结合作业车间调度问题的关键路径理论，设计了一种具有多次退火过程的调度算法。该算法利用记忆表记录下降过程中的平衡点，当一次退火过程结束后，从表中取出各平衡点的温度、状态和抽样长度重新开始退火过程，直到记忆表为空。仿真结果表明该算法在求解质量和求解效率方面均有优势。

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]

果蝇优化算法的基本原理是初始化种群的中心位置，利用敏锐的嗅觉进行搜索，即根据中心位置随机产生多个邻域解。计算各可行解的味道浓度，即适应度值，然后利用视觉从中选择较好的解，更新替换中心位置，然后进行迭代寻优，以更好的靠近食物源。 FOA在整个迭代寻优过程中，所有个体都聚集到本次迭代的最优个体附近，只向当前最优果蝇个体学习，极易是算法陷入局部最优。要克服早熟的问题，必须提供一种机制可以跳出局部最优，在其他解空间中继续搜索。

完整代码，可直接运行

完整代码，可直接运行

完整代码，可直接运行

完整代码，可直接运行

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

摘要：本文提出了一种混合的元启发式方法HDCPSO 用于求解置换流水车间调度问题中的最小化完成时间.该算法将粒子群算法和迭代贪心算法( Iterative Greedy, IG) 相结合, 利用IG 算法中的作业毁坏( Destruction) 和构造( Construction) 操作来对粒子进行变异, 降低群体发生早熟的可能. 引入了个体徘徊概念, 用来控制个体变异. 此外, 通过基于插入的邻域搜索来提高个体的局部搜索能力. 最后, 提出了群体的重新初始化机制来进一步避免早熟收敛的发生.本文算法在不同规模的问题实例上与其他几个具有代表性的算法进行了比较, 实验结果表明, 无论是在求解质量还是稳定性方面都优于其他算法.

【车间调度】基于PSO求解6X6的车间调度问题matlab 源码.zip