一种基于遗传算法的作业车间调度问题的解决方案，陈浩哲，王晨升，作业车间调度问题(job shop scheduling problem，JSP)是复杂调度问题类型之一，有十分重要的研究意义和工程价值。本文以标准遗传算法为基础�

针对不确定多目标柔性作业车间调度问题,将工序加工时间采用区间数表示,以区间最大完工时间和区间机器总负荷为优化目标,构建多目标区间柔性作业车间调度模型,并设计一种多目标进化优化算法对该模型进行求解.算法采用混合策略生成初始化种群,并采用贪婪插入法对染色体进行解码,通过基于可能度的占优关系评价个体性能,将区间目标归一化结合拥挤距离反映优化解的分布情况.实验结果验证了所提出算法的有效性.

深度强化学习求解动态柔性作业车间调度问题

针对微粒群优化算法在求解作业车间调度问题时存在的易早熟、搜索准确度差等缺点，在微粒群优化算法的基础上引入了模拟退火算法，从而使得算法同时具有全局搜索和跳出局部最优的能力，并且增加了对不可行解的优化，从而提高了算法的搜索效率；同时，在模拟退火算法中引入自适应温度衰变系数，使得SA算法能根据当前环境自动调整搜索条件，从而避免了微粒群优化算法易早熟的缺点。对经典JSP问题的仿真实验表明，与其他算法相比，该算法是一种切实可行、有效的方法。

为能够应用和声搜索算法(HSA)高效求解作业车间调度问题(JSSP)，提出一种新的差分和声搜索算法(DEHSA)。首先，针对和声函数连续而工序离散现象，设计了排序工序数量转换法，将浮点数的和声转换成工件序列；其次，为提高HSA的收敛速度，改进了HSA的进化模式，不仅是替换一个最差解，还提出了和声变量进化时依赖于当前最优解的“导优”概率；最后，将差分进化算法(DEA)引入到HSA中，克服了HSA方向性差和后期停滞的现象。仿真实验结果表明，DEHSA在求解JSSP上具有可行性和有效性。

该套件可用于评估整数变量的单目标无约束优化技术的性能，并可用作黑盒优化问题。 问题的一些特点是（i）一台机器可以处理多个订单，而单个订单不能在多台机器上处理。 (ii) 一台机器在给定的时间点只能处理一个订单。 (iii) 订单的处理成本和时间取决于机器。 (iv) 每个订单都与发布和到期日期相关联。 订单的处理可以在发布日期或之后执行，但必须在到期日或之前完成。 该套件中有十个最小化优化问题（P1S1.p、P1S2.p、P2S1.p、P2S2.p、P3S1.p、P3S2.p、P4S1.p、P4S2.p、P5S1.p和P5S2.p） . 他们每个人都有以下格式 [F] = P1S1(X); 输入：人口（或解决方案，用 X 表示） 输出：总体（F）的目标函数值。 文件 ProblemDetails.p 可用于确定每个案例的下限和上限以及函数句柄。 格式是[lb,ub,fobj]

博客代码

包含Brandimarte_Data、Dauzere_Data、Hurink_Data

混合NSGA-Ⅱ算法求解多目标柔性作业车间调度问题_NSGA调度_NSGA_NSGA-Ⅱ_柔性车间_柔性车间调度.zip

作业车间调度JobShopScheduling，代码文件里共有7个.m文件，其中JSP.m是主程序，另外六个是函数文件