这个资源是粒子群算法求解柔性作业车间调度问题的python实现

柔性作业车间调度算例（包括：Brandimarte_DATA、DAUZERE_DATA、Hurink_DDATA）

之前与老师做项目的时候写的粒子群算法解决柔性作业车间调度问题，是用Java写的，标准测试数据及优解在data文件夹下 之前与老师做项目的时候写的粒子群算法解决柔性作业车间调度问题，是用Java写的，标准测试数据及优解在data文件夹下

之前与老师做项目的时候写的粒子群算法解决柔性作业车间调度问题，是用Java写的，标准测试数据及优解在data文件夹下

将灰狼优化算法(GWO)用于柔性作业车间调度问题(FJSP),以优化最大完工时间为目标,提出一种混合灰狼优化算法(HGWO).首先,采用两段式编码方式,建立GWO连续空间与FJSP离散空间的映射关系;其次,设计种群初始化方法,保证算法初始解的质量;然后,嵌入一种变邻域搜索策略,加强算法的局部搜索能力,引入遗传算子,提升算法的全局探索能力;最后,通过实验数据验证HGWO算法在求解FJSP问题方面的有效性.

改进遗传算法解决柔性作业车间调度问题，田旻，刘人境，柔性作业车间调度问题是经典作业车间调度问题的深入和扩展，为生产过程中作业车间调度的资源受限问题提供了更加切实可行的方案。

自己写的用遗传算法求解柔性作业车间调度问题，可直接运行，文件内含有10个FJSP基础算例，在help.cpp文件中修改算例文件名称即可运行其他算例。

Brandimarte给出了10组柔性作业车间调度实例（mk01~mk10），已对文档进行相应处理，可配合up主对应博客进行相应解码

柔性作业车间调度问题中，以完工时间作为优化目标，编写的遗传算法代码，python语言。代码中套用了一个自己随机生成的实例进行运行验证，仅供参考学习。

简述 这是《深度学习与人工智能》课程中很普通的一道作业题，但因为发现了一个更巧妙的搜索目标的形式，让求解过程快了很多，代码实现起来也简单了非常多，而且最终的搜索效果也更好。 关于蚁群算法和柔性作业车间调度问题不再赘述。 求解策略比较 如果用这篇文章中的方法，求解这个问题会很困难。因为同Job的不同工序是有先后顺序的，如果直接在上面这张表里搜索解，也就是说搜索出的是这张表里每一行标一个机器，那么接下来的时间计算就非常麻烦，需要从这张表去计算一个最优的调度顺序，这个过程代价很高，而且程序很难写。 在这篇文章中看到了一种搜索目标的表示形式，这篇文章虽然是讲遗传算法而不是蚁群算法，但是它对遗传算法染