研究生數(shù)學(xué)建模競賽選拔賽(編輯修改稿)
2025-07-07 01:36 本頁面
【文章內(nèi)容簡介】 本文通過建立三個(gè)模型對題設(shè)的問題進(jìn)行了全面的分析，且模型三較為全面的給出最優(yōu)調(diào)度，很好地解決了問題。對于車間調(diào)度問題，三個(gè)模型各有優(yōu)缺點(diǎn)。1. 遺傳算法模型是對車間調(diào)度問題普遍適用的，但對模型的理解存在難度，對小規(guī)模問題解決顯得太繁瑣，沒有另外兩個(gè)模型直觀。2. n/m/P/Fma模型的僅對流水車間排序問題適用，使用有較大限制，模型推廣性不強(qiáng)。但對該模型計(jì)算量小，簡單易做。但常常會(huì)遇到不同的工件的斜度指標(biāo)相等的情況，此時(shí)需要對斜度指標(biāo)相等的工件做全排列，分別計(jì)算Fmax。盡管如此，計(jì)算量比窮舉法仍小得多。3. 窮舉法解決小規(guī)模的問題時(shí)采用的方法，這里的小規(guī)模不僅指的是機(jī)器及工件的個(gè)數(shù)小，還包括是否需要考慮工件到來間隔時(shí)間、機(jī)器是否存在阻塞問題等。優(yōu)點(diǎn)在于可以找全每個(gè)最優(yōu)調(diào)度，保證了結(jié)論的完整性和準(zhǔn)確性。參考文獻(xiàn)[1] 梁秋榮，VB與Matlab集成求解車間調(diào)度優(yōu)化問題，裝備制造技術(shù)，（02）：6061, 2008。[2] 葉其孝，大學(xué)生數(shù)學(xué)建模競賽輔導(dǎo)教材，湖南?。汉辖逃霭嫔?，1993。[3] Palmer D S. Sequencing Jobs through a MultiStage Process in the Minimum Total TimeA Quick Method of Obtaining a Near Optimum. . Operat Res Q, (16):101107, 1965.[4] 梁迪，謝里陽，隋天中，陶澤，基于遺傳和禁忌搜索算法求解車間調(diào)度優(yōu)化問題，計(jì)算機(jī)應(yīng)用，26(4):857860,2006。[5] 李大衛(wèi)，n/m/P/Fmax調(diào)度問題的一種新解法，鞍山鋼鐵學(xué)院學(xué)報(bào)，19(6):47,1996。附件：1. 遺傳算法function [Zp,Y1p,Y2p,Y3p,Xp,LC1,LC2]=JSPGA(M,N,Pm,T,P)% 流水線型車間作業(yè)調(diào)度遺傳算法N=20。M=100。Pm=。T=[3,5,5。6,4,2。3,2,4。5,4,6。5,4,3。7,5,6]。P=[1,1,1]。% 輸入?yún)?shù)列表% M 遺傳進(jìn)化迭代次數(shù)% N 種群規(guī)模(取偶數(shù))% Pm 變異概率% T mn的矩陣，存儲(chǔ)m個(gè)工件n個(gè)工序的加工時(shí)間% P 1n的向量，n個(gè)工序中，每一個(gè)工序所具有的機(jī)床數(shù)目% 輸出參數(shù)列表% Zp 最優(yōu)的Makespan值% Y1p 最優(yōu)方案中，各工件各工序的開始時(shí)刻，可根據(jù)它繪出甘特圖% Y2p 最優(yōu)方案中，各工件各工序的結(jié)束時(shí)刻，可根據(jù)它繪出甘特圖% Y3p 最優(yōu)方案中，各工件各工序使用的機(jī)器編號(hào)% Xp 最優(yōu)決策變量的值，決策變量是一個(gè)實(shí)數(shù)編碼的mn矩陣% LC1 收斂曲線1，各代最優(yōu)個(gè)體適應(yīng)值的記錄% LC2 收斂曲線2，各代群體平均適應(yīng)值的記錄% 最后，程序還將繪出三副圖片：兩條收斂曲線圖和甘特圖（各工件的調(diào)度時(shí)序圖）%第一步：變量初始化[m,n]=size(T)。%m是總工件數(shù)，n是總工序數(shù)Xp=zeros(m,n)。%最優(yōu)決策變量LC1=zeros(1,M)。%收斂曲線1LC2=zeros(1,N)。%收斂曲線2%第二步：隨機(jī)產(chǎn)生初始種群farm=cell(1,N)。%采用細(xì)胞結(jié)構(gòu)存儲(chǔ)種群for k=1:N X=zeros(m,n)。 for j=1:n for i=1:m X(i,j)=1+(P(j)eps)*rand。 end end farm{k}=X。endcounter=0。%設(shè)置迭代計(jì)數(shù)器while counterM%停止條件為達(dá)到最大迭代次數(shù) %第三步：交叉 newfarm=cell(1,N)。%交叉產(chǎn)生的新種群存在其中 Ser=randperm(N)。 for i=1:2:(N1) A=farm{Ser(i)}。%父代個(gè)體 B=farm{Ser(i+1)}。%父代個(gè)體 Manner=unidrnd(2)。%隨機(jī)選擇交叉方式 if Manner==1 cp=unidrnd(m1)。%隨機(jī)選擇交叉點(diǎn) %雙親雙子單點(diǎn)交叉 a=[A(1:cp,:)。B((cp+1):m,:)]。%子代個(gè)體 b=[B(1:cp,:)。A((cp+1):m,:)]。 else cp=unidrnd(n1)。%隨機(jī)選擇交叉點(diǎn) a=[A(:,1:cp),B(:,(cp+1):n)]。 b=[B(:,1:cp),A(:,(cp+1):n)]。 end newfarm{i}=a。%交叉后的子代存入newfarm newfarm{i+1}=b。 end %新舊種群合并 FARM=[farm,newfarm]。 %第四步：選擇復(fù)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)。%調(diào)用計(jì)算費(fèi)用的子函數(shù) FITNESS(i)=Z。 end %選擇復(fù)制采取兩兩隨機(jī)配對競爭的方式，具有保留最優(yōu)個(gè)體的能力 Ser=randperm(2*N)。 for i
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1