修改了网上不对的程序，可以用遗传算法求解。并画出甘特图

车间作业调度问题（JSP）是一类满足任务配置和顺序约束要求的资源分配问题，是最难的组合优化问题之一。下面的MATLAB源代码可用于求解标准JSP问题

基于多层编码遗传算法的车间调度算法（含详细代码）

在原来ga基础上改变适应度函数解决实际大规模交期问题，并且有交期惩罚函数可以修改你需要的目标值

网上传的好多代码都是删去几行的不能运行（鄙视），我改全以后发上来了（保证可用），希望对大家有用。

为了解决工艺规划与车间调度集成( IPPS)问题,提出了一种改进的蚁群优化( ACO)算 法.通过节点集、有向弧集、无向弧集,构建了一种基于图的 IPPS优化模型.以零件加工时间作为 启发式信息,设计蚂蚁在各节点间转移概率.通过蚂蚁访问图中不同的节点,构建对应的调度方 案.根据不同阶段调度方案的最大完工时间调整各弧段信息素的挥发速度,提高了蚂蚁的搜索效 率.为避免陷入局部收敛,通过重启算法和重置各弧段信息素初值,动态更新各弧段信息素量,以 获得全局最优解.将该算法应用于具体的仿真实例,结果表明该算法能有效

基于多层编码遗传算法的车间调度算法matlab,在源代码的基础上进行了改进，准确性更高。 基于多层编码遗传算法的车间调度算法matlab,在源代码的基础上进行了改进，准确性更高。

基于PSO粒子群优化算法的车间调度matlab仿真程序最后输出调度结果以及甘特图，matlab2021a测试。

在不确定的环境中灵活的车间调度在现实世界的制造系统中起着重要的作用。 为了捕捉柔性作业车间调度的不确定性和多目标性质，构建了多目标随机柔性作业车间调度问题（MOSFJSSP）的数学模型，该模型包含制造时间跨度，最大机器工作量和鲁棒性三个目标。在各种实际约束下，同时考虑不确定性。 基于统计工具定义了两个基于方案的新的鲁棒性度量。 为了适当地解决MOSFJSSP问题，开发了一种基于分解的改进多目标进化算法（m-MOEA / D）进行鲁棒调度。 我们方法的新颖之处在于，它采用了一种新的子问题更新方法，该方法利用了全球信息，允许保存在档案中的精英们参与子代的产生，采用子问题选择和中止策略，将更多的计算工作集中在有前途的子问题上，并结合了特定问题的遗传算子进行变异。 在18个问题实例上的广泛实验结果，包括8个总柔性实例和10个局部柔性实例，表明这两种新的鲁棒性度量比现有的基于情景的度量更为有效，可以提高进度对不确定性的鲁棒性并保持被破坏目标的较小方差价值观。 与最新的多目标优化进化算法（MOEA）相比，我们提出的基于m-MOEA / D的鲁棒调度方法可实现更好的收敛性能。 还分析了三个目标之间的不同权衡。

智能优化算法车间调度