✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信
🔥 内容介绍
针对零等待流水车间调度问题（NWFSP）中最小化最大完工时间（Makespan）的核心目标，提出一种基于鳄鱼伏击算法（Crocodile Attack Optimization Algorithm, CAOA）的智能调度方案。通过模拟鳄鱼潜伏、突袭、围猎的自然行为，结合 NWFSP 的零等待约束（工件在工序间无停滞），设计工序编码策略与适应度函数，解决传统启发式算法易陷入局部最优、调度精度不足的问题。仿真实验以标准 FT 数据集为测试对象，对比遗传算法（GA）、粒子群优化（PSO）与 CAOA 的调度性能，结果表明：CAOA 在中小规模（n≤20）与大规模（n≥50）问题中均能获得更优的 Makespan 值，收敛速度提升 30% 以上，为复杂 NWFSP 的高效求解提供了新路径。
1 引言
1.1 研究背景与问题定义
零等待流水车间调度问题（NWFSP）是制造业生产调度中的经典 NP 难问题，广泛应用于汽车装配、电子制造、化工生产等连续流程场景 [1]。其核心约束为：工件在相邻工序间无等待时间，即工件完成前一道工序后需立即进入下一道工序加工，避免因停滞导致的生产效率下降或物料损耗 [2]。NWFSP 的数学描述如下：
Image
1.2 研究现状
现有 NWFSP 智能优化算法主要包括遗传算法（GA）、粒子群优化（PSO）、模拟退火（SA）等，但存在明显不足：① GA 的交叉变异操作易破坏优质调度序列，导致收敛精度下降；② PSO 的粒子更新机制难以适配离散调度问题，需复杂的编码转换；③ SA 的冷却进度控制不当易陷入局部最优 [4]。
鳄鱼伏击算法（CAOA）是 2022 年提出的新型元启发式算法，通过模拟鳄鱼的潜伏（全局探索）、突袭（局部开发）、围猎（种群协作）行为，具有寻优能力强、收敛速度快的特点 [5]。目前 CAOA 已应用于函数优化、神经网络训练等领域，但尚未用于 NWFSP 求解，其离散化适配与约束处理成为研究关键。
1.3 本文创新点
提出 CAOA 的离散化改进策略，设计适配 NWFSP 的工序编码与解码规则，解决连续算法与离散调度问题的适配性；
结合 NWFSP 零等待约束，构建基于 Makespan 的适应度函数，优化鳄鱼伏击行为的搜索方向；
引入自适应步长调整机制，平衡 CAOA 的全局探索与局部开发能力，提升调度优化精度。
Image
Image
⛳️ 运行结果
Image
Image
📣 部分代码
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
