Matlab画车间调度甘特图

流水线车间调度问题matlab源程序

流水线型车间作业调度问题遗传算法Matlab源码
流水线型车间作业调度问题可以描述如下：n个任务在流水线上进行m个阶段的加工，每一阶段至少有一台机器且至少有一个阶段存在多台机器，并且同一阶段上各机器的处理性能相同，在每一阶段各任务均要完成一道工序，各任务的每道工序可以在相应阶段上的任意一台机器上加工，已知任务各道工序的处理时间，要求确定所有任务的排序以及每一阶段上机器的分配情况，使得调度指标(一般求Makespan)最小。下面的源码是求解流水线型车间作业调度问题的遗传算法通用MATLAB源码，属于GreenSim团队原创作品，转载请注明。



function [Zp,Y1p,Y2p,Y3p,Xp,LC1,LC2]=JSPGA(M,N,Pm,T,P)
%--------------------------------------------------------------------------
% JSPGA.m
% 流水线型车间作业调度遗传算法
% GreenSim团队原创作品，转载请注明
% Email:greensim@
% GreenSim团队主页：/greensim
% 欢迎访问GreenSim——算

欢迎访问GreenSim团队主页→http://blog.sina.com.cn/greensim 邮箱：greensim@163.com 车间作业调度问题（JSP）的遗传算法通用MATLAB源代码

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，虽然采用的是最普通的遗传算法，但在编解码环节，采用了十分巧妙的设计，可以大幅提高搜索效率。

function [S_best,T_min,LC]=JSPGA(M,N,Pc,Pm,Q,W) %% 车间作业调度问题遗传算法

% GreenSim团队——专业级算法设计&代写程序

% 欢迎访问GreenSim团队主页→http://blog.sina.com.cn/greensim %% 输入参数列表

% M 遗传算法进化代数 % N 种群规模 % Pc 交叉概率 % Pm 变异概率 % Q 机器序号矩阵 % W 操作时间矩阵 %% 输出参数列表

% S_best 最优调度方案，m×1的细胞结构，每个细胞

无等待流水车间调度问题的优化*

潘全科1，2赵保华1 屈玉贵1

（1中国科学技术大学计算机科学系，合肥，230026

2

聊城大学计算学院，聊城，252059 ）

摘要: 研究以生产周期为目标的无等待流水车间调度问题。首先，结合问题特征，提出了一种复杂度为O(n)的快速生产周期算法。其次，研究了两种插入邻域结构：基本插入邻域和多重插入邻域，并提出了快速基本插入邻域算法和最大多重插入移动算法。在此基础上，将离散粒子群算法与上述两种邻域搜索算法相结合，得到了离散粒子群优化调度算法。第三，根据问题生产周期的不规则性，给出了一种通过延长工序加工时间进一步改进调度方案的方法。最后，仿真试验表明了所得算法的可行性和有效性。

关键词 无等待流水车间 生产周期 粒子群算法 邻域搜索算法 不规则性

1 引言

无等待流水车间（no-wait flow shop，NWFS）调度问题是一类十分重要的调度问题[1-5]，它广泛存在于炼钢、食品加工、化工和制药等领域。已经证明机床数量大于2的NWFS是强NP难题[3]。新发展起来的粒子群算法（particle swarm optimization，PSO）为解决该类问题提供了新思路。与进化算法相比，PSO具有结构简单、容易实现、快速聚合

%% 清空环境 clc clear

%% 参数初始化

%粒子群算法中的两个参数 c1 = 1.49445; c2 = 1.49445;

maxgen=300; %进化次数 sizepop=20; %种群规模 Vmax=0.5; Vmin=-0.5; popmax=2; popmin=-2; ws=0.9; we=0.4;

for k=1:100

%% 产生初始粒子和速度 k

for i=1:sizepop

%随机产生一个种群

pop(i,:)=2*rands(1,2); %初始种群 V(i,:)=0.5*rands(1,2); %初始化速度 %计算适应度

fitness(i)=fun(pop(i,:)); %染色体的适应度 end

%% 个体极值和群体极值

[bestfitness bestindex]=max(fitness); zbest=pop(bestindex,:); %全局最佳 gbest=pop; %个体最佳

fitnessgbest=

流水车间调度优化系统

设计说明书

版本号：v1.0

作者：××× 单位：××× 2014年5月4日

1

目 录

第1章 系统概述 ............................................................................................................................ 1

1.1 项目背景............................................................................................................................ 1 1.2 系统开发意义 .................................................................................................................... 1 1.3 系统开发目的 ............................................................

1

XXX项目XXX公司 项目名称： XXX工程 当前日期： 01/26/07 Fri 显示周期： 01/05/07 - 08/24/07 Page 1 完成天数 计划% 实际%

#### ####剩余天数01/05/07 01/12/07 01/19/07 01/26/07 02/02/07 02/09/07 02/16/07 02/23/07 03/02/07 03/09/07 03/16/07 03/23/07 03/30/07 04/06/07 04/13/07 04/20/07 04/27/07 05/04/07 05/11/07 05/18/07 05/25/07 06/01/07 06/08/07 06/15/07 06/22/07 06/29/07 07/06/07 07/13/07 07/20/07 07/27/07 08/03/07 08/10/07 08/17/07 08/24/07

标识 作业名称XXX工程 A1 A2 A3 A4 B1 B2 B3 B4 C1 C2 C3 C4 D1 项目01 项目02 项目03 项目04 项目05 项目06 项目07 项目08 项目09 项目10 项目11 项目12 项目13

责任人

开始01

将一类具有路径柔性的作业车间调度问题,分解为任务优化分配和任务优化调度两个子问题,结合遗传算法和启发式算法,提出了基于遗传算法的优化调度算法,并有实例证实了该算法的有效性。

维普资讯

第 8卷第 3期 2002年 3月

计算机集成制造系统

c Ms I

V 0.8】 No .3Ma r.2 0 0 2

Co pu e n e a e a f c urn Syse s m t rI t gr t d M nu a t ig tm

文章编号：0 6 6 1 (0 2 0 0 2 0 1 0 9 12 0 ) 3 2 9 4

基于遗传优化算法求解作业车间调度问题姜思杰，晓飞，全龙徐李(哈尔滨工业大学计算机科学与工程系，龙江黑暗尔滨 100) 5 0 1

摘要：一类具有路径柔性的作业车间调度问题，解为任务优化分配和任务优化调度两个子问题，台遗将分结传算法和启发式算法，出了基于遗传的优化调度算法，用实例证实了该算法的有数性。提并 关键词：作业车间；径柔性；发式算法；传算法路启遗中圈分类号： 2 2 T 3 8 0 F 7:P 9.7文献标识码： A

0引言具有路径柔性的作业车间 (o s o )度，于 J bh p调对充分发挥 J b h p灵活的特点

基于改进遗传算法的混合车间调度问题研究

兰州理工大学

硕士学位论文

基于改进遗传算法的混合车间调度问题研究

姓名：冯亚岗

申请学位级别：硕士

专业：机械制造及其自动化

指导教师：芮执元;刘军

20090420

基于改进遗传算法的混合车间调度问题研究

硕｝ｊ学位论文

摘要

并行工程（ｃｏｎｃｕｒｒｅｎｔｅｎｇｉｎｅｅｒｉｎｇ，ＣＥ）、敏捷制造（ａｇｉｌｅｍａｎｕｆａｃｔｕｒｅ

．ｉｎｇ，ＡＭ）、虚拟制造（ｖｉｒｔｕａＩｍａｎｕｆａｃｔｕｒｉｎｇ，ＶＭ），网络化制造（ｎｅｔｍａｎｕｆａｃｔｕｒｉｎｇ，ＮＭ）等作为现代化企业主导的先进制造模式，其目的是要以最低的成本制造出顾客满意的产品。在这些制造模式下如何运用有限的资源，降低产品的生产成本，缩短产品的制造周期，保证按时交货，提高企业信誉，赢得更多客户，合理的调度方法与优化技术成为制约以上目标实现的关键因素，因而车间调度问题也越来越受到学者们的关注。

遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｉｒｔｈｍ，ＧＡ）是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法，因其对优化模型的依耐性不强、求解问题的简单性和鲁棒性等特点被广泛应用于制造业的各个领域。本文在对遗传算法进行改进的基础上，围绕混合车间的调度问题进行了研究。

本文主要作了如下工作

甘特图的用途及画法

时间:2011-11-28来源:互联网作者:小东浏览:164次

1.甘特图的用途甘特图主要用于对各项工作进度计划的管理。它是美国效率工程师甘特首先画出来的，

1.甘特图的用途

甘特图主要用于对各项工作进度计划的管理。它是美国效率工程师甘特首先画出来的，通过它可以直观地看出各项工作计划进度与实际进度的情况。例如：制订质量改进工作的进度计划;人员技术培训的进度计划;车辆和设备的大修进度计划等等。在甘特图上，可同时用箭头表示出几项具体工作的进度要求，并可表示出实际的进展情况，，随时采取必要的措施，以保证进度计划的实现。

2.甘特图的画法

甘特图从左向右划分为三部分。左侧栏目为工作内容，要先在本栏内自上而下写明几项工作的内容名称或要求。中间栏目为每项工作的开始时间和完成时间，要在本栏内画出计划完成时间和实际完成时间，分别用两个上下并列的箭头表示(计划完成时间用虚线箭头表示，实际完成时间用实线箭头羡示)。本栏目的坐标刻度及长度要取得合适，看得清楚，容易理解。，右侧栏目为责任部门，我们就在这个栏内与每项工作内容相对应的位置上注明完成这项工作的责任部门。这样，一张甘特图就基本画完了。最后视情况适当在图上注明标题及数据的来源，坐标上要

将约束满足神经网络(CSNN)模型和启发式算法相结合,应用到作业车间调度(JSP)问题上.实验数据表明：CSNN具有结构简单、建模方便的优点,启发式算法的引入大大地改善了CSNN求解作业车间调度问题的性能和有效性,是解决JSP问题的一种有效手段.

维普资讯

第 2卷第 4期 2 20 07年 8月

郑州轻工业学院学报 (自然科学版 )JU N L FZ E G H UU IE S YO IH D S R{ a r c ne O R A H N Z O NV R I F G T N U T Y Nt aSi c} O T L I ul e

Vo| 2 No 4 l2 .

A g 07 u .2 0

文章编号：0 4—17 ( 07 0 0 6—o 10 4 8 2 0 )4— 0 l 3 .

基于约束满足神经网络的作业车间调度算法研究天分分 吊年杯吴芬芬，常军林(河南交通职业技术学院计算机科学系，河南郑州 4 00 ) 505

摘要：约束满足神经网络 ( S N)型和启发式算法相结合，用到作业车间调度 (S )将 CN模应 JP问题上. 实验数据表明：S N具有结构简单、 CN建模方便的优点，发式算法的引入大大地改善了 C N启 S N求解作业车间调度