(Matlab)复现《改进NSGA_II算法求解考虑运输约束的柔性作业车间节能调度问题》中的变异操作

昨天的时候想把这篇文章的变异操作和上一篇文章的变异操作发个综合版本,但是在机器的选择问题上卡住了,今天对代码进行再一次调试,最终得到了想要的结果。

文章中的变异操作分为两个部分,一个是工序编码层变异,另外一个是机器编码层的变异。

工序编码层变异:

 代码实现:

for i=1:NIND               
    %取一个个体
    S=Chrom(i,:);
    number=randperm(WNumber);
    pos1=number(1);
    pos2=number(2);
    workpiece1=S(pos1);
    workpiece2=S(pos2);
    B=zeros(PNumber,2);
    C=zeros(PNumber,2);
    a=1;
    b=1;
    for q=1:WNumber
        if S(q)==workpiece1
            B(a,1)=q;
            B(a,2)=S(q+WNumber);
            a=a+1;
        end
        if S(q)==workpiece2
            C(b,1)=q;
            C(b
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
NS-II(Non-dominated Sorting Genetic Algorithm II)是一种经典的多目标优化算法,它可以用于求解多项目调度问题(Multi-Project Scheduling Problem,MPSP)。 在MPSP,有多个项目需要被调度,每个项目有多个任务(或活动),每个任务有不同的执行时间和资源需求。任务之间存在先后顺序限制,即某些任务必须在另一些任务完成后才能开始执行。MPSP的目标是找到一个满足所有约束条件的调度方案,使得项目的总完成时间最小。 NSGA-II算法的基本思想是通过遗传算法的方式来搜索解空间,并利用非支配排序和拥挤度距离来维护种群的多个非支配解集。具体来说,NSGA-II算法的基本步骤如下: 1. 初始化一个种群,其每个个体都是一个任务的调度方案。 2. 对种群的个体按照非支配排序进行排序,得到多个非支配解集。 3. 对每个非支配解集进行拥挤度距离计算,以保证解集的多样性。 4. 将所有非支配解集的个体进行交叉、变异等遗传算子操作,生成新的子代种群。 5. 重步骤2-4,直到达到预设的停止准则(如达到最大迭代次数)。 NSGA-II算法求解MPSP的最优解是一组调度方案,其每个调度方案是一组任务的执行顺序和开始时间。这组调度方案应该满足所有项目的约束条件,并且使得项目的总完成时间最小。因为NSGA-II算法是一种多目标优化算法,所以它可以找到一组最优解,其每个解都在不同的目标维度上具有最优性。在MPSP,可能存在多个最优解,每个最优解都对应着一组不同的调度方案。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值