Matlab车间动态调度PSO微粒群算法程序最后输出优化结果和甘特图-源码

clc clear %=========数据录入，参数调整================= swarminitNum=20;%初始生成的粒子数； MM=[1 2 3 4 5 6 6 6 6 6 6 6];%工件、工序数量矩阵，MM第一行表示工件，第二行表示每个工件的工序数； machineNum=6; %加工机器数； initT=1000; %模拟退火初始温度； gen=500; %循环迭代数； w1=0.35; %变异率； changeNum=3; %变异变换对数； restrictmatrixM=[3 1 2 4 6 5 2 3 5 6 1 4 3 4 6 1 2 5 2 1 3 4 5 6 3 2 5 6 1 4 2 4 6 1 5 3];%job-shop机器约束矩阵； restrictmatrixT=[1 3 6 7 3 6 8 5 10 10 10 4 5 4 8 9 1 7 5 5 5 3 8 9 9 3 5 4 3 1 3 3 9 10 4 1];%job-shop时间约束矩阵； %===============PSO算法========================== swarminit=cell(1,swarminitNum); swarminitLong=sum(MM(2,:)); %所有工序数即粒子长度； for i=1:swarminitNum, swarminit{i}=randomparticle(MM) ; end %随机生成初始粒子群体 [popu,s] = size(swarminit); trace = ones(1,gen); trace(1) = 10000; % 初始全局最佳适应度设为足够大 for i = 1:s, bestfit(i) = 10000; % 初始个体历史最佳适应度设为足够大 end bestpar = swarminit; % 个体历史最佳粒子初始化 for u=1:swarminitNum, fitlist=[0]; end T=initT; for step = 1:gen, for q=1:swarminitNum, fitlist(q)=timedecode(swarminit{q},restrictmatrixM,restrictmatrixT,machineNum) ; end % 计算当前粒子群每个粒子的适应度 [minval,sub] = min(fitlist); % 求得这代粒子的适应度最小值及其下标 if(trace(step) > minval) , trace(step) = minval; bestparticle = swarminit{sub}; end if(step~= gen) , trace(step + 1) = trace(step); % 全局最佳适应度及最佳粒子调整 end T=0.97*T; for i = 1:s, tt=fitlist(i)-bestfit(i); if(tt<0)|(min(1,exp(-tt/T))>=rand(1,1)); bestfit(i) = fitlist(i); bestpar{i} = swarminit{i}; end end % 个体历史最佳粒子及适应度调整 ； for j = 1:s, if rand(1,1)<w1, bestparticle1=bianyi(bestparticle,changeNum,swarminitLong); else bestparticle1=bestparticle; end %粒子变异； l1=1000; l2=1; l3=1000; l4=1; while (l1-l2)>swarminitLong, m=fix(swarminitLong*rand(1,1)); n=fix(swarminitLong*rand(1,1)); l1=max(m,n)+1; l2=min(m,n)+1; end while (l3-l4)>swarminitLong, m1=fix(swarminitLong*rand(1,1)); n1=fix(swarminitLong*rand(1,1)); l3=max(m1,n1)+1; l4=min(m1,n1)+1; end swarminit{j}=cross(bestpar{j},swarminit{j},l2,l1); swarminit{j}=cross(bestparticle1,swarminit{j},l4,l3);%粒子交叉； end end [a,b,c]=timedecode2(bestparticle,restrictmatrixM,restrictmatrixT,machineNum); disp(['优化目标: 最大完工时间']) disp(['粒子数:' int2str(swarminitNum) ' 循环代数:' int2str(gen)]) disp(['变异率:' num2str(w1) ' 变异变换对数:' int2str(changeNum)]) disp(['模拟退火初始值:' int2str(initT) ' 模拟退火终值:' int2str(T)]) disp(['迭代循环值:' int2str(trace)]) disp(['最小平均流动时间:' int2str(a) ' 最大完工时间:' int2str(b) ' 最小间隙时间:' int2str(c) ]) disp(['最优粒子' int2str(bestparticle)]) gant(bestparticle,swarminitLong,restrictmatrixM,restrictmatrixT,b)