泊位调度问题 matlab,流水线车间调度问题matlab源程序.doc

流水线车间调度问题matlab源程序

流水线车间调度问题matlab源程序

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,Y1p,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：/greensim

% 欢迎访问GreenSim——算法仿真团队→/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，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1

LC2=zeros(1,N);%收敛曲线2

%第二步：随机产生初始种群

farm=cell(1,N);%采用细胞结构存储种群

for k=1:N

X=zeros(m,n);

for j=1:n

for i=1:m

X(i,j)=1+(P(j)-eps)*rand;

end

end

farm{k}=X;

end

counter=0;%设置迭代计数器

while counter

%第三步：交叉

newfarm=cell(1,N);%交叉产生的新种群存在其中

Ser=randperm(N);

for i=1:2:(N-1)

A=farm{Ser(i)};%父代个体

Manner=unidrnd(2);%随机选择交叉方式

if Manner==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{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);