流水线车间生产调度的遗传算法MATLAB源代码Word格式文档下载.docx

上传人:b****3 文档编号:15220794 上传时间:2022-10-28 格式:DOCX 页数:6 大小:24.50KB
下载 相关 举报
流水线车间生产调度的遗传算法MATLAB源代码Word格式文档下载.docx_第1页
第1页 / 共6页
流水线车间生产调度的遗传算法MATLAB源代码Word格式文档下载.docx_第2页
第2页 / 共6页
流水线车间生产调度的遗传算法MATLAB源代码Word格式文档下载.docx_第3页
第3页 / 共6页
流水线车间生产调度的遗传算法MATLAB源代码Word格式文档下载.docx_第4页
第4页 / 共6页
流水线车间生产调度的遗传算法MATLAB源代码Word格式文档下载.docx_第5页
第5页 / 共6页
点击查看更多>>
下载资源
资源描述

流水线车间生产调度的遗传算法MATLAB源代码Word格式文档下载.docx

《流水线车间生产调度的遗传算法MATLAB源代码Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《流水线车间生产调度的遗传算法MATLAB源代码Word格式文档下载.docx(6页珍藏版)》请在冰豆网上搜索。

流水线车间生产调度的遗传算法MATLAB源代码Word格式文档下载.docx

%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<

M%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);

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:

A((cp+1):

else

cp=unidrnd(n-1);

b=[B(:

1:

cp),A(:

(cp+1):

n)];

newfarm{i}=a;

%交叉后的子代存入newfarm

newfarm{i+1}=b;

%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;

(2*N)

X=FARM{i};

Z=COST(X,T,P,plotif);

%调用计算费用的子函数

FITNESS(i)=Z;

%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);

f2=FITNESS(Ser(2*i));

iff1<

=f2

farm{i}=FARM{Ser(2*i-1)};

fitness(i)=FITNESS(Ser(2*i-1));

farm{i}=FARM{Ser(2*i)};

%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

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;

farm{pos

(1)}=Xp;

counter=counter+1

%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

%X调度方案的编码矩阵,是一个实数编码的m×

%plotif是否绘甘特图的控制参数

%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

[m,n]=size(X);

Y1p=zeros(m,n);

Y2p=zeros(m,n);

Y3p=zeros(m,n);

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

Y1p(:

1)=Q1;

Y3p(:

1)=Q3;

%第三步:

计算剩余工序的安排

fork=2:

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

P(k)%取出机器编号

pos=find(Q3==i);

lenpos=length(pos);

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:

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>

forj=2:

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)))<

Q2(pos(POS(j-1)))%如果比前面的工件的结束时刻还早

Q1(pos(POS(j)))=Q2(pos(POS(j-1)));

end

end

Y1p(:

k)=Q1;

展开阅读全文
相关资源
猜你喜欢
相关搜索
资源标签

当前位置:首页 > 高等教育 > 理学

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1