GA.zip_恶化 调度_置换 车间_置换流水车间；带恶化；遗传算法_遗传调度

function [Jlist]=GA() %函数名是GA，输出参数是Jlist，输入参数是GA后的 clear all %function[c]=C(a,t0) clc global N %工件数 global M %机器数 global a %恶化率 global t0 %开始时间 global PopSize PopSize=60;%种群规模 MaxGen =100;%迭代次数 % N=input('输入工件数\n N=');%每条染色体中变量的个数 % M=input('输入机器数\n M='); N=30; M=10; t2=cputime;%记录当前时间 % a=randi([1,10],N,M)/10; %恶化率 随机产生(0.1,1）之间的N行M列的矩阵值 % a=randi([1,3],N,M)/10; % a=randi([4,6],N,M)/10; a=randi([7,9],N,M)/10; xlswrite('D:/a.xlsx', a); t0=randperm(5,1);%开始时间定为1-5之间的任意一整数 x=xlsread('D:/a');%读取恶化率 a=x(1:N,1:M); xlswrite('D:/t.xlsx', t0); t0=xlsread('D:/t'); % t0=1; %种群中每个染色体基因个数为n,一条染色体是n个互不相同的随机数组成的序列。 %重复执行popsize次得到初始种群 Chrom=zeros(PopSize,N);%随机产生N条染色体的初始种群 ---可改进 for i=1:PopSize Chrom(i,:)=randperm(N);%染色体即工件编号 randperm就是random permutation随机序列，随机产生N个（1-N）整数的单行矩阵 循环得到n条染色体 end %开始迭代求解 for k =1:MaxGen for s =1:PopSize [Object,Fintime]=fitness(Chrom(s,:));%得到种群每条染色体的适应度值 J(s)=Object;%保存当前种群所有染色体的适应度值 end Fit0=1./J;%适应度矩阵 f_avg=sum(Fit0)/PopSize; % f_max=max(max(Fit0));%双max 每列求最大后矩阵求最大 ？？？ 第一次求行，第二次求向量最值 % f_min=min(min(Fit0)); f_max=max(Fit0);%双max 每列求最大后矩阵求最大 ？？？ f1,f2...一条染色体对应一个f值 f_min=min(Fit0); TempChrom0=Chrom; %% 选择（经典轮盘赌原理选择优秀父代） 选取个体进入下一代 %个体适应度转为选中概率，相当于每次转轮盘指向哪那就被选中，适应度高的个体被选中的概率大 %先按个体选择概率产生一轮盘，然后产生一随机数，落在哪区域就选相应个体交叉。 % 后代产生个数和父代适应度大小成正比，早期容易早熟，后期适应度趋于一致，优秀个体优势不明显，种群进化停滞不前 totalfit = sum(Fit0); %所有染色体的适应值总和，一个数值- fitvalue =cumsum(Fit0);%一个矩阵 前一列，前两列的和。。。 %[1 2 3 4]则sum的为10，cumsum的为[1 3。。] %由条件选择一些染色体构成新种群 for newin =1:PopSize fitin = 1; temp = rand*totalfit; while temp>fitvalue(fitin) fitin = fitin +1; end TempChrom(newin,:) = Chrom(fitin,:); end Chrom=TempChrom; %% 单点交叉后有重复的换去 个体间以一定概率交叉 字符串某一位置 其后的所有基因交换 会出现重复基因 %挑选两个个体进行交叉重组 产生新的染色体得到新种群 %可能由父代个体在子代组合成具有更高适合度的个体， %区别其他传统优化方法的特点之一 for i=1:2:(PopSize-1) temp =rand;%产生一个随机数 if temp<0.65%当随机数小于交叉概率0.6时- m=randperm(N-1,1);%产生随机的1-（N-1）之间的一个数 % m= randint(1,1,[1 N-1]);%?? % m=randi([1 N-1],1,1);%随机产生一个数 ??? %randi([1 N-1],m,n) 产生m行n列的矩阵，每个数都是1-N-1可重复 % [ignore,p] = sort(rand(m,n)); % out=p'; 每个数不重复 Temp=Chrom(i,1:m); Chrom(i,1:m)=Chrom(i+1,1:m); Chrom(i+1,1:m)=Temp; %交换交叉点之前的染色体 for j=1:m while(find(Chrom(i,m+1:N)==Chrom(i,j))) %找到重复的点并替换 temp0=find(Chrom(i,m+1:N)==Chrom(i,j)); Chrom(i,j)= Chrom(i+1,temp0+m); end while(find(Chrom(i+1,m+1:N)==Chrom(i+1,j))) temp0=find(Chrom(i+1,m+1:N)==Chrom(i+1,j)); Chrom(i+1,j)= Chrom(i,temp0+m); end end end end %% 基本倒位变异 以较小概率变异产生新种群 翻转两点之间的片段 for i =1:PopSize temp =rand;%产生一个随机数 if temp<0.01 %当随机数小于变异概率时发生变异 %变异率不能取太大，取太大（大于0.5）会退化为随机搜索 %防止重要的单一信息丢失，一般选0.001左右 m=randperm(N,2); %m=randint(1,1,[1 N-1]);%随机产生1行1列的数，从1到N-1 该2个数？ % m=randi([1 N-1],1,2); %1行2列的两个数 temp1=min(m); temp2=max(m); %如果两数相同？？？继续下一轮？ Chrom(i,temp1:temp2)=fliplr(Chrom(i,temp1:temp2));%fliplr 元素左右翻转如[1 2 3]变成[3 2 1]；[1 2 3 4]变为[4 3 2 1] % rot90: 矩阵逆时针旋转n*90度。 %fliplr: 矩阵左右翻转。 %flipud: 矩阵上下翻转。 end end for i =1:PopSize [Object11,Fintime]=fitness(Chrom(i,:)); [Object22,Fintime]=fitness(TempChrom0(i,:)); if Object22<Object11 Chrom(i,:)=TempChrom0(i,:);%如果交叉变异后的目标值比未变异的值小，则将为变异的染色体保留 end end % Jlist(k)=min(min(J));%保存每一代的最小值 双min ?? Jlist(k)=min(J); P(k)=f_avg; CPUTime=cputime-t2; %当前时间减去开始时系统时间得到整个过程的计算时间 if CPUTime>300 end end [value,BestId]=max(Fit0); Result=Chrom(BestId,:); [Object,Fintime]=fitness(Result); % figure(1) % % 系统自动从1，2，3，4...来建立图形，数字代表第几幅图形，figure(1)，figure(2)就是第一第二副图的意思， % % 在建立图形的时候，标题就是figure1或figure2等，一般建立新图只需要一个figure就行，系统自动建立新图，可以简单一点，当然要加上也可以 % % 另外一个相关的画图:多子图，就是一张图中有好多小图，也是有标号的，使用以下命令 % % subplot(m,n,k) % % subplot('Position',[left bottom width height]) % % m表示画几行 n表示画几列 k表示现在画的是第几幅图 % plot(1:length(Jlist),Jlist,'r','linewidth',2) % xlabel('迭代次数'); % ylabel('每代种群的最小值'); % title('遗传算法收敛曲线（目标函数值）') % get(1)%返回参数的名称和当前值 % set(1)%返回参数的名称和其可能取的值 % figure(2) % plot(1:length(P),P,'r','linewidth',2) % xlabel('迭代次数'); % ylabel('每代种群的平均适应度值'); % title('平均适应度值曲线') fprintf('-------------------------输出结果--------------------------------\n') % fprintf('种群规模') % PopSize fprintf('工件数') N fprintf('机器数') M fprintf('各工件恶化率a') digits(2) a=vpa(a) %只显示两位小数，如0.2 fprintf('开始加工的时间') t0 % fprintf('工件最优调度顺序') % Result % fprintf('各工件（第几个进行加工的顺序）在各机器上的加工完成时间')%按最优调度顺序，Cij表示第i个工件 % Fintime fprintf('目标函数值（最后一个工件的完工时间）') Object fprintf('CPU时间') CPUTime