作业调度算法代码_混合算法(GA+TS)求解作业车间调度问题代码解读+完整JAVA代码...

程序猿声

代码黑科技的分享区

 

前两篇文章中，我们介绍了FJSP问题，并梳理了一遍HA算法。这一篇文章对小编实现的(很乱很烂的)代码进行简单解读。

往期回顾：

种群进化+邻域搜索的混合算法(GA+TS)求解作业车间调度问题(JSP)-算法介绍

混合算法(GA+TS)求解作业车间调度问题(JSP)-禁忌搜索部分

代码下载请关注公众号，后台回复【FJSPHA】即可，不包括【】

代码框架

代码分为5个包，第一部分Data为用到的各类结构，第二部分GA为GA部分+第一个TS，第三部分主函数，第四、五部分是两个TS。

算例放置在input文件夹中，这里准备了Mk系列算例，Kacem系列算例和论文中的简单算例test.txt。

Main

算例输入：

Main中还有一个输出为CSV的函数，需要一个jar包，已经放在下载链接里了，不需要的同学也可以删除。

Data

一堆乱七八糟的结构。这里简单讲一下Solution类和Graph类。

Solution类中包含多个print函数，比较重要的包括绘制甘特图以及check解是否合法。

operationMatrix是解的主题，存放某个工件的某道工序的开始、结束时间，所在加工机器。

Graph类表示析取图。nodeList是每台机器上的node。其中起始点、终止点我单独提取出来设置了两个类。Graph中还包含了获取critical path的DFS和update starting time & end time的Bellman算法。

GA

MyHybridAlgorithm类是GA的主函数。小编在实现的时候进行了多种测试，比如迭代的noImprove次数达到limit时进行扰动：

选择哪种Tabu：

读者在阅读的时候请自己注意。

算法相关的参数我都做了初始化，请自行查找修改：

交叉、变异等操作包含在ChromosomeOperation类中，计算适应度的函数在CaculateFitness类中，TabuSearch1类是基于编码的tabu，这里都不多展示了。

NeighbourSearch

这个包包含的是基于析取图的tabu。NeighbourAlgorithms类相当于Main，包含解转化为图的函数：

TabuSearch2类为tabu主函数。NeighbourGraph类存放析取图邻域搜索产生的解。

DeleteNeighbourGraph类为析取图中暂时去掉某个点后的情况，PM、PJ、SM、SJ代表precede、succeed、machine、job四条边对应的点，deleteNode为删去的点。

其中还有findLandR位置的二分查找函数，insert时的估值函数：

NeighbourSearch2

这个包为第三个基于甘特图的tabu。

RTS类为tabu的主函数。解通过：ArrayList> 的形式表示。

replan函数中包含了在甘特图上进行swap操作后更新解的方法，有详细注释：

总结

到这里已经大致梳理了一遍代码，但其中还有很多细节没有讲到，包括很多东西实现的不好，欢迎随时和我交流。

由于是自己研究时写的代码，其中很多东西会比较乱，但是代码中做了很多注解，仔细阅读应该能看得懂的！

下载的压缩包里包括我学习过程中看过的大部分文献，包括主要参考的文献，大家可以进一步阅读研究。

参考

[1]Li, Xinyu , and L. Gao . "An effective hybrid genetic algorithm and tabu search for flexible job shop scheduling problem." International Journal of Production Economics 174.Apr.(2016):93-110. [2]Zhang, Chao Yong , P. G. Li , and Y. R. Zailin Guan . "A tabu search algorithm with a new neighborhood structure for the job shop scheduling problem." Computers & Operations Research 34.11(2007):3229-3242. [3]Mastrolilli, Monaldo , and L. M. Gambardella . "Effective Neighbourhood Functions for the Flexible Job Shop Problem." Journal of Scheduling 3.1(2015):3-20. [4]Zhang, Guohui , L. Gao , and Y. Shi . "An effective genetic algorithm for the flexible job-shop scheduling problem." Expert Systems with Applications 38.4(2011):3563-3573.

推荐阅读：

干货 | 想学习优化算法，不知从何学起？

干货 | 运筹学从何学起？如何快速入门运筹学算法？

干货 | 学习算法，你需要掌握这些编程基础(包含JAVA和C++)

干货 | 算法学习必备诀窍：算法可视化解密

干货 | 模拟退火、禁忌搜索、迭代局部搜索求解TSP问题Python代码分享

记得点个 在看 支持下哦～