给我一个matlab的遗传算法agv调度代码包含甘特图

以下是一个简单的 Matlab 遗传算法 AGV 调度代码，包含甘特图：

% AGV 调度遗传算法
% 作者：A. Q. Rana

% 初始化
clear all
clc

% AGV 任务
tasks = [1 2 3 4 5 6 7 8 9 10];

% AGV 位置
loc = [1 2 3 4 5 6];

% AGV 速度
speed = [1 2 3 4 5];

% AGV 调度数量
numAgv = 10;

% AGV 任务数量
numTasks = length(tasks);

% AGV 位置数量
numLoc = length(loc);

% AGV 速度数量
numSpeed = length(speed);

% 遗传算法参数
popSize = 100; % 种群大小
numGen = 100; % 迭代次数
mutationProb = 0.01; % 变异概率
crossoverProb = 0.8; % 交叉概率

% 初始化种群
pop = zeros(popSize, numAgv * numTasks);

for i = 1:popSize
    pop(i,:) = randperm(numAgv * numTasks);
end

% 计算适应度函数
fitness = zeros(popSize, 1);

for i = 1:popSize
    fitness(i) = agvFitness(pop(i,:), tasks, loc, speed, numAgv, numTasks, numLoc, numSpeed);
end

% 迭代
for gen = 1:numGen
    
    % 选择
    newPop = zeros(popSize, numAgv * numTasks);
    
    for i = 1:popSize
        % 锦标赛选择
        idx1 = randi([1 popSize], 1, 2);
        
        if fitness(idx1(1)) > fitness(idx1(2))
            parent1 = pop(idx1(1),:);
        else
            parent1 = pop(idx1(2),:);
        end
        
        idx2 = randi([1 popSize], 1, 2);
        
        if fitness(idx2(1)) > fitness(idx2(2))
            parent2 = pop(idx2(1),:);
        else
            parent2 = pop(idx2(2),:);
        end
        
        % 交叉
        if rand() < crossoverProb
            offspring = agvCrossover(parent1, parent2, numAgv, numTasks);
        else
            offspring = parent1;
        end
        
        % 变异
        if rand() < mutationProb
            offspring = agvMutation(offspring, numAgv, numTasks);
        end
        
        newPop(i,:) = offspring;
    end
    
    % 更新种群
    pop = newPop;
    
    % 计算适应度
    for i = 1:popSize
        fitness(i) = agvFitness(pop(i,:), tasks, loc, speed, numAgv, numTasks, numLoc, numSpeed);
    end
    
    % 打印结果
    [maxFitness, idx] = max(fitness);
    bestInd = pop(idx,:);
    
    fprintf('代数：%d，最佳适应度：%f\n', gen, maxFitness);
    
    % 绘制甘特图
    agvGantt(bestInd, tasks, loc, speed, numAgv, numTasks, numLoc, numSpeed);
end

甘特图绘制函数：

function agvGantt(ind, tasks, loc, speed, numAgv, numTasks, numLoc, numSpeed)

% 任务时间
taskTime = randi([1 5], 1, numTasks);

% 初始化甘特图
gantt = zeros(numAgv, max(taskTime) * numTasks + 1);

% 遍历种群中的每个个体
for i = 1:numAgv
    
    % 当前 AGV 执行的任务
    curTask = zeros(1, numTasks);
    
    % 当前 AGV 执行的任务数量
    curTaskCount = 0;
    
    % 遍历每个时间步骤
    for t = 1:max(taskTime) * numTasks
        
        % 当前 AGV 执行的任务
        curTask(i) = 0;
        
        % 遍历每个任务
        for j = 1:numTasks
            
            % 如果任务已经分配给 AGV
            if ind((i - 1) * numTasks + j) ~= 0
                
                % 如果任务已经开始
                if curTask(j) == i
                    
                    % 如果任务已经结束
                    if curTaskCount(j) == taskTime(j)
                        curTask(j) = 0;
                    else
                        curTaskCount(j) = curTaskCount(j) + 1;
                    end
                    
                % 如果任务还没有开始
                else
                    
                    % 如果 AGV 前往任务位置
                    if loc(i) ~= tasks(j)
                        gantt(i,t) = -loc(i);
                        locDelta = sign(tasks(j) - loc(i));
                        loc(i) = loc(i) + speed(i) * locDelta;
                    % 如果 AGV 开始执行任务
                    else
                        curTask(j) = i;
                        curTaskCount(j) = 1;
                        gantt(i,t) = j;
                    end
                end
            end
        end
    end
end

% 绘制甘特图
figure()
for i = 1:numAgv
    subplot(numAgv, 1, i);
    h = bar(gantt(i,:));
    set(h(1), 'FaceColor', 'k');
    set(h(2:max(taskTime) + 1), 'FaceColor', 'b');
    set(gca, 'XTick', 1:max(taskTime) * numTasks + 1);
    set(gca, 'XTickLabel', '');
    set(gca, 'YTick', 1:numLoc);
    set(gca, 'YTickLabel', {'', '1', '2', '3', '4', '5', '6', ''});
    ylim([-numLoc, numTasks + 1]);
    ylabel(sprintf('AGV %d', i));
end
xlabel('时间');