【车间调度】基于灰狼算法求解车间调度问题Matlab源码

原创

matlab科研助手 2022-04-25 16:12:36 博主文章分类：车间调度 ©著作权

文章标签 优化算法迭代 matlab代码 文章分类 数据结构与算法人工智能

©著作权归作者所有：来自51CTO博客作者matlab科研助手的原创作品，请联系作者获取转载授权，否则将追究法律责任

1 简介

柔性车间作业调度问题是一个复杂的NP问题,灰狼优化算法(GWO)是目前一种比较新颖的群智能优化算法,多用于解决连续函数优化问题.

【车间调度】基于灰狼算法求解车间调度问题Matlab源码_优化算法

【车间调度】基于灰狼算法求解车间调度问题Matlab源码_matlab代码_02

2 部分代码

%该程序用于解决柔性作业车间调度，m个工件，n道工序，其中n为最大工序数，工件的工序
%数可以少于n，加工机器数为M，每个工件的每道工序具有多个机器可以选择，对应的时间
%不同，其中初始种群的储存方式采用cell数据类型
%Version:1.3
%fileDescription:调度机器可选的柔性作业车间问题，甘特图已完善,GWO,8*8实例
%last edit time:2019-6-7
function GWO_Model_FJSP_1_3_8_8()
count = 5000;     %迭代次数
N = 100;          %种群规模
m = 6;             %工件数
n = 4;             %工序数
M = 4;             %机器数
a =2;              %计算A/C协同系数的
plotif = 1;        %控制程序是否进行绘图
s = input(m,n);    %数据输入
[p,TN] = initial_p(m,n,N,s,M);    %生成初始种群50,采用细胞结构，每个元素为8*4
P = machine(n,M);
FIT = zeros(count,1);
aveFIT = zeros(count,1);
X1=randperm(count);       %收敛图形的横坐标X
X=sort(X1);
%------------------------输出最优解的时有用------------------------------
best_fit = 1000;            %改变模型需要修改此参数
best_p = zeros(m,n);
best_TN = zeros(m,n);
Y1p = zeros(m,1);
Y2p = zeros(m,1);
Y3p = zeros(m,1);
minfit3  =  1000000000;
%-------------------------进行迭代--------------------------------------
end
%-----------------------------选择最优方案---------------------------
function [best_p,best_TN,best_fit,Y1p,Y2p,Y3p]=best(best_fit,best_p,fit,best_TN,Y1p,Y2p,Y3p,p,TN,Y1,Y2,Y3)
    best_fit = min(fit);
    pos = find(fit==best_fit);
    best_p = p(pos(1));
    best_TN = TN(pos(1));
    best_p=cell2mat(best_p);
    best_TN=cell2mat(best_TN);
    Y1p=Y1(pos(1));
    Y2p=Y2(pos(1));
    Y3p=Y3(pos(1));
    Y1p=cell2mat(Y1p);
    Y2p=cell2mat(Y2p);
    Y3p=cell2mat(Y3p);