遗传算法柔性作业车间调度优势,matlab遗传算法车辆调度实例
【作业车间调度】基于遗传算法的柔性作业车间调度，带Matlab代码_ Matlab仿真技术博客_博客
1.针对传统作业车间调度中加工设备功能单一、加工工序对应设备固定的问题，采用遗传算法进行求解和优化。测试了一个8个作业、每个作业8个过程的应用实例，证明了该方法的可行性和有效性。
第2部分代码% -
Function [fit，y1，y2，y3]=object (p，tn，n，p，m，n)%计算每个染色体的适应度。
fit=zeros(N，1)；
Y1=cell(N，1)；
Y2=cell(N，1)；
Y3=cell(N，1)；
对于j=1:N
Y1{j}=零(m，n)；
Y2{j}=零(m，n)；
Y3{j}=零(m，n)；
目标
对于w=1:N
x=p { w }；%变量初始化
t=TN { w }；
[m，n]=大小(X)；
Y1p=零(m，n)；
Y2p=零(m，n)；
Y3p=零(m，n)；
Q1=零(m，1)；%计算第一道工序的安排。
Q2=零(m，1)；
R=X(:1)；%取出第一道工序的机器号。
Q3=楼层(R)；%向下舍入，得到每个工件在第一道工序中使用的机器号。
对于k=1:第一道工序计划的P(1)%，k是机器号。
pos=find(Q3==k)；%取出Q3中K机加工的工件号。
lenpos=长度(位置)；使用机器K的工件数量百分比
如果lenpos==0
目标
如果lenpos=1
Q1(位置(1))=0；
Q2(位置(1))=Q1(位置(1)) T(位置(1)，1)；
如果lenpos=2
对于j=2:lenpos
Q1(职位(j))=Q2(职位(j-1))；
Q2(pos(j))=Q1(pos(j)) T(pos(j)，1)；
目标
目标
目标
目标
Y1p(:1)=Q1；
Y2p(:1)=Q2；
Y3p(:1)=Q3；
对于k=2:n%,计算第2到第n个过程的安排。
Q1=零(m，1)；
Q2=零(m，1)；
R=X(:k)；%取出K进程的机器号。
Q3=楼层(R)；%向下舍入，得到第k个工序中每个工件使用的机器号。
R1=X(:k-1)；%取出上一工序的机器号。
Q31=地板(R1)；%向下舍入以获得每个工件在前一工序中使用的机器号。
对于i=1:P(k)%的第I个进程的调度，其中k是机器号。
pos=find(Q3==I)；
lenpos=长度(位置)；
pos 1=find(Q31==I)；
lenpos1=长度(pos 1)；
如果lenpos==0
目标
如果lenpos=1
EndTime=Y2p(pos(1)，k-1)；
POS=零(1，len POS 1)；
对于j=1:lenpos1
POS(j)=Y2p(pos1(j)，k-1)；
目标
EndTime1=max(位置)；
如果结束时间1结束时间
EndTime=EndTime1
其他
EndTime=结束时间；
目标
Q1(位置(1))=结束时间；
Q2(位置(1))=Q1(位置(1)) T(位置(1)，k-1)；
如果lenpos=2
对于j=2:lenpos
Q1(位置(j))=Y2p(位置(j)，k-1)；%上一个操作的结束时间
如果Q1(职位(j)) Q2(职位(j-1))
Q1(职位(j))=Q2(职位(j-1))；
其他
Q1(职位(j))=Q1(职位(j))；
目标
Q2(位置(j))=Q1(位置(j)) T(位置(j)，k)；
目标
目标
目标
目标
Y1p(:k)=Q1；
Y2p(:k)=Q2；
Y3p(:k)=Q3；
目标
Y2m=Y2p(:n)；
Y2m1=Y2p(:n-1)；
zx=max(y2 m1)；
ZP=max(Y2m)；
如果Zx Zp
Zp=Zx
目标
fit(w)=Zp；
Y1 { w }=Y1p
Y2 { w }=Y2p
Y3 { w }=Y3p
End3模拟结果
4参考文献[1]郭庆，张明璐，孙立新，刘璇。基于遗传算法的柔性作业车间调度优化[J].科学技术与工程，2020，20(29):6。
博主：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等领域的Matlab仿真。相关的matlab代码问题可以私信交流。有些理论引用自网络文献。如有侵权，联系博主删除。
原创作品来自matlab研究助手，
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。