【调度优化】基于遗传算法求解工件的并行调度组合优化问题附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

​对最小化完工时间的并行多机调度问题提出了一种遗传算法,并在问题形成,遗传算法编码,变异方法等方面作了研究,并用计算实例表明遗传算法能适用于大规模并行多机调度问题.

⛄ 部分代码

%% GA算法求解并行调度问题

 %% 加载问题的数据

clc, clear, close all

[~, ~, timetable] = xlsread('2.xls','Sheet1','B1:E30');

timetable = cell2mat(timetable);

cities = 30;

global rec tag1 len;

rec = zeros(500,35);

tag1 = 1;

len = [7, 7, 8, 8];

%% 定义目标函数

FitnessFcn = @(x) parallel_scheduling_fitness(x,timetable);

% gaplotbestf

%% 设置优化属性并执行遗传算法求解

options = optimoptions(options,'CreationFcn',@create_permutations, 

                        'CrossoverFcn',@crossover_permutation, ...

                        'MutationFcn',@mutate_permutation, ...

                        'PlotFcns', @gaplotbestf, ...

                        'MaxGenerations',800,'PopulationSize',60, ...

                        'MaxStallGenerations',200,'UseVectorized',true);

numberOfVariables = cities;

[x,fval,reason,output] = ...

%% 输出并行调度问题的工件分配方案并可视化

disp('工件的分配顺序为：')

order = cell2mat(x);

fprintf('机器一：%d %d %d %d %d %d %d \n', order(1:len(1)))

fprintf('机器二：%d %d %d %d %d %d %d \n', order(len(1) + 1:len(1) + len(2)))

fprintf('机器三：%d %d %d %d %d %d %d %d \n', order(len(1) + 1 + len(2):len(1) + len(2) + len(3)))

fprintf('机器四：%d %d %d %d %d %d %d %d \n', order(len(1) + len(2) + len(3) + 1:len(1) + len(2) + len(3) + len(4)))

fprintf('四台机器分别耗时：%d %d %d %d \n', rec(tag1 -1,31:34))

plot((1:tag1 - 1), rec(1:tag1 - 1,35),'b')

xlabel('迭代次数')

ylabel('最短CMax')

title('并行调度问题')

⛄ 运行结果

⛄ 参考文献

[1]赵迪. 基于遗传算法的集配中心作业调度优化问题研究[D]. 北京交通大学, 2010.

[2]柳丹丹, 龚祝平, 邱磊. 改进遗传算法求解同类并行机优化调度问题[J]. 机械设计与制造, 2020(4):4.

⛄ Matlab代码关注

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料