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

具有总能耗约束的柔性作业车间调度问题研究

蚁群\基于改进蚁群算法的柔性作业车间调度问题的求解方法

分析生产车间的实际生产状况，建立了考虑工件移动时间的柔性作业车间调度问题模型。该模型考虑了以往柔性作业车间调度问题模型所没有考虑的工件在加工机器间的移动时间，使柔性作业车间调度问题更贴近实际生产，让调度理论更具现实性。通过对已有的改进遗传算法的遗传操作进行重构，设计出有效求解考虑工件移动时间的柔性作业车间调度问题的改进遗传算法。最后对实际案例进行求解，得到调度甘特图和析取图，通过对甘特图和析取图的分析验证了所建考虑工件移动时间的柔性作业车间调度问题模型的可行性和有效性。

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.

柔性作业车间调度遗传算法代码！！！！！！！！！！！！

用灰狼优化算法求解柔性作业车间问题，其中问题的规模为8*8，代码类型为Matlab，编码方式为三维实数编码。

NIND=40; %个体数目 MAXGEN=50; %最大遗传代数 GGAP=0.9; %代沟 XOVR=0.8; %交叉率 MUTR=0.6; %变异率 gen=0; %代计数器 %PNumber 工件个数 MNumber 工序个数 [PNumber MNumber]=size(Jm); trace=zeros(2, MAXGEN); %寻优结果的初始值 WNumber=PNumber*MNumber; %工序总个数

用c++写的遗传算法解决柔性作业车间调度问题，主要参考论文 张国辉, 高亮, 李培根, et al. 改进遗传算法求解柔性作业车间调度问题[J]. 机械工程学报, 2009, 45(7):145-151.