✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
为实现某企业流水车间调度的优化,使机器利用率最高,资源平稳消耗,快速调头作业,库存最小和满足客户 对产品的时间需求,构建了以最小化工件的最大完成时间,总流程时间和最大延迟时间为优化目标的流水车间调度优化 模型,通过带精英策略的快速非支配排序遗传算法(NSGA- II)来 求 解 .结 果 表 明 ,基于 NSGA-II的多目标流水车间调度 优化方法提供了-系列可行解供决策者根据偏好进行挑选,提高了选择的合理性,科学性,给企业带来更大的竞争力.
为了求解多目标优化问题，一些多目标优化算法被提出，常见的有粒子群优化算法、模拟退火算法、遗传算法等。粒子群优化算法由于其需要 调整的参数不多，导致出现种群失去多样性和算 法不能收敛等问题。模拟退火算法一般采用变权 重方法进行目标函数加权组合，运行效率低且收 敛能力有待提高。向量评估遗传算法无法按照各 个子目标的特质实施衡量和折衷，似乎只能在最 优边界上察觉极端点。Pareto小生境遗传算法能 获得较好的 Pareto前沿，但是小生境半径的选择和比较集大小的选择没有一个统一标准。而带精英策略的快速非支配排序遗传算法（NSGA-II）[10]采用Pareto前沿分级策略，降低了时间复杂度；提出拥挤技巧取代小生境技术用于保持种群多样性；运用突出解存取谋略，存取父代中的突出解， 使优化更加合理。本文利用NSGA-II算法求解第1部分提出的多目标流水车间调度模型，设计独立 外部种群存放历代种群中的非劣个体，同时改进初始种群生成的方法使种群中的所有个体不重复，以保证最优解不丢失。
⛄ 部分代码
%基于P,M,生成N
function N = machine_index(J,P,M)
N=zeros(1,size(P,2));
for i=1:size(J,2)
pi_index=find(P==i);
for j=1:size(pi_index,2)
var=find(J(i).m{j}==M(pi_index(j)));
N(pi_index(j))=var;
end
end
end
⛄ 运行结果
⛄ 参考文献
[1]刘烽, 游海, 丁一钧,等. 基于NSGA2算法的混合流水车间多目标调度问题研究[J]. 电脑编程技巧与维护, 2012(24):2.
[2]张伟, and 曾思通. "基于NSGA-II的多目标流水车间调度问题研究." 机电技术 6(2017):5.
