02流水线车间生产调度的遗传算法MATLAB源代码.docxVIP

欢迎访问 GreenSim 团队主页 →/greensim 邮箱： greensim@163.com 流水线车间生产调度的遗传算法 MATLAB 源代码 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。 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——专业级算法设计 代写程序 欢迎访问 GreenSim 团队主页 → /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 Tm× n 的矩阵，存储 m 个工件 n 个工序的加工时间 P1×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; 1 页 欢迎访问 GreenSim 团队主页 →/greensim 邮箱： greensim@163.com end end farm{k}=X; end counter=0;% 设置迭代计数器 while counterM% 停止条件为达到最大迭代次数 %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); plotif=0; for i=1:(2*N) X=FARM{i}; Z=COST(X,T,P,plotif);% 调用计算费用的子函数 FITNESS(i)=Z; end %选择复制采取两两随机配对竞争的方式，具有保留最优个体的能力 Ser=randperm(2*N); for i=1:N f2=FITNESS(Ser(2*i)); if f1=f2 farm{i}=FARM{Ser(2*i-1)}; fitness(i)=FITNESS(Ser(2*i-1)); else farm{i}=FARM{Ser(2*i)}; 2 页 欢迎访问 GreenSim 团队主页 →/greensim 邮箱： greensim@163