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)%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:NX=zeros(m,n);forj=1:nfori=1:mX(i,j)=1+(P(j)-eps)*rand;endendfarm{k}=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==1cp=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,:)];elsecp=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)];endnewfarm{i}=a;%交叉后的子代存入newfarmnewfarm{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:Nf1=FITNESS(Ser(2*i-1));f2=FITNESS(Ser(2*i));iff1=f2farm{i}=FARM{Ser(2*i-1)};fitness(i)=FITNESS(Ser(2*i-1));elsefarm{i}=FARM{Ser(2*i)};fitness(i)=FITNESS(Ser(2*i));endend%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:NifPmrand;%变异概率为PmX=farm{i};I=unidrnd(m);J=unidrnd(n);X(I,J)=1+(P(J)-eps)*rand;farm{i}=X;endendfarm{pos(1)}=Xp;counter=counter+1end%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);