置换流水车间调度问题的MATLAB求解

合集下载

matlab车辆调度优化算法

车辆调度优化算法在现代物流和运输领域中扮演着重要的角色。随着

城市化进程的加快和人们对快速高效货运的需求不断增加，车辆调度

优化算法的研究和应用变得尤为重要。其中，matlab作为一种强大的计算工具，被广泛应用于车辆调度优化算法的研究和实践中。本文将

从以下几个方面对matlab车辆调度优化算法进行探讨。

一、matlab在车辆调度优化算法中的应用概述

1. Matlab在数学建模方面的优势

Matlab作为一种强大的数学软件工具，拥有丰富的数学函数库

和强大的矩阵运算能力，能够快速高效地进行数学建模和优化计算。

在车辆调度优化算法中，这种优势使得Matlab成为一种理想的工具。

2. Matlab在算法研究和实现中的应用

Matlab提供了丰富的算法工具箱，包括遗传算法、模拟退火算法、粒子裙优化算法等常用的优化算法，这些算法的灵活性和易用性

使得Matlab成为车辆调度优化算法研究和实现的理想选择。

二、matlab在车辆路径规划中的应用

1. 车辆路径规划的基本问题和挑战

车辆路径规划是车辆调度优化算法中的重要问题之一，它涉及到如何合理安排车辆的行驶路线，以最大限度地减少行驶距离和时间。

这是一个 NP 难题，需要运用各种优化算法来求解。

2. Matlab在车辆路径规划中的具体应用

Matlab提供了丰富的优化算法工具箱，可以很方便地用来解决

车辆路径规划中的优化问题。可以利用遗传算法来对车辆路径进行优化，或者利用模拟退火算法来寻找最优路径。

三、matlab在车辆调度问题中的应用实例

1. 基于Matlab的车辆调度优化算法研究

求解置换流水车间调度问题的memetic算法

Memetic算法是一种基于遗传算法和局部搜索算法结合的混合

算法，在求解置换流水车间调度问题时，可以通过将遗传算法和局部搜索算法结合，以提高求解效率。

步骤一：初始化参数

首先，需要初始化算法的参数，包括种群规模、变异率、交叉率、迭代次数等。

步骤二：初始化种群

然后，初始化种群，即产生一组初始解，用于进行后续的搜索。

步骤三：进行遗传算法迭代

接着，进行遗传算法的迭代，即对当前种群进行变异、交叉、选择等操作，以获得新的种群，并计算当前种群的适应度。

步骤四：进行局部搜索

然后，对当前种群中的某个解进行局部搜索，以求得更优的解。

步骤五：更新种群

最后，将局部搜索得到的更优解替换原有解，更新当前种群，并重复以上步骤，直至达到迭代次数为止。

matlab鸟群算法求解车间调度问题详解及实现源码

⽬录

⼀、车间调度简介

1 车间调度定义

2 传统作业车间调度

3 柔性作业车间调度

⼆、蝴蝶优化算法（MBO）简介

1 介绍

2 ⾹味

3 具体算法

三、部分源代码

五、matlab版本及参考⽂献

⼀、车间调度简介

1 车间调度定义

车间调度是指根据产品制造的合理需求分配加⼯车间顺序，从⽽达到合理利⽤产品制造资源、提⾼企业经济效益的⽬的。车间调度问题从数学上可以描述为有n个待加⼯的零件要在m台机器上加⼯。问题需要满⾜的条件包括每个零件的各道⼯序使⽤每台机器不多于1次，每个零件都按照⼀定的顺序进⾏加⼯。

2 传统作业车间调度

传统作业车间带调度实例

有若⼲⼯件，每个⼯件有若⼲⼯序，有多个加⼯机器，但是每道⼯序只能在⼀台机器上加⼯。对应到上⾯表格中的实例就是，两个⼯件，⼯件J1有三道⼯序，⼯序Q11只能在M3上加⼯，加⼯时间是5⼩时。

约束是对于⼀个⼯件来说，⼯序的相对顺序不能变。O11->O12->O13。每时刻，每个⼯件只能在⼀台机器上加⼯；每个机器上只能有⼀个⼯件。

调度的任务则是安排出⼯序的加⼯顺序，加⼯顺序确定了，因为每道⼯序只有⼀台机器可⽤，加⼯的机器也就确定了。

调度的⽬的是总的完⼯时间最短（也可以是其他⽬标）。举个例⼦，⽐如确定了O21->O22->O11->O23->O12->O13的加⼯顺序之后，我们就可以根据加⼯机器的约束，计算出总的加⼯时间。

M2加⼯O21消耗6⼩时，⼯件J2当前加⼯时间6⼩时。

M1加⼯O22消耗9⼩时，⼯件J2当前加⼯时间6+9=15⼩时。

matlab生产调度问题及其优化算法

生产调度问题及其优化算法（采用遗传算法与MATLAB编程）

信息014 孙卓明

二零零三年八月十四日

生产调度问题及其优化算法

背景及摘要

这是一个典型的Job-Shop动态排序问题。目前调度问题的理论研究成果主要集中在以Job-Shop问题为代表的基于最小化完工时间的调度问题上。一个复杂的制造系统不仅可能涉及到成千上万道车间调度工序，而且工序的变更又可能导致相当大的调度规模。解空间容量巨大，N个工件、M台机器的问题包含M

(

N)!

种排列。由于问题的连环嵌套性，使得用图解方法也变得不切实际。传统的运筹学方法，即便在单目标优化的静态调度问题中也难以有效应用。

本文给出三个模型。首先通过贪婪法手工求得本问题最优解，既而通过编解码程序随机模拟优化方案得出最优解。最后采用现代进化算法中有代表性发展优势的遗传算法。文章有针对性地选取遗传算法关键环节的适宜方法，采用MATLAB 软件实现算法模拟，得出优化方案，并与计算机随机模拟结果加以比较显示出遗传算法之优化效果。对车间调度系列问题的有效解决具有一定参考和借鉴价值。

一．问题重述

某重型机械厂产品都是单件性的，其中有一车间共有A，B，C，D四种不同设备，现接受6件产品的加工任务，每件产品接受的程序在指定的设备上加工，

条件：1、每件产品必须按规定的工序加工，不得颠倒；

2、每台设备在同一时间只能担任一项任务。

（每件产品的每个工序为一个任务）

问题：做出生产安排，希望在尽可能短的时间里，完成所接受的全部任务。

要求：给出每台设备承担任务的时间表。

注：在上面，机器 A，B，C，D 即为机器 1，2，3，4，程序中以数字1，2，3，4表示，说明时则用A，B，C，D

解决多目标置换流水车间问题的改进MDPSO算法

摘要:置换流水车间调度问题(flow-shop scheduling problem)是生产调度问题的一

个子问题，是NP-hard组合优化离散问题之一，具有很强的实际研究意义。在现

代的生产制造过程中，单一的目标优化已经满足不了日益发展的工业需求，所以

对多目标流水车间调度问题的研究显得尤为重要，已在实际生产中得到广泛应用。本文在多目标进化算法粒子群算法PSO的基础上设计了一种多目标进化算法离散

多目标粒子群优化算法MDPSO以求解该问题,用 MATLAB 编程实现该算法并对几

个标准多目标flowshop 算例进行仿真测试。实验结果表明，提出的算法比已有的NSGA_II算法具有更好的优化性能。

关键词：多目标flowshop问题；MDPSO算法；NSGA-II；

Improved MDPSO method for Multi-objective flow-shop scheduling problem

Wu Ye, Li Xiaoyu, Yao Jun

(Shanghai zhengfan technology co. Ltd , School of Mechatronics and Automation, Shanghai University, Shanghai, China)

Abstract

Multi-objective flow-shop scheduling problem is a sub problem of production scheduling problem. It is one of the discrete problems of NP-hard optimization and has strong theoretical and actual purpose.In the modern production and manufacturing process, single-objective optimization can’t meet the growing industrial demand, so

matlab生产调度问题及其优化算法

生产调度问题及其优化算法（采用遗传算法与MATLAB编程）

信息014 孙卓明

二零零三年八月十四日

生产调度问题及其优化算法

背景及摘要

(

N)!

种排列。由于问题的连环嵌套性，使得用图解方法也变得不切实际。传统的运筹学方法，即便在单目标优化的静态调度问题中也难以有效应用。

一．问题重述

某重型机械厂产品都是单件性的，其中有一车间共有A，B，C，D四种不同设备，现接受6件产品的加工任务，每件产品接受的程序在指定的设备上加工，

条件：1、每件产品必须按规定的工序加工，不得颠倒；

2、每台设备在同一时间只能担任一项任务。

（每件产品的每个工序为一个任务）

问题：做出生产安排，希望在尽可能短的时间里，完成所接受的全部任务。

要求：给出每台设备承担任务的时间表。

注：在上面，机器 A，B，C，D 即为机器 1，2，3，4，程序中以数字1，2，3，4表示，说明时则用A，B，C，D

置换流水车间调度问题的MATLAB求解

置换流⽔车间调度问题的MATLAB求解

物流运筹实务课程设计

题⽬：置换流⽔车间调度问题的MATLAB求解置换流⽔车间调度问题的MATLAB求解

⽬录

⼀、前⾔ (5)

⼆、问题描述 (6)

三、算法设计 (7)

四、实验结果 (15)

摘要

⾃从Johnson 1954年发表第⼀篇关于流⽔车间调度问题的⽂章以来．流⽔车间调度问题引起了许多学者的关注。安排合理有效的⽣产调度是⽣产活动能井然有序开展，⽣产资源得到最佳配置，运作过程简明流畅的有⼒保证。流⽔车间调度问题是许多实际流⽔线⽣产调度问题的简化模型。它⽆论是在离散制造⼯业还是在流程⼯业中都具有⼴泛的应⽤。因此，对进⾏研究具有重要的理论意义和⼯程价值。流⽔线调度问题中⼀个⾮常典型的问题，⽽置换流⽔线调度问题作为FSP 问题的⼦问题，是⼀个著名的组合优化问题。该问题是⼀个典型的NP难问题，也是⽣产管理的核⼼内容。随着⽣产规模的扩⼤，流⽔线调度问题的优化对提⾼资源利⽤率的作⽤越来越⼤，因此对其研究具有重要的理论和现实意义。

关键字：流⽔车间，单件⼩批量⽣产，jsp模型，Matlab

前⾔

企业资源的合理配置和优化利⽤很⼤程度上体现在车间⼀层的⽣产活动中,所以加强车间层的⽣产计划与控制⼀直在企业⽣产经营活动中占有⼗分重要的地位。车间⽣产计划与控制的核⼼理论是调度理论。车间调度问题是⼀类重要的组合优化问题。为适应订货式、多品种、⼩批量⽣产的需要,引进了置换流⽔车间调度概念。在置换流⽔车间调度优化后,可以避免或⼤⼤减少流程⼯作时间、提⾼⽣产效率。因此,研究成组技术下车间调度问题是很有必要的。⽣产调度，即对⽣产过程进⾏作业计划，是整个个先进⽣产制造系统实现管理技术、优化技术、⽩动化与计算机技术发展的核⼼。置换流⽔车间调度问题是许多实际⽣产调度问题的简化模型。⽣产计划与调度直接关系着企业的产出效率和⽣产成本，有效的计划与调度算法能最⼤限度地提⾼企业的效益。调度问题是组合优化问题，属于NP问题，难以⽤常规⼒⼀法求解。随着制造业的快速发展，⼤规模定制⽣产、全球化

改进的蚁群算法求解置换流水车间调度问题

张丽萍

【摘要】In order to avoid the shortcomings of ant algorithm for solving permutation flow shop scheduling problem that easily fall into local best situation and long calculation time, in this paper, an improved Max-Min

Ant System (MMAS)algorithm which apply Nawaz-Enscore-Ham ( NEH ) heuristic algorithm to enhance the quality of the initial solutions and further improve the search capabil-ities through regulation of adaptive strategies is proposed . Finally we use the proposed algorithm to solve Taillard benchmarks set . Compared with other approaches , the experimental results show the effectiveness of the proposed algorithm .%

09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）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→

%% 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,每个细胞单元为Ｌa×2的矩阵

% T_miｎ最优调度方案对应的最短调度时间

%LC 历史最优适应值收敛曲线

%％第一步:参数初始化

［n,k］=size（Q)；%ｎ为工件总数,k为工序总数

ｍ＝ｍax(mａx(Q）);％m为机器总数

S_best＝ceｌl(m,1);

T_ｍin=ｉnf;

ＬＣ=zerｏｓ(1,M)；

％％第二步:产生初始种群

farｍ=IniｔPop(N,Ｑ,Ｗ，ｎ，k,m）;％调用产生初始种群的子函数

coｕntｅr=０;%设置迭代计数器

ｗｈiｌe counter＜M%停止条件为达到最大迭代次数

%％第三步:交叉

ＦARM＝Cross（fａｒm，Pc,m）；%调用交叉子函数

%% 第四步:变异

FARM=Mutａtｅ（FAＲM,Pm,m);％调用变异子函数

02流水线车间生产调度的遗传算法MATLAB源代码

流水线车间生产调度的遗传算法MATLAB源代码

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。

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——专业级算法设计&代写程序

% 欢迎访问GreenSim团队主页→/greensim

%--------------------------------------------------------------------------% 输入参数列表

% M 遗传进化迭代次数

% N 种群规模(取偶数)

% Pm 变异概率

% T m×n的矩阵，存储m个工件n个工序的加工时间

% P 1×n的向量，n个工序中，每一个工序所具有的机床数目

% 输出参数列表

% Zp 最优的Makespan值

% Y1p 最优方案中，各工件各工序的开始时刻，可根据它绘出甘特图

% Y2p 最优方案中，各工件各工序的结束时刻，可根据它绘出甘特图

matlab生产调度问题及其优化算法

生产调度问题及其优化算法（采用遗传算法与MATLAB编程）

信息014 孙卓明

二零零三年八月十四日

生产调度问题及其优化算法

背景及摘要

N)!

(种排列。由于问题的连环嵌套性，使得用图解方法也变得不切实际。传统的运筹学方法，即便在单目标优化的静态调度问题中也难以有效应用。

本文给出三个模型。首先通过贪婪法手工求得本问题最优解，既而通过编解码程序随机模拟优化方案得出最优解。最后采用现代进化算法中有代表性发展优势的遗传算法。文章有针对性地选取遗传算法关键环节的适宜方法，采用MATLAB软件实现算法模拟，得出优化方案，并与计算机随机模拟结果加以比较显示出遗传算法之优化效果。对车间调度系列问题的有效解决具有一定参考和借鉴价值。

一．问题重述

某重型机械厂产品都是单件性的，其中有一车间共有A，B，C，D四种不同设备，现接受6件产品的加工任务，每件产品接受的程序在指定的设备上加

工序产品

1 2 3 4 5 6 7 8

S T S T S T S T S T S T S T S T

1 C 8 A

2 B 4 C 24 D 6

2 A 4 D 5 B

3 C 4

3 C 3 D 7 A 15 B 20 A 8

求解置换流水车间调度问题的一种混合算法

0. 前言

置换流水车间调度问题（PFSP是对经典的流水车间调度问题进行简化后得到的一类子问题，最早在石化工业中得到应用，随后扩展到制造系统、生产线组装和信息设备服务上[1] 。该问题一般可以描述为，n个待加工工件需要在m台机器上进行加工。问题的目标是求出这n 个工件在每台机器上的加工顺序，从而使得某个调度指标达到最优，最常用的指标为工件的总完工时间

（makespar）最短。

PFSP最早由Johnson于1954年进行研究[2]，具有NP难性质[3] 。求解方法主要有数学规划，启发式方法和基于人工智能的元启发式算法[4] 。数学规划等适用于小规模问题，启发式方法计算便捷，却又无法保证解的质量。随着计算智能的发展，基于人工智能的元启发式优化算法成为研究的重点。

遗传算法（GA是研究与应用得最为广泛的智能优化算法，利用遗传算法求解PFSP问题的研究也有很多。遗传算法具有操作简单、容易实现的优点，且求解时不受约束条件限制。然而，遗传算法通常存在着过早收敛，容易陷入局部最优的现象。导致这一现象的原因在于遗传算法的交叉、变异操作具有一定的随机性，在求解PFSP问题的过程中往往会破坏构造块，产生所谓的连锁问题。为了克服遗传算法的缺陷，研究人员提出了一种不进行遗传操作的分布估计算法[5] (EDA。

EDA是一种运用统计学习的新型优化算法。相比GA EDA在全局搜索上有较大的优势，而局部搜索能力不足，同样会导致局部最优[6][7] 。以混合优化为思路，本文将设计一种EDA与GA吉合的混合算法来求解PFSP 问题，混合算法通过EDA的概率模型和GA的交叉变异操作两种方式来生成个体，并引入模糊控制理论[8] 来自适应调节两种算法生成个体的比例。

车间作业调度问题遗传算法Matlab源码

function [Zp,Y1p,Y2p,Y3p,Xp,LC1,LC2]=JSPGA(M,N,Pm,T,P)%--------------------------------------------------------------------------% JSPGA.m% 车间作业调度问题遗传算法%--------------------------------------------------------------------------% 输入参数列表% M 遗传进化迭代次数% N 种群规模(取偶数)% Pm 变异概率% T m×n的矩阵，存储m个款式n个工组的加工时间% P 1×n的向量，n个工组中，每一个工组所具有的机床数目% 输出参数列表% Zp 最优的Makespan值% Y1p 最优方案中，各款式各工组的开始时刻，可根据它绘出甘特图% Y2p 最优方案中，各款式各工组的结束时刻，可根据它绘出甘特图% Y3p 最优方案中，各款式各工组使用的机器编号% Xp 最优决策变量的值，决策变量是一个实数编码的m×n矩阵% LC1 收敛曲线1，各代最优个体适应值的记录% LC2 收敛曲线2，各代群体平均适应值的记录% 最后，程序还将绘出三副图片：两条收敛曲线图和甘特图（各款式的调度时序图）%第一步：变量初始化[m,n]=size(T);%m是总工件数，n是总工序数Xp=zeros(m,n);%最优决策变量LC1=zeros(1,M);%收敛曲线1LC2=zeros(1,N);%收敛曲线2%第二步：随机产生初始种群farm=cell(1,N);%采用细胞结构存储种群for k=1:NX=zeros(m,n);for j=1:nfor i=1:mX(i,j)=1+(P(j)-eps)*rand;endendfarm{k}=X;endcounter=0;%设置迭代计数器while counter%第三步：交叉newfarm=cell(1,N);%交叉产生的新种群存在其中Ser=randperm(N);for i=1:2:(N-1)A=farm{Ser(i)};%父代个体B=farm{Ser(i+1)};Manner=unidrnd(2);%随机选择交叉方式if Manner==1cp=unidrnd(m-1);%随机选择交叉点%双亲双子单点交叉a=[A(1:cp,:);B((cp+1):m,:)];%子代个体b=[B(1:cp,:);A((cp+1):m,:)];elsecp=unidrnd(n-1);%随机选择交叉点a=[A(:,1:cp),B(:,(cp+1):n)];%双亲双子单点交叉b=[B(:,1:cp),A(:,(cp+1):n)];endnewfarm{i}=a;%交叉后的子代存入newfarmnewfarm{i+1}=b;end%新旧种群合并FARM=[farm,newfarm];%第四步：选择复制FITNESS=zeros(1,2*N);fitness=zeros(1,N);plotif=0;for i=1:(2*N)X=FARM{i};Z=COST(X,T,P,plotif);%调用计算费用的子函数FITNESS(i)=Z;end%选择复制采取两两随机配对竞争的方式，具有保留最优个体的能力Ser=randperm(2*N);for i=1:Nf1=FITNESS(Ser(2*i-1));f2=FITNESS(Ser(2*i));if f1<=f2farm{i}=FARM{Ser(2*i-1)};fitness(i)=FITNESS(Ser(2*i-1));else

matlab模拟退火算法单约束车间流水线调度解决实现及示例

matlab模拟退⽕算法单约束车间流⽔线调度解决实现及⽰例

⽬录

⼀、车间调度简介

1 车间调度定义

2 传统作业车间调度

3 柔性作业车间调度

⼆、模拟退⽕算法简介

三、部分源代码

四、运⾏结果

五、matlab版本及参考⽂献

⼀、车间调度简介

1 车间调度定义

2 传统作业车间调度

传统作业车间带调度实例

约束是对于⼀个⼯件来说，⼯序的相对顺序不能变。O11->O12->O13。每时刻，每个⼯件只能在⼀台机器上加⼯；每个机器上只能有⼀个⼯件。

调度的任务则是安排出⼯序的加⼯顺序，加⼯顺序确定了，因为每道⼯序只有⼀台机器可⽤，加⼯的机器也就确定了。

M2加⼯O21消耗6⼩时，⼯件J2当前加⼯时间6⼩时。

M1加⼯O22消耗9⼩时，⼯件J2当前加⼯时间6+9=15⼩时。

Matlab优化算法在生产调度中的应用

在现代制造业中，生产调度是企业保证生产效率、提高产品质量的重要环节。

为了能够更好地进行生产调度，优化算法被广泛应用于解决各种工程问题。其中，Matlab优化算法以其强大的数学计算和优化能力深受生产调度领域的青睐。本文

将探讨Matlab优化算法在生产调度中的应用。

1. 生产调度的挑战

随着全球化经济的快速发展，企业面临着越来越复杂的生产调度问题。生产调

度需要在有限的资源下，有效地组织生产活动，最大化利用资源，同时满足客户需求和市场变化。然而，生产调度问题存在着很多挑战，比如任务分配、机器工序顺序、作业优化等。这些问题需要高效的算法来求解，并且要在短时间内给出最优解。

2. Matlab优化算法概述

Matlab是一种广泛应用于科学计算和工程领域的高级计算机语言和环境。Matlab提供了许多优化函数和工具箱，能够快速实现各种优化算法。其中，常见

的优化算法包括遗传算法、粒子群算法、模拟退火算法等。这些算法能够在多个目标函数和约束条件下找到最优解。

3. Matlab优化算法在生产调度中的应用案例

为了更好地理解Matlab优化算法在生产调度中的应用，下面将介绍两个实际

案例。

3.1. 任务分配问题

在一个工厂中，有多个任务需要被分配给多个机器进行加工。每个任务有不同

的工艺流程和时间要求，而每个机器也有不同的加工能力和可用时间。如何通过合理的任务分配，使得生产效率最大化成为了一道亟待解决的难题。

通过借助Matlab优化算法，可以建立一个数学模型来解决任务分配问题。首先，将任务和机器分别表示成变量，然后设置各种限制条件，如时间限制、机器容量等。接下来，通过设置目标函数，例如最小化加工时间或最大化机器利用率，利用Matlab优化算法求解该数学模型，找到最优的任务分配方案。这样，在有限的资源下，能够最大程度地提高生产效率。

matlab生产调度问题及其优化算法

生产调度问题与其优化算法〔采用遗传算法与MATLAB编程〕

信息014 孙卓明

二零零三年八月十四日

生产调度问题与其优化算法

背景与摘要

这是一个典型的Job-Shop动态排序问题。目前调度问题的理论研究成果主要集中在以Job-Shop问题为代表的基于最小化完工时间的调度问题上。一个复杂的制造系统不仅可能涉与到成千上万道车间调度工序，而且工序的变更又可能导致相当大的调度规模。解空间容量巨大，N个工件、M台机器的问题包含M

(

N)!

种排列。由于问题的连环嵌套性，使得用图解方法也变得不切实际。传统的运筹学方法，即便在单目标优化的静态调度问题中也难以有效应用。

本文给出三个模型。首先通过贪婪法手工求得本问题最优解，既而通过编解码程序随机模拟优化方案得出最优解。最后采用现代进化算法中有代表性开展优势的遗传算法。文章有针对性地选取遗传算法关键环节的适宜方法，采用MATLAB 软件实现算法模拟，得出优化方案，并与计算机随机模拟结果加以比拟显示出遗传算法之优化效果。对车间调度系列问题的有效解决具有一定参考和借鉴价值。

一．问题重述

某重型机械厂产品都是单件性的，其中有一车间共有A，B，C，D四种不同设备，现承受6件产品的加工任务，每件产品承受的程序在指定的设备上加工，

条件：1、每件产品必须按规定的工序加工，不得颠倒；

2、每台设备在同一时间只能担任一项任务。

〔每件产品的每个工序为一个任务〕

问题：做出生产安排，希望在尽可能短的时间里，完成所承受的全部任务。

要求：给出每台设备承当任务的时间表。

注：在上面，机器 A，B，C，D 即为机器 1，2，3，4，程序中以数字1，2，3，4表示，说明时如此用A，B，C，D

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

物流运筹实务课程设计

题目：置换流水车间调度问题的MATLAB求解置换流水车间调度问题的MATLAB求解

一、前言 (5)

二、问题描述 (6)

三、算法设计 (7)

四、实验结果 (15)

摘要

自从Johnson 1954年发表第一篇关于流水车间调度问题的文章以来．流水车间调度问题引起了许多学者的关注。安排合理有效的生产调度是生产活动能井然有序开展，生产资源得到最佳配置，运作过程简明流畅的有力保证。流水车间调度问题是许多实际流水线生产调度问题的简化模型。它无论是在离散制造工业还是在流程工业中都具有广泛的应用。因此，对进行研究具有重要的理论意义和工程价值。流水线调度问题中一个非常典型的问题，而置换流水线调度问题作为FSP 问题的子问题，是一个著名的组合优化问题。该问题是一个典型的NP难问题，也是生产管理的核心内容。随着生产规模的扩大，流水线调度问题的优化对提高资源利用率的作用越来越大，因此对其研究具有重要的理论和现实意义。

关键字：流水车间，单件小批量生产，jsp模型，Matlab

前言

企业资源的合理配置和优化利用很大程度上体现在车间一层的生产活动中,所以加强车间层的生产计划与控制一直在企业生产经营活动中占有十分重要的地位。车间生产计划与控制的核心理论是调度理论。车间调度问题是一类重要的组合优化问题。为适应订货式、多品种、小批量生产的需要,引进了置换流水车间调度概念。在置换流水车间调度优化后,可以避免或大大减少流程工作时间、提高生产效率。因此,研究成组技术下车间调度问题是很有必要的。生产调度，即对生产过程进行作业计划，是整个个先进生产制造系统实现管理技术、优化技术、白动化与计算机技术发展的核心。置换流水车间调度问题是许多实际生产调度问题的简化模型。生产计划与调度直接关系着企业的产出效率和生产成本，有效的计划与调度算法能最大限度地提高企业的效益。调度问题是组合优化问题，属于NP问题，难以用常规力一法求解。随着制造业的快速发展，大规模定制生产、全球化

制造等思想的提出，使车间调度问题呈现出以下的新特点:约束条件多，时间复杂度高，空问复杂度高。这将导致在许多情况下，求解所建立的数学模型的快速性无法满足，如果采用适度线形化处理之后求解，将会因简化太多而使结果严承失真。所以需选择功能强大的数值计算工具来实现这一问题的求解。MATLAB恰好提供了这样的平台。MATLAB是一个高度集成的系统，集科学计算、图像处理、声音处理于一体，具有极高的编程效率。典型JSP模型分析与Matlab的应用结合使流水车间调度问题迎刃而解。最大完工时间是生产调度中最常用的性能度量指标之一，最大完工时间越短，则说明产品总的生产周期越短，生产能力越大；此类调度问题的优化研究有助于提高企业的生产效率与资源利用率。

一、问题描述

流水车间调度问题通常可以描述为n个工件要在m台机器上加工，每个工件有m道工序，每道工序都要在不同的机器上加工，所有工件的加工顺序都相同，问题的目标是确定每台机器上工件的加工顺序及开工时间，使得特定的性能指标最优。置换流水车间调度问题PFSP是对流水车间调度问题的进一步约束，即约定每台机器上所有工件的加工顺序相同，其解空间的规模为!n，远远小于流水车间调n。

度问题的规模(!)m

本次课程实验主要研究PFSP中的最小化最大完工时间问题，利用三元组表示

F prmu C）求解Carlier (1978)提出的8个算例、以及Reeves (1995)提法（

max

出的21个算。由于三台机器以上的调度问题被证明是NP难问题，对于大规模的调度，至今仍未出现求解最优的方法，常常采用启发式算法来求解近优解。本案例主要采用instance car2进行求解。

案例：某产品，需要经过4道工序对13个工件进行加工，这13个工件的生产流程是一样的。加工时间表见下：

表4-3 某产品加工时间表

计算步骤如下：首先确定n/m/F/C max 的最大完工时间为： 1,11)1,(c j t j =

k j t k j c i j c 1)1,(),(11+-= k=2,...,m 111)1,(c )1,(c i j i t j j +=- i=2,...,n k j i i i i t k j c k j k j +-=-)}1,();,(c m ax {),(c 1

则 C max =),(c n m j

二、算法设计 (一)

假设工件在机器上的加工顺序是相同的，同时假定各工件准备就绪，机器一开动就投入生产，开工时间为0，则最大完工时间等于最大流程时间。同时3台机器以上的流水车间调度是NP 难问题，所以本文只考虑了2台、3台机器的情况，解决3台机器以上的问题方法也可运用人工智能算法，解的质量更高，但因该类算法需良好的软件编程能力，故本文不加探究。n 个工件在m 台机器上的加工顺序相同。工件在机器上的加工时间是给定的。问题的目标是求n 个工件在每合机器上的最大完工时间等于最大流程时间。这种流水线调度问题要在满足以下两个约束条件的前提下，使得加工完所有

的工件所花的时间尽可能地少： 1、工件约束

每个工件在每台机器上恰好加工一次，每个工件在各机器上加工顺序相同。不失一般性，假设各工件按机

器1至m 的顺序进行加工。各工件在各机器上的加工时间已知。 2、机器约束

每台机器在任何时刻至多加工一个工件，每台机器加工的各工件的顺序相同。置换流水线调度问题实质是如何调整加工工件的序列，提高机器的利用率的

问题，即在同一时刻正在加工的机攫数越多，机器利用率越大口根据该原则，我们根据下面规则安排

工件的加工顺序:

(l)在前面机器加工时间较短、后面机器加工时间较长的工件，安排在序列前。这样可以使得后面的机器尽快参加工作，并且后面的机器不需要作空等待，

(2)机器加工时间较为平均且加工时间较长的工件，安排在序列的中部。这样可以使得各个机器在中期的时候都能得到运作。

(3〕前面加工时间较长，后面加一〔时间较短的上件女排在序列尾部。这样使得前面的机器能“延迟”完工，后面的机器尽快完工。

（二）

利用Matlab软件对上面的案例进行求解，编程如下:

软件输出相应的结果，如下：