基于遗传算法的柔性车间调度.rar

采用遗传算法解决柔性车间调度问题，完整的MATLAB程序，程序中有详细的注释，欢迎大家下载参考，共同学习与进步！

function [Population] = Coding（TPopSize）
%% INPUT：
% T--input matrix:
%  For example: 
%  A partial flexible scheduling problem in which 8 jobs are processed 
%  on 8 machines in which the number of available machining machines per
%  step of job is less than or equal to the total number of machines
% J1 ={[5 3 5 3 3 0 10 9];[10 0 5 8 3 9 9 6];[0 10 0 5 6 2 4 5]};
% J2 ={[5 7 3 9 8 0 9 0];[0 8 5 2 6 7 10 9];[0 10 0 5 6 4 1 7];[10 8 9 6 4 7 0 0]};
% J3 ={[10 0 0 7 6 5 2 4];[0 10 6 4 8 9 10 0];[1 4 5 6 0 10 0 7]};
% J4 ={[3 1 6 5 9 7 8 4];[12 11 7 8 10 5 6 9];[4 6 2 10 3 9 5 7]}; 
% J5 ={[3 6 7 8 9 0 10 0];[10 0 7 4 9 8 6 0];[0 9 8 7 4 2 7 0];[11 9 0 6 7 5 3 6]};
% J6 ={[6 7 1 4 6 9 0 10];[11 0 9 9 9 7 6 4];[10 5 9 10 11 0 10 0]};
% J7 ={[5 4 2 6 7 0 10 0];[0 9 0 9 11 9 10 5];[0 8 9 3 8 6 0 10]};
% J8 ={[2 8 5 9 0 4 0 10];[7 4 7 8 9 0 10 0];[9 9 0 8 5 6 7 1];[9 0 3 7 1 5 8 0]};
% T={J1;J2;J3;J4;J5;J6;J7;J8}; 8*1 cell
% Popsize- Population size in genetic algorithms2*PopSize+1
%% OUTPUT:
% Population-Popsize*1 cell
% chromosome-2*1 cell
%% variable declaration
num_of_jobs = length（T）;                                                   %number of jobs
num_of_machines = length（T{1}{1}）;                                         %number of machines
steps_of_job =[];
machine_of_job=cell（num_of_jobs1）;

% calculate the length of chromosome
for i = 1:num_of_jobs
    steps_of_job=[steps_of_job;length（T{i}）];
end
len_of_chromosome = sum（steps_of_job）;

% calculate the machine set for each steps of each job
for i=1:num_of_jobs
    steps=cell（steps_of_job（i）1）;
    for j = 1:steps_of_job（i）
        machineset=[];
        for k=1:length（T{i}{j}）
            if T{i}{j}（k）~=0
               machineset=[machineset k]; 
            end
        end
        steps{j}=machineset;
    end
    machine_of_job{i}=steps;
end


%steps chromosome
%Coding is based on the step of the job
step_chromsome=[];
for i = 1:num_of_jobs
    for j = 1:steps_of_job（i）
        step_chromsome=[step_chromsome i];
    end
end
step_population =[];
%Generate population with chromosome containing random genes 
for i = 1:PopSize
    step_population（i:）=step_chromsome（randperm（length（step_chromsome（:））））;
end
%
%machine chromosome
%In each steps the machine is randomly selected for two machines
%and the machine that selects the short processing time is the gene with
%propability
machine_population =[];
for index = 1:PopSize
    machine_chromsome=[];
    for i=1:num_of_jobs
        for j=1:steps_of_job（i）
            pos= randperm（length（machine_of_job{i}{j}）2）;
            machine1=machine_of_job{i}{j}（pos（1））;
            machine2=machine_of_job{i}{j}（pos（2））;
            if （rand（1）<0.8） && （T{i}{j}（machine1）>T{i}{j}（machine2））
                machine = machine2;
            else
                machine = machine1;
            end
            machine_chromsome=[machine_chromsome machine];   
        end
    e

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3197  2019-12-13 10:46  FJSP_GA\Coding.m

     文件       1165  2019-12-13 10:48  FJSP_GA\FitnessCalculator.m

     文件       3491  2019-12-14 15:12  FJSP_GA\GanntGraf.m

     文件     122472  2017-10-29 21:57  FJSP_GA\jobshop1.txt

     文件      14554  2017-10-29 21:57  FJSP_GA\jobshop2.txt

     文件      10407  2019-12-14 17:01  FJSP_GA\POX_GA.m

     文件        303  2020-01-03 21:01  FJSP_GA\runme.m

     文件       4449  2019-12-14 15:03  FJSP_GA\SemiActiveDecoding.m

     文件       2324  2019-12-12 21:38  FJSP_GA\Tmatrix.m

     目录          0  2020-01-03 21:02  FJSP_GA

----------- ---------  ---------- -----  ----

               162362                    10