FJSP_柔性车间_FJSP调度_FJSP_matlab

function [results,paintd]=GAsolver(para,Encode,fsolver,data) %% 算法程序 % data 案例数据 para 算法参数 Encode 编码方式 fsolver目标函数 %% 预设一些变量内存 fnow=zeros(1,para.popsize);%每一代的种群 fmean=zeros(1,para.Generationnmax);%种群平均值内存 fbest=zeros(1,para.Generationnmax);%预设种群最佳值内存 fbestsofar=-inf;%至此代最佳目标值 solbestsofar=[];%至此代最佳解 %% 生成初始方案 population=rand_generate(para.popsize,Encode);% 随机产生方案 [fit,fitbest,~,~,index]=cacul(para.popsize,population,data,fsolver,Encode);% 计算目标值 fnow=fit; if fbestsofar<fitbest % 至此代最佳目标值 fbestsofar=fitbest; solbestsofar=population(index,:); end %% 开始迭代 tic Generation=0; %预设迭代 次数 while Generation<para.Generationnmax+1 && toc<=para.timelimit % 当时间及迭代次数满足要求时 Generation=Generation+1; %迭代次数加 1 %% Selection 形成新的种群 [fnow,population]=selection(fnow,population,para.sel,para.popsize,para.popsize); %% crossover 形成新的种群 [fnow,population]=crossover_GA(fnow,population,para,data,Encode,fsolver);%crossover [gbest,num]=max(fnow);%计算最佳此代目标值 if fbestsofar<gbest fbestsofar=gbest; solbestsofar=population(num,:); end %% mutation 形成新的种群 [fnow,population]=mution_GA(fnow,population,para,data,Encode,fsolver);%mutation [gbest,num]=max(fnow);%计算最佳此代目标值 if fbestsofar<gbest fbestsofar=gbest; solbestsofar=population(num,:); end fbest(Generation)=fbestsofar;%stock the best resulut current fmean(Generation)=mean(fnow); %计算平均此代目标值 Generation end fbest=fbest(1:Generation); fmean=fmean(1:Generation); [~,results]=fsolver.fitness(solbestsofar,data,Encode); paintd.f_best=fbest.*fsolver.minmax; paintd.f_mean=fmean.*fsolver.minmax; paintd.f_fitness=fbest; end function [fnownew,popnew]=crossover_GA(fnownew,popnew,para,data,Encode,fsolver)%交叉 for i=1:2:para.popsize % 每两个个体进行操作 seln=popnew(i:i+1,:);%依次选取两个个体 if rand<=para.pcrossover % 如果满足交叉概率 %进入交叉 % 确定交叉层级 bufn=randperm(Encode.degree,1); bufn=randperm(Encode.degree,bufn); for j=bufn % 对选中的编码层进行判断 selncut=seln(:,sum(Encode.dnum(1:j-1))+1:sum(Encode.dnum(1:j)));% 选取对应个体里的对应编码层 % 选择了哪一种交叉方式 if Encode.dnum(j)==1%如果只有一个基因 只能采取选取一点 style2=1; else [~,style2]=selection(para.pcr(:,2)',para.pcr(:,1),1,size(para.pcr,1),1); end% selncut=crossd(selncut,Encode.dnum(j),Encode.style(j),style2); seln(:,sum(Encode.dnum(1:j-1))+1:sum(Encode.dnum(1:j)))=selncut; end popnew(i:i+1,:)=seln; [fnownew(i:i+1),~]=cacul(2,popnew(i:i+1,:),data,fsolver,Encode); end end end function [fnownew,popnew]=mution_GA(fnownew,popnew,para,data,Encode,fsolver)%mutation for i=1:para.popsize % 每两个个体进行操作 seln=popnew(i,:);%依次选取两个个体 if rand<=para.pmutation % 如果满足变异概率 %进入变异 % 确定变异层级 bufn=randperm(Encode.degree,1); bufn=randperm(Encode.degree,bufn); for j=bufn % 对选中的编码层进行判断 selncut=seln(sum(Encode.dnum(1:j-1))+1:sum(Encode.dnum(1:j)));% 选取对应个体里的对应编码层 if Encode.style(j)==0 || Encode.style(j)==1 % 若是整数或者实数 [~,style2]=selection(para.pmtnum(:,2)',para.pmtnum(:,1),1,size(para.pmtnum,1),1);% 确定邻域结构 [~,range]=selection(para.step(:,2)',para.step(:,1),1,size(para.step,1),1);%确定步长 selncut=neihood(selncut,Encode.dnum(j),Encode.style(j),style2,Encode.bounds{j},range);%变化 else% 若是顺序 [~,style2]=selection(para.pmtseq(:,2)',para.pmtseq(:,1),1,size(para.pmtseq,1),1);% 确定邻域结构 selncut=neihood(selncut,Encode.dnum(j),Encode.style(j),style2,[],[]);%变化 end seln(sum(Encode.dnum(1:j-1))+1:sum(Encode.dnum(1:j)))=selncut; end popnew(i,:)=seln; [fnownew(i),~]=cacul(1,popnew(i,:),data,fsolver,Encode);% 将目标值转化成 适应度值 end end end