欢迎来到海神之光博客之家✅博主简介热爱科研的Matlab仿真开发者修心和技术同步精进个人主页海神之光代码获取方式海神之光Matlab王者学习之路—代码获取方式⛳️座右铭行百里者半于九十。更多Matlab车间调度仿真内容点击①付费专栏Matlab车间调度初级版②Matlab车间调度 进阶版⛳️关注CSDN海神之光更多资源等你来⛄一、车间调度简介1 作业车间调度问题描述作业车间调度问题Job Shop Scheduling, JSP是最经典的几个NP-hard问题之一。其应用领域极其广泛涉及航母调度机场飞机调度港口码头货船调度汽车加工流水线等。JSP问题描述一个加工系统有M台机器要求加工N个作业其中作业i包含工序数为Li。令则L为任务集的总工序数。其中各工序的加工时间已确定并且每个作业必须按照工序的先后顺序加工。调度的任务是安排所有作业的加工调度排序约束条件被满足的同时使性能指标得到优化。作业车间调度需要考虑如下约束:Cons1每道工序在指定的机器上加工且必须在其前一道工序加工完成后才能开始加工Cons2某一时刻1台机器只能加工1个作业Cons3每个作业只能在1台机器上加工1次Cons4各作业的工序顺序和加工时间已知不随加工排序的改变而改变。2 问题实例下面给出作业车间调度问题的一个实例其中每个工序上标注有一对数值m,p其中m表示当前工序必须在第m台机器上进行加工p表示第m台机器加工当前工序所需要的加工时间。注机器和作业的编号从0开始jop0[(0,3),(1,2),(2,2)]jop1[(0,2),(2,1),(1,4)]jop2[(1,4),(2,3)]在这个例子中作业jop0有3道工序它的第1道工序上标注有(0,3)其表示第1道工序必须在第0台机器上进行加工且需要3个单位的加工时间它的第2道工序上标注有(1,2)其表示第2道工序必须在第1台机器上进行加工且需要2个单位的加工时间余下的同理。总的来说这个实例中共有8道工序。该问题的一个可行解是L8道工序开始时间的一个排列且满足问题的约束。下图给出了一个可行解注该解不是最优解的示例⛄二、nsgaII算法简介NSGA非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm)种群分层Tips:此处存在重复对比情况即X1 与 X2 进行了两次对比虚拟适应度目标函数值共享小生境技术同一小生境内的种群适应度互相减小。相似度高的、小生境内个体多的种群适应度减少程度更大。通过这样的方式可以保证非支配层的每个个体拥有不同的适应度值。这个没有懂NSGA-II带精英策略的非支配排序遗传算法快速非支配排序算法伪代码如图D点被A和C点支配所以D点的np为2A点支配D和E所以A点的Sp{DE}。该排序算法分级与NSGA中的结果不一样拥挤度和拥挤度比较算子密度估计根据每一目标函数计算该点两侧的两个点的平均距离该值作为以最近邻居作为顶点的长方体周长的估计作为拥挤系数。如下图第i个解的拥挤系数为他周围长方体的长度虚线表示。计算拥挤系数需要对每一目标函数进行排序。每个非支配层的边界的个体拥挤度为无穷。拥挤度有多种计算方式1.直接计算长方体边长2.需要除以…拥挤度比较算子主程序精英策略NSGA-II 程序流程图需要输入的变量是规模N、迭代次数⛄三、部分源代码%主函数clear all;clc;pop 200; %种群数量gen 10; %迭代次数pop_f100;%父代种群数量data_mac;%载入车间设备信息data_pro;%载入待加工工件信息pro_matrix[];%包含工序及目标函数值得决策矩阵mac_matrix[];%包含设备染色体信息的决策矩阵for i1:pop_f%生成初始种群[P,M,N]initPop(J);[part_t,mac_t]decode(J,P,M,N);c_timecal_comp_time(part_t);d_timecal_def_time(J,part_t);t_loadcal_equ_load(part_t);t_conscal_ene_consu(Mac,mac_t,P,M,c_time);pro_matrix(i,:)[P,c_time,d_time,t_load,t_cons];mac_matrix(i,:)M;endfor i 1 : genpool round(pop/2);%round() 四舍五入取整 交配池大小tour 2;%竞标赛 参赛选手个数[p_matrix,m_matrix] non_domination_sort_mod(pro_matrix,mac_matrix);%种群进行非支配快速排序和拥挤度计算clear pro_matrix;clear mac_matrix;[p_parent_chromosome,m_parent_chromosome] tournament_selection(p_matrix,m_matrix,pool,tour);%竞标赛选择适合繁殖的父代%交叉变异生成子代种群[p_child_matrix,m_child_matrix]genetic_operator(J,p_parent_chromosome,m_parent_chromosome);%根据父类和子类总种群进行非支配快速排序选取出下一代的父代种群for j1:size(p_child_matrix,1)Pp_child_matrix(j,:);Mm_child_matrix(j,:);Nmachine_index(J,P,M);[part_t,mac_t]decode(J,P,M,N);c_timecal_comp_time(part_t);d_timecal_def_time(J,part_t);t_loadcal_equ_load(part_t);t_conscal_ene_consu(Mac,mac_t,P,M,c_time);pro_matrix(j,:)[P,c_time,d_time,t_load,t_cons];mac_matrix(j,:)M;endn_p_msize(pro_matrix,1);pro_matrix(n_p_m1:n_p_m10,:)p_matrix(1:10,1:size(pro_matrix,2));%保留精英染色体到子代种群中mac_matrix(n_p_m1:n_p_m10,:)m_matrix(1:10,:);end[p_matrix,m_matrix] non_domination_sort_mod(pro_matrix,mac_matrix);num_of_level_1length(find(p_matrix(:,size(p_matrix,2)-1)1));target_p_matrixp_matrix(1:num_of_level_1,:);target_m_matrixm_matrix(1:num_of_level_1,:);best_ptarget_p_matrix(1,:);%选取第一个作为最优解可根据需求选择AHP和熵权法或模糊决策法选出最优解best_mtarget_m_matrix(1,:);Pbest_p(1:length(best_p)-6);Mbest_m;Nmachine_index(J,P,M);[~,mac_t]decode(J,P,M,N);ganttChart1(J,best_p,M,mac_t);⛄四、运行结果⛄五、matlab版本及参考文献1 matlab版本2014a2 参考文献[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例第2版[M].电子工业出版社2016.[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社2017.3 备注简介此部分摘自互联网仅供参考若侵权联系删除 仿真咨询1 各类智能优化算法改进及应用生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化2 机器学习和深度学习方面卷积神经网络CNN、LSTM、支持向量机SVM、最小二乘支持向量机LSSVM、极限学习机ELM、核极限学习机KELM、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断3 图像处理方面图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知4 路径规划方面旅行商问题TSP、车辆路径问题VRP、MVRP、CVRP、VRPTW等、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化5 无人机应用方面无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配6 无线传感器定位及布局方面传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化7 信号处理方面信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化8 电力系统方面微电网优化、无功优化、配电网重构、储能配置9 元胞自动机方面交通流 人群疏散 病毒扩散 晶体生长10 雷达方面卡尔曼滤波跟踪、航迹关联、航迹融合