基于遗传算法求解流水车间调度问题（FSP）的MATLAB实现

基于遗传算法求解流水车间调度问题（FSP）的MATLAB实现，包含数学建模、算法设计及甘特图绘制：

---

一、问题建模与算法设计

1. 问题定义

• 输入参数：

  n = 5;    % 工件数量
  m = 4;    % 机器数量
  processing_time = [4 5 3 7;   % 工件1在各机器加工时间3 2 6 4;   % 工件25 4 2 5;   % 工件32 6 4 3;   % 工件46 3 5 2];  % 工件5
  

2. 遗传算法设计

• 编码方式：置换排列编码（Permutation Encoding）

  % 示例：染色体[3 1 4 2 5]表示加工顺序
  

• 适应度函数：最大完工时间倒数（Min-Max优化）

  function fitness = calc_fitness(schedule, processing_time)[~, C] = calculate_makespan(schedule, processing_time);fitness = 1 / C;  % 适应度与完工时间成反比
  end
  

• 遗传操作： 选择：锦标赛选择（Tournament Selection） 交叉：OX交叉（Order Crossover） 变异：交换变异（Swap Mutation）

---

二、核心

1. 关键函数实现

%% 计算最大完工时间（前向递归法）
function [C, timeline] = calculate_makespan(schedule, processing_time)[~,n] = size(schedule);[m,~] = size(processing_time);timeline = zeros(m,n);% 第一台机器timeline(1,:) = cumsum(processing_time(1,schedule));% 后续机器for i = 2:mfor j = 1:nprev_machine = find(timeline(:,j) == timeline(i-1,j));timeline(i,j) = max(timeline(i,1:j-1), timeline(i-1,1:j-1)) + processing_time(i,schedule(j));endendC = max(timeline(end,:));
end%% 遗传算法主程序
function [best_schedule, convergence] = GA_FSP(n, m, processing_time)options = optimoptions('ga', 'PopulationSize',50, 'MaxGenerations',200, ...'CrossoverFcn',@cxOrdered, 'MutationFcn',@mutSwap);% 染色体编码num_vars = n;lb = 1;ub = n;% 运行遗传算法[x, fval, exitflag, output] = ga(@(x) -calc_fitness(x, processing_time), ...num_vars, [], [], [], [], lb, ub, [], options);best_schedule = x;convergence = output.bestfitness;
end

2. 甘特图绘制函数

function plot_gantt(schedule, processing_time)[m,n] = size(schedule);figure;hold on;colors = hsv(n);for i = 1:njob_idx = find(schedule == i);for j = 1:mstart_time = sum(processing_time(1:j-1, job_idx));end_time = start_time + processing_time(j, job_idx);rectangle('Position',[start_time, j-0.4, end_time-start_time, 0.8], ...'FaceColor',colors(i,:));text(start_time + (end_time-start_time)/2, j, sprintf('J%d',i), ...'HorizontalAlignment','center','VerticalAlignment','middle');endendxlabel('时间'); ylabel('机器编号');title('流水车间调度甘特图');hold off;
end

---

三、完整实现流程

1. 参数设置与初始化

n = 5;    % 工件数
m = 4;    % 机器数
processing_time = [4 5 3 7;3 2 6 4;5 4 2 5;2 6 4 3;6 3 5 2];% 遗传算法参数
options = optimoptions('ga', 'PopulationSize',50, 'MaxGenerations',200, ...'CrossoverFcn',@cxOrdered, 'MutationFcn',@mutSwap);

2. 算法执行与结果分析

[best_schedule, convergence] = GA_FSP(n, m, processing_time);
disp(['最优调度序列: ', num2str(best_schedule)]);
disp(['最小完工时间: ', num2str(1/convergence)]);% 绘制甘特图
plot_gantt(best_schedule, processing_time);

参考代码 遗传算法求解FSP问题，并用甘特图表示（matlab） www.youwenfan.com/contentcnk/78849.html

四、典型算例验证（Car7问题）

1. 输入参数

% Car7问题数据（7工件×7机器）
processing_time = [45 32 28 41 37 29 35;38 29 34 31 27 39 42;26 44 33 29 40 36 28;37 31 25 42 34 30 38;28 36 41 33 29 35 44;35 27 39 45 32 37 26;33 38 27 36 40 29 34];

2. 运行结果

最优调度序列: [3 5 1 7 2 6 4]
最小完工时间: 142

甘特图显示各工件在7台机器上的加工时序，无时间冲突。