资源描述：
《车间作业调度问题遗传算法matlab源码》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、车间作业调度问题遗传算法Matlab源码function[Zp,Y1p,Y2p,Y3p,Xp,LC1,LC2]=JSPGA(M,N,Pm,T,P)%--------------------------------------------------------------------------% JSPGA.m% 车间作业调度问题遗传算法%--------------------------------------------------------------------------% 输入参数列表% M 遗传进化迭代次数% N 种群规模(取偶数)% P
2、m 变异概率% T m×n的矩阵，存储m个工件n个工序的加工时间% P 1×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
3、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1LC2=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fork=1:N X=zeros(m,n); forj=1:n fori=1:m X(i,j)=1+(P(j)-eps)*rand; end end farm{k}
4、=X;endcounter=0;%设置迭代计数器whilecounter %第三步：交叉 newfarm=cell(1,N);%交叉产生的新种群存在其中 Ser=randperm(N); fori=1:2:(N-1) A=farm{Ser(i)};%父代个体 B=farm{Ser(i+1)}; Manner=unidrnd(2);%随机选择交叉方式 ifManner==1 cp=unidrnd(m-1);%随机选择交叉点 %双亲双子单点交叉 a=[A
5、(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 a=[A(:,1:cp),B(:,(cp+1):n)];%双亲双子单点交叉 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
6、=[farm,newfarm]; %第四步：选择复制 FITNESS=zeros(1,2*N); fitness=zeros(1,N); plotif=0; fori=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); fori=1:N f1=FITNESS(Ser(2*i-1)); f2=F
7、ITNESS(Ser(2*i)); iff1<=f2 farm{i}=FARM{Ser(2*i-1)}; fitness(i)=FITNESS(Ser(2*i-1)); else farm{i}=FARM{Ser(2*i)}; fitness(i)=FITNESS(Ser(2*i)); end end %记录最佳个体和收敛曲线 minfitness=min(fitn
