遗传算法在车间调度问题的Matlab实现与优化

流水线型车间作业调度问题遗传算法Matlab源码
流水线型车间作业调度问题可以描述如下：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。下面的源码是求解流水线型车间作业调度问题的遗传算法通用MATLAB源码，属于GreenSim团队原创作品，转载请注明。



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团队原创作品，转载请注明
%  Email:greensim@163.com
%  GreenSim团队主页：http://blog.sina.com.cn/greensim
%  欢迎访问GreenSim――算法仿真团队→http://blog.sina.com.cn/greensim

%--------------------------------------------------------------------------
%  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
%  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
for k=1:N
    X=zeros(m,n);
    for j=1:n
        for i=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
while counter<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);
    for i=1:2:(N-1)
        A=farm{Ser(i)};%父代个体
        Manner=unidrnd(2);%随机选择交叉方式
        if Manner==1
            cp=unidrnd(m-1);%随机选择交叉点