《生产计划与控制实践大作业2》.docVIP

生产计划与控制实践大作业 遗传算法求解车间作业调度问题 课程名称： 生产计划与控制实践 报告题目： 遗传算法求解车间作业调度问题 指导老师： 高杰 组员姓名： 王佳昀、姚泽坤、方正 所在组号： 第 十 二 组 二0一 四 年 12 月 22 日 1、问题回顾 车间作业调度问题 （1）PPT中例子（如下图所示）的求解 编写MATLAB 遗传算法GA_JSP函数M文件代码（源代码较长）见附录 之后在命令窗口调用GA_JSP函数求解的文件主程序编写如下： %% 文件主体部分 clc,clear %清除命令窗口，清除工作空间 NIND = 40; %种群所包含个体数目 MAXGEN = 50; %最大遗传代数 GGAP = 0.9; %代沟 P_Cross = 0.8; %交叉率 P_Mutation = 0.6; %变异率 Jm={1 2 3;1 3 2;2 1 3};% 工序机器矩阵 T={3 3 2;1 5 3;3 2 3};%加工时间矩阵 MakeSpan = GA_JSP(NIND,MAXGEN,GGAP,P_Cross,P_Mutation,Jm,T); fprintf(最小加工流程时间为：\n) disp(MakeSpan) 程序运行结果如下： 最小加工流程时间为11，比课件图中给出的两种方案用时少，此方案更优 图中201表示第二个工件的第一道工序，其余类推 （2）公邮中TXT文本 Fisher and Thompson 6x6 instance的求解 采用与（1）相同的方法，输入工序机器矩阵Jm和加工时间矩阵T即可求解 其中： Jm={3 1 2 4 6 5;2 3 5 6 1 4;3 4 6 1 2 5;2 1 3 4 5 6;3 2 5 6 1 4;2 4 6 1 5 3}; % 工序机器矩阵 T={1 3 6 7 3 6;8 5 10 10 10 4;5 4 8 9 1 7;5 5 5 3 8 9;9 3 5 4 3 1;3 3 9 10 4 1}; %加工时间矩阵 运行结果截图： 附录 1 MATLAB 遗传算法GA_JSP函数M文件的部分主要代码（由于代码较长，此处仅保留了主函数代码）： function MakeSpan = GA_JSP(NIND,MAXGEN,GGAP,P_Cross,P_Mutation,Jm,T) %% 程序功能说明 %基于遗传算法的作业车间调度问题的求解程序（GA_JSP） %====输入变量==== %NIND ：种群所包含个体的数目 %MAXGEN ：最大遗传代数 %GGAP ：代沟 %P_Cross ：交叉概率 %P_Mutation ：变异概率 %Jm ：各工序的可选机器集合，为m×n的元胞矩阵，m为机器数（工序），n为工件数 %T ：加工时间矩阵 %====输出变量==== %MakeSpan ：最小的最大完工时间 %% 主函数程序部分 gen = 0; %迭代计数器 JmNumber = Max_Cell(Jm); %调用Max_Cell子函数求机器的数量 [PNumber,MNumber] = size(Jm); %PNumber为工件个数，MNumber为工序个数 trace = zeros(2,MAXGEN); %寻优结果的初始值，一行存放各代的最优解，一行存放各代解的均值 TotalOP_Number = PNumber*MNumber; %工序总个数 %（1）初始化 Number = zeros(1,PNumber); %Number存放每个工件的工序数，PNumber工件个数 for i = 1:PNumber Number(i) = MNumber; %MNumber工序个数 end %染色体个体编码：代码分为两层，第一层表示工序，第二层表示机器 Chrom = zeros(NIND,2*TotalOP_Number); %染色体的长度为2*TotalOP_Number for j = 1:NIND %逐代寻优 WPNumberTemp = Number; for i = 1:TotalOP_Number %