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

Matlab代码，用于作业车间调度问题求解，包含作业车间调度问题的编码（基于工序）、解码、绘制甘特图，可结合自己所需要的启发式算法进行求解。

具有总能耗约束的柔性作业车间调度问题研究

包含文档、源代码、测试结果展示

作业车间调度问题是将多台机器安排处理多个工件的组合优化问题，使最大完工时间达到最小。应用传统萤火虫算法求解时，萤火虫个体到达最优解附近时，相对吸引力逐渐增强，导致局部搜索能力减弱，造成求解结果在最优解附近震荡，进而使求解精度下降。为改善解的质量，本文在萤火虫算法迭代过程中引入精英选择策略，保护进化过程中的优秀个体，避免最优解丢失；为提高算法收敛速度与求解精度，对萤火虫位置更新方法引入基于种群规模和迭代次数的动态自适应惯性权重；同时对每一代萤火虫种群最优个体引入禁忌搜索算法，提高局部搜索能力。仿真结果表明本文所提出改进算法在解决作业车间调度问题上的有效性与实用价值。

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。

作业车间调度 调度 恶化时间的调度 matlab源码 甘特图 演示 matlab 入门

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.