基于智能优化算法PSO/GWO/AFO+柔性车间生产调度（Matlab代码实现）

原创

荔枝科研社 2022-09-13 11:02:02 ©著作权

文章标签 算法 matlab 车间调度多目标调度问题 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博客作者荔枝科研社的原创作品，请联系作者获取转载授权，否则将追究法律责任

1 柔性车间生产调度

随着经济全球化的不断加深和市场竞争的日益严峻,传统的单一车间制造模式已经无法满足我国制造业的生产需求,分布式生产制造模式已经成为企业提高生产竞争力的重要手段。由于不同工厂之间存在着技术水平、机器数量、物料运输等无法避免的差异,采用有效的分工协作方式使企业高效地生产出高质量产品成为当前的研究热点。

柔性生产调度问题（flexible job shop schedulingproblem, FJSP)是复杂的 NP-hard问题",打破了传统刚性大批量生产对设备唯一性的约束,使车间调度变得更加复杂多变。从调度目标数量可将柔性作业车间调度分为:单目标和多目标调度。
相比于单目标调度问题,多目标柔性作业车间调度问题更为复杂。首先，难以保证在调度过程中多个目标的优化平衡。其次,多个目标的参数和量纲存在差异。现阶段多目标调度的研究思路分为两种,其一,通过权重将多目标转化为单目标;其二,非劣解生成法,利用帕累托原理生成最优解集﹐此方法广泛应用于求解三目标及以上问题。在算法设计上需要对原始算法进行改进或者结合两种不同算法的优使算法能够发挥更好的寻优效果。DEB导”在NSGA基础上提出了NSCA- 算法,提局早法搜系双术个H算效率。CHEN等提出混合算法 MGSA- NSGA-Ⅲ，采取混沌变异策略﹐提高解空间分布的均匀性。 LI等""在传统NSGA-Ⅲ基础上改进了参考点生成策略和算子选择机制,提高了算法计算效率。求解高维多目标问题时,常见的全局智能算法均存在着种群多样性低、搜索效率差、容易陷入局部最优等缺陷。本文采用智能优化算法PSO/GWO/AFO+柔性车间生产调度。

2 运行结果

基于智能优化算法PSO/GWO/AFO+柔性车间生产调度（Matlab代码实现）_车间调度_03

3 Matlab及文章详细阅读

本文仅展现部分代码，全部代码及文章见：

基于智能优化算法PSO/GWO/AFO+柔性车间生产调度（Matlab代码实现）

function [bestY,bestX,recording]=PSO(x,y,option,data)
    %% PSO算法
    %% 初始化
    recording.bestFit=zeros(option.maxIteration+1,1);
    recording.meanFit=zeros(option.maxIteration+1,1);
    v=randn(size(x));
    %% 更新记录
    [y_g,position]=min(y);
    x_g=x(position(1),:);
    y_p=y;
    x_p=x;
    recording.bestFit=y_g;
    recording.meanFit=mean(y_p);
    %% 开始更新
    for iter=1:option.maxIteration
        disp(['PSO,iter:',num2str(iter),',minFit:',num2str(y_g)])
        %% 更新
        for i=1:option.numAgent
            v(i,:)=option.w_pso*v(i,:)+option.c1_pso*rand(size(x(1,:))).*(x_g-x(i,:))+option.c2_pso*rand(size(x(1,:))).*(x_p(i,:)-x(i,:));
            x(i,:)=x(i,:)+v(i,:);
            x(i,:)=checkX(x(i,:),option,data);
            [y(i),~,x(i,:)]=option.fobj(x(i,:),option,data);
            if y(i)<y_p(i)
                y_p(i)=y(i);
                x_p(i,:)=x(i,:);
                if y_p(i)<y_g
                    y_g=y_p(i);
                    x_g=x_p(i,:);
                end
            end
        end
        %% 更新记录
        recording.bestFit(1+iter)=y_g;
        recording.meanFit(1+iter)=mean(y_p);
    end
    bestY=y_g;
    bestX=x_g;
end

👨‍🎓博主课外兴趣：中西方哲学，送予读者：
👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。在我这个专栏记录我有空时的一些哲学思考和科研笔记：科研和哲思。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“真理”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎