基于多層編碼遺傳算法的車間調(diào)度算法

1、.基于多層編碼遺傳算法的車間調(diào)度算法1 案例背景遺傳算法具有較強的問題求解能力，能夠解決非線性優(yōu)化問題。對于遺傳算法中的染色體表示問題中的一個潛在最優(yōu)解，對于簡單的問題來說，染色體可以方便的表達問題的潛在解，然而，對于較為復雜的優(yōu)化問題，一個染色體難以準確表達問題的解。多層編碼遺傳算法，把個體編碼分為多層，每層編碼均表示不同的含義，多層編碼共同完整表達了問題的解，從而用一個染色體準確表達出了復雜問題的解。多層編碼遺傳算法擴展了遺傳算法的使用領域，使得遺傳算法可以方便用于復雜問題的求解。2、案例目錄第十一章  基于多層編碼遺傳算法的車間調(diào)度算法. 111.1

2、0;理論基礎. 111.2 案例背景. 111.2.1 問題描述. 111.2.2 模型建立. 211.2.3 算法實現(xiàn). 311.3 MATLAB程序?qū)崿F(xiàn). 411.3.1 主函數(shù). 411.3.2 適應度值計算. 511.3.3 交叉函數(shù). 711.3.4 變異函數(shù). 811.3.5 仿真結(jié)果. 811.4 案例擴展. 1011.4.1 模糊目標. 10

3、11.4.2 代碼分析. 1111.4.3 仿真結(jié)果. 1211.5 參考文獻. 123、主程序：% 基本參數(shù)NIND=40; %個體數(shù)目MAXGEN=50; %最大遺傳代數(shù)GGAP=0.9; %代溝XOVR=0.8; %交叉率MUTR=0.6; %變異率gen=0; %代計數(shù)器%PNumber 工件個數(shù) MNumber 工序個數(shù)PNumber MNumber=size(Jm); trace=zeros(2, MAXGEN); %尋優(yōu)結(jié)果的初始值WNumber=PNumber*MNumber; %工序總個數(shù)% 初始化Number=ze

4、ros(1,PNumber); % PNumber 工件個數(shù)for i=1:PNumberNumber(i)=MNumber; %MNumber工序個數(shù)end% 代碼2層，第一層工序，第二層機器Chrom=zeros(NIND,2*WNumber);for j=1:NINDWPNumberTemp=Number;for i=1:WNumber%隨機產(chǎn)成工序val=unidrnd(PNumber);while WPNumberTemp(val)=0val=unidrnd(PNumber);end%第一層代碼表示工序Chrom(j,i)= val;WPNumberTemp(val)=WPNumbe

5、rTemp(val)-1;%第2層代碼表示機器Temp=Jmval,MNumber-WPNumberTemp(val);SizeTemp=length(Temp);%隨機產(chǎn)成工序機器Chrom(j,i+WNumber)= unidrnd(SizeTemp);endend%計算目標函數(shù)值PVal ObjV P S=cal(Chrom,JmNumber,T,Jm); % 循環(huán)尋找while gen<MAXGEN%分配適應度值FitnV=ranking(ObjV); %選擇操作SelCh=select('rws', Chrom, FitnV, GGAP); %交叉操作SelCh

6、=across(SelCh,XOVR,Jm,T); %變異操作SelCh=aberranceJm(SelCh,MUTR,Jm,T); %計算目標適應度值PVal ObjVSel P S=cal(SelCh,JmNumber,T,Jm); %重新插入新種群Chrom ObjV =reins(Chrom, SelCh,1, 1, ObjV, ObjVSel); %代計數(shù)器增加gen=gen+1; %保存最優(yōu)值trace(1, gen)=min(ObjV); trace(2, gen)=mean(ObjV); % 記錄最佳值if gen=1Val1=PVal;Val2=P;MinVal=min(ObjV);%最小時間STe