car1_1.m

遗传算法计算一条流水线作业时间问题的matlab程序代码

% 计算一条流水线加工流程时间
clc
clear all
best1=[];
age_num=200; % 输入计算代数age_num
k=200; % 输入初始种群规模
pb=.1; % 变异概率
n1=1; %第一阶段设备数

% 按实际加工顺序，输入各工件加工时间
timec=[  0 375 1  12 2 142 3 245 4 412
 0 632 1 452 2 758 3 278 4 398
 0  12 1 876 2 124 3 534 4 765
 0 460 1 542 2 523 3 120 4 499
 0 528 1 101 2 789 3 124 4 999
 0 796 1 245 2 632 3 375 4 123
 0 532 1 230 2 543 3 896 4 452
 0  14 1 124 2 214 3 543 4 785
 0 257 1 527 2 753 3 210 4 463
 0 896 1 896 2 214 3 258 4 259
 0 532 1 302 2 501 3 765 4 988
];
[m,n]=size(timec); % 工件数(timec的行数)m,工序数(timec的列数)n
n=n/2;
for i=n:-1:1
timec(:,2*i-1)=[];
end
age=1; % 求第一代最小加工流程时间mint及相应的加工顺序minp
for k1=1:k   % 随机产生k个第一阶段加工顺序
    rand1=rand(1,m);
    for j=1:m
    [useless,i]=max(rand1);
     sequence(k1,j)=i;
     rand1(i)=0;
    end 
end
       for ki=1:k  % 计算最小加工流程时间mint及相应的加工顺序minp
            sequence1=sequence(ki,:);
            [makespan,c]=netedtime_1(timec,sequence1,m,n);
            cmax(ki)=makespan;
      end
    [best,i]=min(cmax);
besti1=sequence(i,:);
best1=[best1,best];
    % 将加工顺序进行交叉，得到row(偶数）个新的加工顺序，种群总数仍为k个
for age=2:age_num
        age
 % 选择适应值小于平均值的染色体
ave=mean(cmax);
sele=[];
i=0;
for ki=1:k
    if cmax(ki)<ave
        i=i+1;
        sele(i,:)=sequence(ki,:);
    end
end
poss=size(sele,1);
pj=k/2/poss; % 交叉概率
 cross=[];% 交叉
mt1=[];
  for i=1:poss
    r=rand(1);
    if r<pj
        cross=[cross;i]; %cross存放需要交叉的染色体的序号
    end;
  end;
row=length(cross);%row需要交叉的染色体的个数
  if ceil(row/2)~=row/2 
    row=row-1; 
  end
% 交叉位置
    r=ceil(rand(1)*(m-1));
 for i=1:row/2
    a1=sele(cross(2*i-1),:);
    a2=sele(cross(2*i),:);
     a12=a1;
    a11=a1(1:r);
     a22=a2;
    a21=a2(1:r);
    m5=m;m6=m;
   for i1=1:r
        for i2=m5:-1:1
            if a12(i2)==a2(i1)
                a12(i2)=[];
                m5=m5-1;
            end
        end
        for i3=m6:-1:1
            if a22(i3)==a1(i1)
                a22(i3)=[];
                m6=m6-1;
            end
        end
      end
        a1=[a21,a12];
        a2=[a11,a22];
        sequence_cross((2*i-1),:)=a1;
        sequence_cross((2*i),:)=a2;
 end  % for i=1:row/2
       for ki=1:row  % 计算最小加工流程时间mint及相应的加工顺序
            sequence1=sequence_cross(ki,:);
            [makespan,c]=netedtime_1(timec,sequence1,m,n);
            mt1(ki)=makespan;
            if mt1(ki)<cmax(cross(ki))
                sequence(cross(ki),:)=sequence_cross(ki,:);
                cmax(cross(ki))=mt1(ki);
            end
       end
    [mint,j]=min(mt1);
% 每一代交叉运算结束后，确定最小停机时间best及相应的加工顺序besti
    if mint<best;
    best=mint;
    besti1=sequence_cross(j,:);
    end
variation=[];%  变异
j=0;
mt1=[];
for i=1:k   
    r=rand(1);
    if r<pb
    j=j+1;
       variation=[variation;i]; % variation存放变异染色体序号
       r=ceil(rand(1)*(m-1));
    z11=sequence(i,1:r);
    z12=sequence(i,r+1:m);
    sequence_var(j,:)=[z12,z11];
    end
end
    row=length(variation);
       for ki=1:row  % 计算最小加工流程时间mint及相应的加工顺序
            sequence1=sequence_var(ki,:);
            [makespan,c]=netedtime_1(timec,sequence1,m,n);
            mt1(ki)=makespan;
            if mt1(ki)<cmax(variation(ki))
                sequence(variation(ki),:)=sequence_var(ki,:);
                cmax(variation(ki))=mt1(ki);
            end
        end
     % 求最小停机时间mint及相应的加工顺序minp
    [mint,j]=min(mt1);
% 每一代变异运算结束后，确定最小停机时间best及相应的加工顺序besti
    if mint<best;
    best=mint;
    besti1=sequence_var(j,:);
    end
    best1=[best1,best];
end % for age=2:age_num
[makespan,c]=netedtime_1(timec,besti1,m,n);
sprintf('最佳加工顺序'),best,besti1
age=1:age_num;
plot(age,best1)
title('加工流程时间优化过程 ')
xlabel('计算代数')
ylabel('加工流程时间(小时)')