear; close all;

%% Problem Definition

model=CreateModel(); % Create Model of the Problem

CostFunction=@(q) MyCost(q,model); % Cost Function

nVar=model.nVar; % Number of Decision Variables

VarSize=[1 nVar]; % Size of Decision Variables Matrix

%% SA Parameters

MaxIt=500; % Maximum Number of Iterations

MaxIt2=25; % Maximum Number of Inner Iterations

T0=10; % Initial Temperature

alpha=0.97; % Temperature Damping Rate

%% Initialization

% Create Initial Solution x.Position=CreateRandomSolution(model); [x.Cost, x.Sol]=CostFunction(x.Position);

% Update Best Solution Ever Found BestSol=x;

% Array to Hold Best Cost Values BestCost=zeros(MaxIt,1);

% Set Initial Temperature T=T0;

%% SA Main Loop

for it=1:MaxIt for it2=1:MaxIt2

% Create Neighbor
    xnew.Position=CreateNeighbor(x.Position);
    [xnew.Cost, xnew.Sol]=CostFunction(xnew.Position);

    if xnew.Cost<=x.Cost
        % xnew is better, so it is accepted
        x=xnew;

    else
        % xnew is not better, so it is accepted conditionally
        delta=xnew.Cost-x.Cost;
        p=exp(-delta/T);

        if rand<=p
            x=xnew;
        end

    end

function model=CreateModel()

p=[ 48    27    18    15
    23    52    50    59
    35    39    25    10
    45    38    36    49
    55    56    18    51
    58    24    40    54
    37    48    23    14
    17    48    43    30
    17    29    45    23
    23    38    48    50
    52    13    32    32
    22    12    14    56
    51    37    21    19
    22    49    56    23
    57    57    17    17
    27    16    52    16
    20    39    37    54
    22    33    60    39
    41    10    13    38
    34    27    32    17];

I=size(p,1);

J=size(p,2);

s(:,:,1)=[4 7 5 7 7 5 2 7 5 3 8 6 6 6 7 2 6 2 8 6
          3 5 8 5 6 6 5 2 7 4 2 2 5 2 4 7 5 2 3 4
          6 8 6 8 3 2 7 8 4 2 3 2 4 7 3 4 5 3 3 4
          3 4 3 6 6 6 8 8 5 5 2 7 2 2 2 6 6 3 4 5
          2 7 3 6 2 4 3 8 2 4 5 8 7 2 7 8 2 4 2 4
          7 4 4 7 6 2 3 8 3 3 2 5 4 6 3 5 4 4 6 4
          3 7 7 8 6 5 5 7 6 3 8 2 6 4 4 6 7 3 4 5
          5 7 7 8 7 3 6 5 4 8 3 7 7 6 5 7 6 3 8 7
          6 4 7 2 8 2 4 3 8 6 2 4 2 7 3 5 2 8 4 4
          4 3 4 8 8 3 3 4 2 5 4 4 2 6 6 6 2 6 6 5
          7 7 5 6 7 3 8 2 8 8 5 7 5 7 5 2 2 5 3 2
          4 8 2 8 6 3 2 2 5 2 2 2 5 3 3 8 2 3 4 2
          6 4 2 5 8 2 2 8 6 7 8 2 8 7 7 3 4 3 3 4
          6 6 2 5 6 6 2 4 8 7 4 6 7 8 2 3 6 2 7 4
          5 5 6 7 2 3 3 4 4 5 4 6 7 8 4 7 7 8 8 6
          2 7 5 3 2 5 6 4 4 3 2 5 2 2 3 5 5 6 4 8
          4 7 3 5 8 6 6 5 5 6 4 7 2 4 5 7 2 5 6 8
          4 3 5 8 5 5 2 6 7 4 2 6 2 4 2 4 6 4 4 5
          3 8 3 6 7 5 8 2 7 2 5 7 7 6 4 3 2 3 5 3
          3 8 2 7 3 5 7 7 2 3 7 4 8 6 2 2 2 6 7 7];

s(:,:,2)=[7 7 7 6 3 3 2 4 7 2 5 7 3 5 4 4 5 8 4 5
          7 7 3 4 4 3 3 6 6 3 5 4 3 5 2 2 6 5 6 3
          7 2 2 8 2 5 3 7 2 2 8 5 6 8 3 3 4 7 8 8
          2 5 7 3 6 3 2 6 7 5 7 8 6 4 3 7 2 6 7 7
          6 4 6 6 3 7 2 5 8 3 5 5 6 5 4 7 5 2 5 8
          5 5 7 6 2 8 6 6 7 8 8 4 6 8 3 8 4 5 7 3
          3 4 6 4 7 2 8 5 2 2 2 6 2 2 4 6 7 6 4 6
          2 4 4 2 4 5 4 2 4 2 4 4 4 8 2 2 7 5 8 6
          7 3 4 2 6 2 4 7 6 5 8 7 5 3 8 8 6 4 8 2
          3 3 7 4 4 7 8 8 7 7 8 4 3 6 2 7 2 8 8 4
          3 2 4 3 6 8 8 4 3 4 6 5 7 6 8 4 2 7 4 3
          6 8 7 7 2 2 6 8 3 3 6 6 7 6 4 5 5 7 5 7
          8 6 7 4 8 8 8 4 6 4 4 8 3 4 2 8 4 4 3 3
          5 8 7 7 7 2 7 8 5 3 8 4 7 6 4 7 8 6 7 8
          6 3 5 7 7 6 4 5 6 5 2 7 2 7 7 7 8 8 8 7
          3 8 6 5 7 7 6 4 3 8 7 7 7 2 7 5 4 8 8 4
          8 7 8 3 4 5 3 3 3 6 6 8 2 2 5 5 7 6 5 5
          5 6 5 8 6 8 4 2 7 2 7 2 6 8 6 5 8 3 6 6
          6 5 2 3 6 8 6 4 7 4 4 4 4 6 8 3 6 6 3 7
          2 3 8 8 5 6 5 7 8 2 7 6 7 3 2 7 8 2 8 6];

s(:,:,3)=[6 5 8 5 4 6 3 8 2 3 6 5 3 6 7 2 6 5 7 8
          4 6 5 6 5 5 5 6 3 2 6 7 2 5 4 6 6 7 6 5
          5 8 5 7 4 3 2 5 2 6 5 3 4 6 6 2 3 8 8 2
          6 7 4 5 7 6 7 7 5 8 3 4 6 3 2 6 2 7 2 2
          8 4 5 3 7 2 7 5 3 8 7 3 6 2 2 7 3 4 6 7
          7 7 5 5 5 6 8 5 4 3 3 4 5 5 8 3 8 5 3 5
          2 2 2 4 6 6 8 6 4 5 4 4 5 3 3 5 8 7 7 4
          6 2 8 8 8 2 5 4 2 4 8 5 4 8 6 5 6 2 3 7
          5 2 2 6 7 2 3 3 5 5 7 2 5 8 8 2 7 2 5 4
          5 3 5 6 6 3 2 6 6 3 4 5 7 4 3 5 3 3 4 5
          2 4 7 7 2 2 5 8 3 2 4 3 7 2 3 6 6 5 7 6
          7 4 4 4 4 5 6 4 7 5 6 3 6 6 4 3 7 8 6 8
          4 2 6 5 6 7 7 2 2 3 8 3 7 7 8 7 4 6 3 4
          3 5 7 5 5 6 2 5 4 2 8 3 6 8 4 8 8 4 4 6
          4 2 8 3 2 5 6 4 2 8 6 8 2 2 3 7 2 4 2 8
          4 3 8 5 3 8 5 4 3 5 4 8 5 5 3 5 4 7 6 2
          5 6 3 6 7 2 3 7 2 8 7 7 4 6 4 3 5 8 5 6
          5 8 3 4 2 8 8 4 3 7 5 7 2 6 4 7 2 6 3 4
          4 8 8 7 8 2 6 4 2 2 8 3 3 7 2 3 7 3 3 4
          4 5 6 7 2 5 5 4 3 6 2 4 3 6 5 8 5 2 5 3];

s(:,:,4)=[7 7 8 3 8 2 5 2 3 8 2 5 7 7 3 4 7 6 8 7
          8 5 2 3 6 7 6 4 7 6 4 8 5 8 8 4 7 3 5 6
          3 3 2 4 4 4 8 8 4 6 7 7 4 3 6 8 4 5 8 5
          7 5 4 8 7 7 3 5 4 7 3 8 7 2 8 6 5 7 7 3
          3 5 6 5 8 5 7 4 3 2 7 3 5 3 5 8 8 3 5 8
          8 8 5 4 5 5 6 3 7 8 6 5 8 4 8 3 6 4 6 5
          7 7 8 3 5 2 5 5 6 4 7 2 8 4 2 7 7 5 8 2
          4 8 5 8 4 2 8 8 7 2 7 7 4 8 6 6 3 4 3 6
          7 6 5 4 2 2 4 2 7 7 4 6 5 2 7 3 6 7 4 5
          5 4 5 7 3 6 3 5 2 3 4 8 4 6 3 5 6 8 8 2
          7 8 6 6 2 3 6 7 8 3 5 8 6 3 8 4 8 3 4 8
          4 5 2 4 5 7 6 2 5 6 4 8 7 7 7 6 2 3 6 4
          2 3 7 8 2 8 4 6 7 3 7 4 7 3 7 7 5 6 8 3
          6 4 2 7 8 8 7 8 7 4 7 2 2 5 6 2 5 4 8 2
          8 6 5 5 6 5 8 3 7 4 5 5 7 8 7 7 2 8 6 4
          3 5 3 7 2 3 8 2 3 4 3 3 2 4 4 7 8 8 2 3
          5 7 4 8 2 3 2 6 5 4 6 3 4 2 3 4 8 6 2 6
          7 8 6 5 3 5 3 8 6 6 3 4 7 3 4 5 5 8 6 2
          2 8 3 4 5 7 2 6 8 3 5 2 7 4 6 6 7 4 5 3
          8 5 3 6 2 4 6 8 7 3 4 7 4 4 7 6 3 6 8 3];

model.I=I;
model.J=J;
model.p=p;
model.s=s;
model.nVar=I+J-1;

end ```

三、运行结果

在这里插入图片描述 \

四、备注

版本：2014a

Matlab科研辅导帮

关注

1
点赞
踩
10

收藏

觉得还不错? 一键收藏
打赏
0
评论
【车间调度】基于模拟退火算法求解车间调度问题matlab源码

一、简介1 模拟退火算法的应用背景\模拟退火算法提出于1982年。Kirkpatrick等人首先意识到固体退火过程与优化问题之间存在着类似性；Metropolis等人对固体在恒定温度下达到热平衡过程的模拟也给他们以启迪。通过把Metropolis 算法引入到优化过程中，最终得到一种对 Metropolis 算法进行迭代的优化算法，这种算法类似固体退火过程，称之为“模拟退火算法”。\模拟退火...
复制链接

扫一扫