02流水线车间生产调度的遗传算法MATLAB源代码.docx
《02流水线车间生产调度的遗传算法MATLAB源代码.docx》由会员分享,可在线阅读,更多相关《02流水线车间生产调度的遗传算法MATLAB源代码.docx(10页珍藏版)》请在冰点文库上搜索。
![02流水线车间生产调度的遗传算法MATLAB源代码.docx](https://file1.bingdoc.com/fileroot1/2023-6/6/47c9175b-3021-4295-8133-e67f48dec0aa/47c9175b-3021-4295-8133-e67f48dec0aa1.gif)
02流水线车间生产调度的遗传算法MATLAB源代码
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→
%--------------------------------------------------------------------------
%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
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}=X;
end
counter=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
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(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;
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
f2=FITNESS(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)};
end
end
%记录最佳个体和收敛曲线
minfitness=min(fitness)
meanfitness=mean(fitness)
LC1(counter+1)=minfitness;%收敛曲线1,各代最优个体适应值的记录
LC2(counter+1)=meanfitness;%收敛曲线2,各代群体平均适应值的记录
pos=find(fitness==minfitness);
Xp=farm{pos
(1)};
%第五步:
变异
fori=1:
N
ifPm>rand;%变异概率为Pm
X=farm{i};
I=unidrnd(m);
J=unidrnd(n);
X(I,J)=1+(P(J)-eps)*rand;
farm{i}=X;
end
end
farm{pos
(1)}=Xp;
counter=counter+1
end
%输出结果并绘图
figure
(1);
plotif=1;
X=Xp;
[Zp,Y1p,Y2p,Y3p]=COST(X,T,P,plotif);
figure
(2);
plot(LC1);
figure(3);
plot(LC2);
function[Zp,Y1p,Y2p,Y3p]=COST(X,T,P,plotif)
%JSPGA的内联子函数,用于求调度方案的Makespan值
%输入参数列表
%X调度方案的编码矩阵,是一个实数编码的m×n矩阵
%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
%plotif是否绘甘特图的控制参数
%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
%Y2p最优方案中,各工件各工序的结束时刻
%Y3p最优方案中,各工件各工序使用的机器编号
%第一步:
变量初始化
[m,n]=size(X);
Y1p=zeros(m,n);
Y2p=zeros(m,n);
Y3p=zeros(m,n);
%第二步:
计算第一道工序的安排
Q1=zeros(m,1);
Q2=zeros(m,1);
R=X(:
1);%取出第一道工序
Q3=floor(R);%向下取整即得到各工件在第一道工序使用的机器的编号
%下面计算各工件第一道工序的开始时刻和结束时刻
fori=1:
P
(1)%取出机器编号
pos=find(Q3==i);%取出使用编号为i的机器为其加工的工件的编号
lenpos=length(pos);
iflenpos>=1
Q1(pos
(1))=0;
iflenpos>=2
forj=2:
lenpos
Q1(pos(j))=Q2(pos(j-1));
Q2(pos(j))=Q2(pos(j-1))+T(pos(j),1);
end
end
end
end
Y1p(:
1)=Q1;
Y3p(:
1)=Q3;
%第三步:
计算剩余工序的安排
fork=2:
n
R=X(:
k);%取出第k道工序
Q3=floor(R);%向下取整即得到各工件在第k道工序使用的机器的编号
%下面计算各工件第k道工序的开始时刻和结束时刻
fori=1:
P(k)%取出机器编号
pos=find(Q3==i);%取出使用编号为i的机器为其加工的工件的编号
lenpos=length(pos);
iflenpos>=1
EndTime=Y2p(pos,k-1);%取出这些机器在上一个工序中的结束时刻
POS=zeros(1,lenpos);%上一个工序完成时间由早到晚的排序
forjj=1:
lenpos
POS(jj)=ppp
(1);
EndTime(ppp
(1))=Inf;
end
%根据上一个工序完成时刻的早晚,计算各工件第k道工序的开始时刻和结束时刻
Q1(pos(POS
(1)))=Y2p(pos(POS
(1)),k-1);
Q2(pos(POS
(1)))=Q1(pos(POS
(1)))+T(pos(POS
(1)),k);%前一个工件的结束时刻
iflenpos>=2
forj=2:
lenpos
Q1(pos(POS(j)))=Y2p(pos(POS(j)),k-1);%预定的开始时刻为上一个工序的结束时刻
ifQ1(pos(POS(j)))Q1(pos(POS(j)))=Q2(pos(POS(j-1)));
end
end
end
end
end
Y1p(:
k)=Q1;
Y2p(:
k)=Q2;
Y3p(:
k)=Q3;
end
%第四步:
计算最优的Makespan值
Y2m=Y2p(:
n);
Zp=max(Y2m);
%第五步:
绘甘特图
ifplotif
fori=1:
m
forj=1:
n
mPoint1=Y1p(i,j);
mPoint2=Y2p(i,j);
mText=m+1-i;
PlotRec(mPoint1,mPoint2,mText);
Word=num2str(Y3p(i,j));
%text(0.5*mPoint1+0.5*mPoint2,mText-0.5,Word);
holdon
x1=mPoint1;y1=mText-1;
x2=mPoint2;y2=mText-1;
x4=mPoint1;y4=mText;
%fill([x1,x2,x3,x4],[y1,y2,y3,y4],'r');
fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,0.5,1]);
text(0.5*mPoint1+0.5*mPoint2,mText-0.5,Word);
end
end
end
functionPlotRec(mPoint1,mPoint2,mText)
%此函数画出小矩形
%输入:
%mPoint1输入点1,较小,横坐标
%mPoint2输入点2,较大,横坐标
%mText输入的文本,序号,纵坐标
vPoint=zeros(4,2);
vPoint(1,:
)=[mPoint1,mText-1];
vPoint(2,:
)=[mPoint2,mText-1];
vPoint(3,:
)=[mPoint1,mText];
vPoint(4,:
)=[mPoint2,mText];
plot([vPoint(1,1),vPoint(2,1)],[vPoint(1,2),vPoint(2,2)]);
holdon;
plot([vPoint(1,1),vPoint(3,1)],[vPoint(1,2),vPoint(3,2)]);
plot([vPoint(2,1),vPoint(4,1)],[vPoint(2,2),vPoint(4,2)]);
plot([vPoint(3,1),vPoint(4,1)],[vPoint(3,2),vPoint(4,2)]);