21装配生产线任务平衡问题的遗传算法MATLAB源代码.docx

。装配生产线任务平衡问题的遗传算法MATLAB源代码下面的源码实现了装配生产线任务平衡优化问题（ALB问题）的遗传算法，算法主要参考下面这篇文献，并对其进行了改进。陈永卿,潘刚,李平.基于混合遗传算法的装配线平衡J.机电工程,2008,25(4):60-62.。function BestX,BestY,BestZ,AllFarm,LC1,LC2,LC3,LC4,LC5=GSAALB(M,N,Pm,Pd,K,t0,alpha,TaskP,TaskT,TaskV,RT,RV)% GreenSim团队专业级算法设计&代写程序% 欢迎访问GreenSim团队主页/greensim% 装配生产线任务平衡问题的遗传算法% 输入参数列表% M-遗传算法进化代数% N-种群规模，取偶数% Pm-变异概率调节参数% Pd-变异程度调节参数，0Pd1，越大，变异的基因位越多% K-同一温度下状态跳转次数% T0-初始温度% Alpha-降温系数% Beta-浓度均衡系数% TaskP-任务优先矩阵，nn矩阵，Pij=1表示任务i需在j之前完成，Pij=0时任务i和j没有优先关系% TaskT-任务时间属性，n1向量% TaskV-任务体积属性，n1向量% RT-时间节拍约束% RV-工位体积约束% 输出参数列表% BestX-最好个体的编码% BestY-最好个体对应的装配方案% BestZ-最好个体的目标函数值% LC1-最优个体适应值的收敛曲线，M1% LC2-种群平均适应值的收敛曲线，M1% LC3-工位个数收敛曲线，M1% LC4-时间利用率及平衡度综合度量参数收敛曲线，M1% LC5-空间利用率及平衡度综合度量参数收敛曲线，M1% AllFarm-各代种群的集合，M1的细胞结构% -初始化-n=size(TaskP,1);AA,BB=QJHJ(TaskP);%调用子函数，建立每一个任务的前任务集和后任务集farm=Initialization(N,TaskP,AA,BB);%调用子函数，种群初始化%输出参数初始化BestX=zeros(1,n);BestY=zeros(1,n);BestZ=0;LC1=zeros(M,1);LC2=zeros(M,1);LC3=zeros(M,1);LC4=zeros(M,1);LC5=zeros(M,1);AllFarm=cell(M,1);%控制参数初始化m=1;%迭代计数器t=t0;%温度指示器BestPos=1;%初始时任意指定被保护个体% -迭代过程-while mPm&i=BestPos %如果随机数大于变异概率门限值，并且不属于保护个体，就对其实施变异 I=farm(i,:);%取出该个体 k=1; while kFI farm(i,:)=J; elseif rand=ff2 farm(i,:)=FARM(Ser(2*i-1),:); fit_Y(i,:)=FIT_Y(Ser(2*i-1),:); fit_Z(i)=FIT_Z(Ser(2*i-1); fit_F(i)=FIT_F(Ser(2*i-1); fit_f1(i)=FIT_f1(Ser(2*i-1); fit_f2(i)=FIT_f2(Ser(2*i-1); else farm(i,:)=FARM(Ser(2*i),:); fit_Y(i,:)=FIT_Y(Ser(2*i),:); fit_Z(i)=FIT_Z(Ser(2*i); fit_F(i)=FIT_F(Ser(2*i); fit_f1(i)=FIT_f1(Ser(2*i); fit_f2(i)=FIT_f2(Ser(2*i); end end % -记录与更新- maxF=max(fit_F); meanF=mean(fit_F); LC1(m)=maxF; LC2(m)=meanF; pos=find(fit_F=maxF); BestPos=pos(1); BestX=farm(BestPos,:); BestY=fit_Y(BestPos,:); BestZ=fit_Z(BestPos); LC3(m)=fit_Z(BestPos); LC4(m)=fit_f1(BestPos); LC5(m)=fit_f2(BestPos); AllFarmm=farm; d