【车间调度】基于遗传算法求解混合流水车间调度最优问题matlab源码.md

智能制造系统采用大量先进的信息技术,为车间实时调度提供技术基础.各类信息技术在生产制造过程中的广泛应用使得制造系统积累了大量与生产调度相关的数据,因此,通过利用历史生产调度数据和智能装备收集到的实时生产数据,建立基于数据驱动的生产实时调度方法成为新型制造环境下实现高效调度的新思路.针对智能制造环境下的混合流水车间实时调度问题,提出基于BP神经网络的数据驱动的实时调度方法,从历史近优的调度方案中提取用于调度知识挖掘的样本数据,通过BP神经网络训练学习获取生产系统状态与调度规则的映射关系网络,并将其应用于生产在线实时调度.数值实验表明,所提出的方法优于固定单一调度规则,在不同的调度性能指标下其效果均稳定且良好.

利用果蝇优化算法求解混合流水车间调度问题，包括零等待问题和批量流调度问题，即n个工件在m个阶段上进行加工，每个阶段都至少存在一台并行机

Python3求解单目标、多目标混合流水车间调度问题。包括生成案例、编码、解码、算法程序。单目标、多目标分别设计了一个测试文件。生成案例后，即可运行。优点：正确、简单、求解质量较好。缺点：速度较慢。

针对JIT生产模式下的混合流水车间调度问题特点,提出了采用DE算法与指派规则联合调度策略求解流水车间提前/拖期调度问题。构建了混合流水车间的提前/拖期调度模型。详细论述了DE算法的实施流程和关键问题。在算法实施过程中,首先,采用DE算法进行全局寻优,完成生产任务指派,确定某个工件在某个工序在哪个工位加工;然后采用局部指派规则来确定工件在该工序的开工时间。在满足目标完成时间(交货期)的前提下,使提前惩罚费用与拖期惩罚费用之和最小。数值计算结果证明了该算法的有效性。

遗传算澍I】(GA)是一种“产生——评价”型的通用型群体并行迭代优化算法，近年来得到了 广泛关注和应用。

代码是通过设定不同的参数来进行求解混合流水车间的调度问题

该代码用于实现混合流水车间的的甘特图绘制，数据可自行调节，其中在混合流水车间中，各工序的机器相互独立。

Matlab源码：遗传算法求混合流水车间调度最优问题（JSPGA），附带matlab源码程序，采用双重种群，可以绘制出每次迭代的最优值和平均值的变化，以及最后绘制最优解的车间调度甘特图