基于POX交叉的遗传算法求解流水车间调度(J-Shop)问题二

对于一个6个工件,6台机器的流水车间调度问题,程序运行结果如下:

甘特图

下面是主程序、交叉算子程序、计算目标函数值程序,全部程序都可以下载(下载全部程序)。

主程序如下:

clc;
clear;

[jobN, machineN, taskDuration, taskUse, processSize] = readDataFile('ft06.txt');

popSize = 200;
chromLength = jobN * processSize;
pc = 0.85;
pm = 0.05;
maxGen = 100;

bestObjValue = 0;
objValues = zeros(1, maxGen);
avgObjValue = zeros(1, maxGen);
bestChrom = zeros(1, chromLength);

pop = initPop(popSize, chromLength, jobN);
objValue = calObjValue(pop, jobN, machineN, processSize, taskDuration, taskUse);
fitness = calFitness(objValue);
for gen = 1:maxGen
    pop = selection(pop, fitness);
    pop = crossover(pop, pc, jobN);
    pop = mutation(pop, pm);
    
    objValue = calObjValue(pop, jobN, machineN, processSize, taskDuration, taskUse);
    fitness = calFitness(objValue);
    
    avgObjValue(gen) = sum(objValue) / popSize;
    [objValues, bestObjValue, bestChrom] = bestValue(gen, pop, ...
        objValue, objValues, bestObjValue, bestChrom);
end
fprintf('最优染色体: %s\n', mat2str(bestChrom));
fprintf('最优时间: %d\n', bestObjValue);
figure();
plot(1:maxGen, objValues);
title('种群最优个体目标函数(时间)变化图');
figure();
plot(1:maxGen, avgObjValue);
title('种群目标函数值平均值(时间)变化图');
[taskSTime, taskETime] = calTaskTime(bestChrom, jobN, machineN, ...
    processSize, taskDuration, taskUse);
drawGantt(taskUse, taskSTime, taskETime);

POX交叉算子程序:

function cpop = crossover(pop, pc, jobN)
% 交叉,POX方法
cpop = pop;
for i = 1:2:size(pop, 1)
    if rand < pc
        [p1, p2] = deal(pop(i, :), pop(i+1, :));
        [c1, c2] = deal(p1, p2);
        canJ = randperm(jobN);
        J = canJ(1:randi(jobN-1));
        [c1Lia, c2Lia] = deal(ismember(p1, J), ismember(p2, J));
        [c1(c1Lia), c2(c2Lia)] = deal(p2(c2Lia), p1(c1Lia));
        [cpop(i, :), cpop(i+1, :)] = deal(c1, c2); 
    end
end
end

计算目标函数值程序:

function objValue = calObjValue(pop, jobN, machineN, processSize, taskDuration, taskUse)
% 计算种群目标函数值(总完工时间)
[popSize, ~] = size(pop);
objValue = zeros(1, popSize);
for i = 1:popSize
    [~, taskETime] = calTaskTime(pop(i, :), jobN, machineN, ...
        processSize, taskDuration, taskUse);
    objValue(i) = max(max(taskETime));
end
end

function [taskSTime, taskETime] = calTaskTime(chrom, jobN, machineN, processSize, taskDuration, taskUse)
% 计算染色体目标函数值(总完工时间)
jobProcess = zeros(1, jobN);
machETime = zeros(1, machineN);
[taskSTime, taskETime] = deal(zeros(jobN, processSize));
for j = 1:length(chrom)
    job = chrom(j);
    jobProcess(job) = jobProcess(job) + 1;
    process = jobProcess(job);
    machine = taskUse(job, process);
    if process == 1
        startTime = max([0, machETime(machine)]);
    else
        startTime = max([taskETime(job, process-1), machETime(machine)]);
    end
    taskSTime(job, process) = startTime;
    endTime = startTime + taskDuration(job, process);
    [taskETime(job, process), machETime(machine)] = deal(endTime);
end
end
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,937评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,503评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,712评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,668评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,677评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,601评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,975评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,637评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,881评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,621评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,710评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,387评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,971评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,947评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,189评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,805评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,449评论 2 342

推荐阅读更多精彩内容