【车间调度】基于改进帝国企鹅算法求解车间调度问题附matlab代码

本文涉及的产品
应用型负载均衡 ALB,每月750个小时 15LCU
网络型负载均衡 NLB,每月750个小时 15LCU
传统型负载均衡 CLB,每月750个小时 15LCU
简介: 【车间调度】基于改进帝国企鹅算法求解车间调度问题附matlab代码

1 内容介绍

传统车间调度问题仅仅考虑工件的分配问题.而柔性车间调度问题在传统车间调度问题上做了一定的延伸,它更接近实际生产过程的原因是由于其在传统车间调度问题中加入了对加工机器的选择.因此对其的研究既具有理论意义,也有实际运用价值.本文对基于单目标的柔性车间调度问题进行研究,采用改进帝国企鹅算法作为求解问题的主要方法.


2 仿真代码

function y=aimFcn_Engineering(x,option,data)

x(x<=0)=0+eps;

x(x>1)=1;

if option.no==1


   %% Three bar truss design

   x_lb=0;

   x_ub=1;

   l=100;

   P=2;

   sigma=2;

   %

   x=(x_ub-x_lb).*x+x_lb;

   %

   g(1)=(sqrt(2)*x(1)+x(2))/(sqrt(2)*x(1)^2+2*x(1)*x(2))*P-sigma;

   g(2)=(x(2))/(sqrt(2)*x(1)^2+2*x(1)*x(2))*P-sigma;

   g(3)=(1/(sqrt(2)*x(2)+x(1)))*P-sigma;

   %

   punishiment=0;

   punishiment=punishiment+sum(g(g>0));

   y=(2*sqrt(2)*x(1)+x(2))*l+punishiment;

elseif option.no==2

   %% Welded beam structure problem

   x_lb=[0.1,0.1,0.1,0.1];

   x_ub=[2,10,10,2];

   tau_max=13600;

   sigma_max=30000;

   G=12e6;

   E=30e6;

   delta_max=0.25;

   L=14;

   P=6000;

   %

   x=(x_ub-x_lb).*x+x_lb;

   %

   Pc=4.013*E*sqrt(x(3)^2*x(4)^6/36)/L^2*(1-x(3)/2/L*sqrt(E/4/G));

   delta=4*P*L^3/E/x(3)^3/x(4);

   sigma=6*P*L/x(3)^2/x(4);

   J=2*(sqrt(2)*x(1)*x(2)*(x(2)^2/12+((x(1)+x(3))/2^2)));

   R=sqrt(x(2)^2/4+((x(1)+x(3))/2)^2);

   M=P*(L+x(2)/2);

   tau2=M*R/J;

   tau1=P/(sqrt(2)*x(1)*x(2));

   tau=sqrt(tau1^2+2*tau1*tau2*x(2)/2/R+tau2^2);

   %

   g(1)=tau-tau_max;

   g(2)=sigma-sigma_max;

   g(3)=delta-delta_max;

   g(4)=x(1)-x(4);

   g(5)=P-Pc;

   g(6)=0.125-x(1);

   g(7)=1.10471*x(1)*2+0.04811*x(4)*x(3)*(14+5);

   %

   punishiment=0;

   punishiment=punishiment+sum(g(g>0));

   %

   y=1.10471*x(1)*2+0.04811*x(4)*x(3)*(14+x(2))+punishiment;

elseif option.no==3

   %% tension/Compression spring design problem

   x_lb=0.01;

   x_ub=100;

   %

   g(1)=1-x(2)^3*x(3)/71785/x(1)^4;

   g(2)=(4*x(2)^2-x(1)*x(2))/12566*(x(2)*x(1)^3-x(1)^4)+1/5108/x(1)^2-1;

   g(3)=1-140.45*x(1)/x(2)^2/x(3);

   g(4)=(x(1)+x(2))/1.5-1;

   %

   punishiment=0;

   punishiment=punishiment+sum(g(g>0));

   %

   y=(x(3)+2)*x(2)*x(1)+punishiment;

elseif option.no==4

   %%

   g(1)=61/x(1)^3+61/x(1)^3+61/x(1)^3+61/x(1)^3+61/x(1)^3-1;

   %

   punishiment=0;

   punishiment=punishiment+sum(g(g>0));

   y=0.6224*sum(x)+punishiment;


end

end

3 运行结果

4 参考文献

[1]张丽娜. 帝国竞争算法的改进研究及其应用[D]. 河北地质大学.

[2]杨小东, 康雁, 柳青,等. 求解作业车间调度问题的混合帝国主义竞争算法[J]. 计算机应用, 2017(02):517-522.

博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。

部分理论引用网络文献,若有侵权联系博主删除。



相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
相关文章
|
2月前
|
算法 定位技术 计算机视觉
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
113 0
|
2月前
|
算法 机器人 计算机视觉
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
|
2月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
144 8
|
2月前
|
机器学习/深度学习 编解码 算法
基于OFDM技术的水下声学通信多径信道图像传输研究(Matlab代码实现)
基于OFDM技术的水下声学通信多径信道图像传输研究(Matlab代码实现)
142 8
|
2月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
212 0
|
2月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
163 2
|
3月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
206 3
|
3月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
140 6
|
2月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
158 8
|
2月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。

热门文章

最新文章