进阶生产规划及排程系统　便是利用先进的信息科技及规划技术，例如基因算法﹝Genetic Algorithm﹞、限制理论﹝Theory of Constraints﹞、作业分析 ﹝Operations Research﹞、 生产仿真﹝Simulation﹞及限制条件满足技术﹝Constraint Satisfaction Technique﹞等，在考虑企业资源﹝主要为物料与产能﹞限制条件与生产现场的控制与派工法则下，规划可行的物 料需求计划与生产排程计划，以满足顾客需求及面对竞争激烈的市场。进阶生产规划及排程亦提供了what-if 的分析，可以让规划者快速结合生产信息﹝如订单、途程、存货、BOM与产能限 制等﹞，作出平衡企业利益与顾客权益的最佳规划和决策。

本文讨论的任务车间调度问题是一个典型的NP完全问题，也是最难解的组合优化问题之一。虽然本题给出的工件（墙纸）数n、机器数m及工序（印刷颜色）数l较小，但可以看到，利用经典整数规划的方法求解该问题还是存在着约束条件不够，结果不容易收敛的问题，并且当n，m，l偏大时采用全局搜索的办法来处理该问题是不切实际的。在实际生产中，JSP并不总是要求得到精确解，因此有研究者使用近似算法在适当的时间内得到一个可接受的近似最优解来求解此问题，实际的计算表明，好的近似算法通常能在可接受的时间内得到与精确解相差甚小的近似解，甚至对于大部分的实例，近似算法能得到与精确最优解一致的近似解。因此，本文采用近似算法中的遗传算法（Genetic Algorithms，GA）求解任务调度问题。

该数据为柔性作业车间调度的基准算例Brandimarte_Data的原始数据集，共各位朋友参考

遗传算法解决JSP问题。即多工件分配于多机器的np hard问题。

人工蜂群算法解决柔性作业车间调度问题，用Java写的。参考论文：陈少, 吉卫喜, 仇永涛, et al. 改进人工蜂群算法求解柔性作业车间调度问题[J]. 组合机床与自动化加工技术, 2018, No.531(05):166-169.

通过遗传算法实现的作业车间调度源码，供参考学习和交流。

可以方便地查找到各种JSP问题的算例，尤其对于研究作业车间调度问题（JSP）算法的人应该帮助较大，可以用于进行标准算例的对比试验！

采用变领域搜索解决JSP问题，算法中有多处创新，效果好

主要是关于车间遗传算法的代码，仅仅参考，当然交流之用，我也是从别人那里拷来的

MATLAB用遗传算法（GA)车间调度,代码，可参考学习。。