1 简介
针对作业车间调度问题,提出改进的混合蛙跳算法.采用基于工件操作的蛙体结构,定义青蛙的相似性和距离,构造相应的青蛙移位策略,有效克服工件机器顺序的约束限制,保证青蛙新位置的可行性.通过经典算例仿真计算结果表明,该算法能有效求解较大规模的作业车间调度问题.
2 部分代码
clc
clear all
close all
%--------------------------------------------------------------------------
% 问题：自定义时间矩阵的JSSP问题
% 在下面手动输入时间矩阵T(行数M=4为机器数，列数N=5为工件数)
% 仿真实例出处如下：
% [日]玄光男,遗传算法与工程设计,北京:科学出版社,2000,P127. 第5.4.4节 例5.2
% 最优解 fval=213, X = [4 2 5 1 3]
T = [31 19 23 13 33 % 手动输入时间矩阵T
41 55 42 22 5
25 3 27 14 57
30 34 6 13 19];
[M,N] = size(T) % 行数M为机器数,列数N为工件数
%--------------------------------------------------------------------------
% 必需参数
popsize = 50; % 种群规模
maxgen = 50; % 最大进化代数
method = 6 % 方法选择,1 - 伪并行小生境自适应遗传算法(PPNSA)
% 2 - 混合蛙跳算法+变异算子(SFLA+MO)
% 3 - 批处理蛙跳算法(BFLA),为SFLA的改进算法
% 4 - PPNSA+扰动算子(末选算法,收敛速度中,较易跳出局部极小)
% 5 - SFLA+MO+扰动算子(次选算法,收敛速度快,最易陷入局部极小)
% 6 - BFLA+扰动算子(首选算法,收敛速度中,可能陷入局部极小)
type = 1; % 初始化方式,1 - 随机初始化(缺省设置)
% 2 - 启发式初始化
%--------------------------------------------------------------------------
% 函数调用
[X,fval,F] = SFLA(T,popsize,maxgen,method,type);
% 混合蛙跳算法（Shuffled Frog-Leaping Alogrihtm,SFLA）
% 输入参数:
% T - 时间矩阵
% popsize - 种群规模
% maxgen - 最大进化代数
% method - 方法选择,1 - 伪并行小生境自适应遗传算法(PPNSA)
% 2 - 混合蛙跳算法+变异算子(SFLA+MO)
% 3 - 批处理蛙跳算法(BFLA),为SFLA的改进算法
% 4 - PPNSA+扰动算子(末选算法,收敛速度中,较易跳出局部极小)
% 5 - SFLA+MO+扰动算子(次选算法,收敛速度快,最易陷入局部极小)
% 6 - BFLA+扰动算子(首选算法,收敛速度中,可能陷入局部极小)
% type - 初始化方式,1 - 随机初始化(缺省设置)
% 2 - 启发式初始化
% 输出参数:
% X - 最优适应度对应的解
% fval - 最优适应度值
% F - 最优,平均,最差适应度
%--------------------------------------------------------------------------
% 结果作图
figure(1)
FigSche(X,T);
figure(2);
plot(1:maxgen,F,'.-'); grid on;
legend('最优','平均','最差',3);
xlabel('进化代数'); ylabel('适应度');
set(gcf,'position',[700 200 500 400])
set(gca,'XLim',[1 maxgen]);
title(['工件数:',num2str(N),' 机器数:',num2str(M),', 最优值:',num2str(fval)]);
3 仿真结果
4 参考文献
[1]蔡良伟,李霞. 基于混合蛙跳算法的作业车间调度优化[J]. 深圳大学学报(理工版)(4):391-395.
部分理论引用网络文献，若有侵权联系博主删除。