【车间调度】基于matlab模拟退火算法求解车间调度问题【含Matlab源码 894期】

原创

佛怒火莲 2022-04-07 17:03:35 博主文章分类：matlab完整代码 ©著作权

文章标签 模拟退火算法优化算法优化问题 文章分类 数据结构与算法人工智能

©著作权归作者所有：来自51CTO博客作者佛怒火莲的原创作品，请联系作者获取转载授权，否则将追究法律责任

一、车间调度简介

1 车间调度定义

车间调度是指根据产品制造的合理需求分配加工车间顺序，从而达到合理利用产品制造资源、提高企业经济效益的目的。车间调度问题从数学上可以描述为有n个待加工的零件要在m台机器上加工。问题需要满足的条件包括每个零件的各道工序使用每台机器不多于1次，每个零件都按照一定的顺序进行加工。

2 传统作业车间调度

传统作业车间带调度实例

【车间调度】基于matlab模拟退火算法求解车间调度问题【含Matlab源码 894期】_模拟退火算法

有若干工件，每个工件有若干工序，有多个加工机器，但是每道工序只能在一台机器上加工。对应到上面表格中的实例就是，两个工件，工件J1有三道工序，工序Q11只能在M3上加工，加工时间是5小时。

约束是对于一个工件来说，工序的相对顺序不能变。O11->O12->O13。每时刻，每个工件只能在一台机器上加工；每个机器上只能有一个工件。

调度的任务则是安排出工序的加工顺序，加工顺序确定了，因为每道工序只有一台机器可用，加工的机器也就确定了。

调度的目的是总的完工时间最短（也可以是其他目标）。举个例子，比如确定了O21->O22->O11->O23->O12->O13的加工顺序之后，我们就可以根据加工机器的约束，计算出总的加工时间。

M2加工O21消耗6小时，工件J2当前加工时间6小时。

M1加工O22消耗9小时，工件J2当前加工时间6+9=15小时。

M3加工O11消耗5小时，工件J1当前加工时间5小时。

M4加工O23消耗7小时，工件J2加工时间15+7=22小时。

M1加工O12消耗11小时，但是要等M1加工完O22之后才开始加工O12，所以工件J1的当前加工时间为max(5,9)+11=20小时。

M5加工O13消耗8小时，工件J2加工时间20+8=28小时。

总的完工时间就是max(22,28)=28小时。

2 柔性作业车间调度

柔性作业车间带调度实例（参考自高亮老师论文

《改进遗传算法求解柔性作业车间调度问题》——机械工程学报）

【车间调度】基于matlab模拟退火算法求解车间调度问题【含Matlab源码 894期】_优化问题_02

相比于传统作业车间调度，柔性作业车间调度放宽了对加工机器的约束，更符合现实生产情况，每个工序可选加工机器变成了多个，可以由多个加工机器中的一个加工。比如上表中的实例，J1的O12工序可以选择M2和M4加工，加工时间分别是8小时和4小时，但是并不一定选择M4加工，最后得出来的总的完工时间就更短，所以，需要调度算法求解优化。

相比于传统作业车间，柔性车间作业调度的调度任务不仅要确定工序的加工顺序，而且需要确定每道工序的机器分配。比如，确定了O21->O22->O11->O23->O12->O13的加工顺序，我们并不能相应工序的加工机器，所以还应该确定对应的[M1、M3、M5]->[M1、M2、M3]->[M1、M2、M3、M4、M5]->[M2、M3、M4、M5]->[M2、M4]->[M1、M3、M4、M5]的机器组合。调度的目的还是总的完工时间最短（也可以是其他目标，比如机器最大负荷最短、总的机器负荷最短）

二、模拟退火算法简介

1 模拟退火算法的应用背景

模拟退火算法提出于1982年。Kirkpatrick等人首先意识到固体退火过程与优化问题之间存在着类似性；Metropolis等人对固体在恒定温度下达到热平衡过程的模拟也给他们以启迪。通过把Metropolis 算法引入到优化过程中，最终得到一种对 Metropolis 算法进行迭代的优化算法，这种算法类似固体退火过程，称之为“模拟退火算法”。

模拟退火算法是一种适合求解大规模组合优化问题的随机搜索算法。目前，模拟退火算法在求解 TSP，VLSI 电路设计等组合优化问题上取得了令人满意的结果。将模拟退火算法同其它的计算智能方法相结合，应用到各类复杂系统的建模和优化问题中也得到了越来越多的重视，已经逐渐成为一种重要的发展方向。

2 模拟退火算法介绍

【车间调度】基于matlab模拟退火算法求解车间调度问题【含Matlab源码 894期】_优化问题_03

【车间调度】基于matlab模拟退火算法求解车间调度问题【含Matlab源码 894期】_模拟退火算法_04

【车间调度】基于matlab模拟退火算法求解车间调度问题【含Matlab源码 894期】_优化问题_05

【车间调度】基于matlab模拟退火算法求解车间调度问题【含Matlab源码 894期】_优化问题_06

3 模拟退火算法的参数

模拟退火是一种优化算法，它本身是不能独立存在的，需要有一个应用场合，其中温度就是模拟退火需要优化的参数，如果它应用到了聚类分析中，那么就是说聚类分析中有某个或者某几个参数需要优化，而这个参数，或者参数集就是温度所代表的。它可以是某项指标，某项关联度，某个距离等等。

二、部分源代码

clc;
clear;
close all;

%% Problem Definition

model=CreateModel();        % Create Model of the Problem

CostFunction=@(q) MyCost(q,model);       % Cost Function

nVar=model.nVar;        % Number of Decision Variables

VarSize=[1 nVar];       % Size of Decision Variables Matrix


%% SA Parameters

MaxIt=500;      % Maximum Number of Iterations

MaxIt2=25;      % Maximum Number of Inner Iterations

T0=10;          % Initial Temperature

alpha=0.97;     % Temperature Damping Rate


%% Initialization

% Create Initial Solution
x.Position=CreateRandomSolution(model);
[x.Cost, x.Sol]=CostFunction(x.Position);

% Update Best Solution Ever Found
BestSol=x;

% Array to Hold Best Cost Values
BestCost=zeros(MaxIt,1);

% Set Initial Temperature
T=T0;


%% SA Main Loop

for it=1:MaxIt
    for it2=1:MaxIt2
        
        % Create Neighbor
        xnew.Position=CreateNeighbor(x.Position);
        [xnew.Cost, xnew.Sol]=CostFunction(xnew.Position);
        
        if xnew.Cost<=x.Cost
            % xnew is better, so it is accepted
            x=xnew;
            
        else
            % xnew is not better, so it is accepted conditionally
            delta=xnew.Cost-x.Cost;
            p=exp(-delta/T);
            
            if rand<=p
                x=xnew;
            end
            
        end
         

function model=CreateModel()

    p=[ 48    27    18    15
        23    52    50    59
        35    39    25    10
        45    38    36    49
        55    56    18    51
        58    24    40    54
        37    48    23    14
        17    48    43    30
        17    29    45    23
        23    38    48    50
        52    13    32    32
        22    12    14    56
        51    37    21    19
        22    49    56    23
        57    57    17    17
        27    16    52    16
        20    39    37    54
        22    33    60    39
        41    10    13    38
        34    27    32    17];

    I=size(p,1);
    
    J=size(p,2);
    
    s(:,:,1)=[4 7 5 7 7 5 2 7 5 3 8 6 6 6 7 2 6 2 8 6
              3 5 8 5 6 6 5 2 7 4 2 2 5 2 4 7 5 2 3 4
              6 8 6 8 3 2 7 8 4 2 3 2 4 7 3 4 5 3 3 4
              3 4 3 6 6 6 8 8 5 5 2 7 2 2 2 6 6 3 4 5
              2 7 3 6 2 4 3 8 2 4 5 8 7 2 7 8 2 4 2 4
              7 4 4 7 6 2 3 8 3 3 2 5 4 6 3 5 4 4 6 4
              3 7 7 8 6 5 5 7 6 3 8 2 6 4 4 6 7 3 4 5
              5 7 7 8 7 3 6 5 4 8 3 7 7 6 5 7 6 3 8 7
              6 4 7 2 8 2 4 3 8 6 2 4 2 7 3 5 2 8 4 4
              4 3 4 8 8 3 3 4 2 5 4 4 2 6 6 6 2 6 6 5
              7 7 5 6 7 3 8 2 8 8 5 7 5 7 5 2 2 5 3 2
              4 8 2 8 6 3 2 2 5 2 2 2 5 3 3 8 2 3 4 2
              6 4 2 5 8 2 2 8 6 7 8 2 8 7 7 3 4 3 3 4
              6 6 2 5 6 6 2 4 8 7 4 6 7 8 2 3 6 2 7 4
              5 5 6 7 2 3 3 4 4 5 4 6 7 8 4 7 7 8 8 6
              2 7 5 3 2 5 6 4 4 3 2 5 2 2 3 5 5 6 4 8
              4 7 3 5 8 6 6 5 5 6 4 7 2 4 5 7 2 5 6 8
              4 3 5 8 5 5 2 6 7 4 2 6 2 4 2 4 6 4 4 5
              3 8 3 6 7 5 8 2 7 2 5 7 7 6 4 3 2 3 5 3
              3 8 2 7 3 5 7 7 2 3 7 4 8 6 2 2 2 6 7 7];
          
    s(:,:,2)=[7 7 7 6 3 3 2 4 7 2 5 7 3 5 4 4 5 8 4 5
              7 7 3 4 4 3 3 6 6 3 5 4 3 5 2 2 6 5 6 3
              7 2 2 8 2 5 3 7 2 2 8 5 6 8 3 3 4 7 8 8
              2 5 7 3 6 3 2 6 7 5 7 8 6 4 3 7 2 6 7 7
              6 4 6 6 3 7 2 5 8 3 5 5 6 5 4 7 5 2 5 8
              5 5 7 6 2 8 6 6 7 8 8 4 6 8 3 8 4 5 7 3
              3 4 6 4 7 2 8 5 2 2 2 6 2 2 4 6 7 6 4 6
              2 4 4 2 4 5 4 2 4 2 4 4 4 8 2 2 7 5 8 6
              7 3 4 2 6 2 4 7 6 5 8 7 5 3 8 8 6 4 8 2
              3 3 7 4 4 7 8 8 7 7 8 4 3 6 2 7 2 8 8 4
              3 2 4 3 6 8 8 4 3 4 6 5 7 6 8 4 2 7 4 3
              6 8 7 7 2 2 6 8 3 3 6 6 7 6 4 5 5 7 5 7
              8 6 7 4 8 8 8 4 6 4 4 8 3 4 2 8 4 4 3 3
              5 8 7 7 7 2 7 8 5 3 8 4 7 6 4 7 8 6 7 8
              6 3 5 7 7 6 4 5 6 5 2 7 2 7 7 7 8 8 8 7
              3 8 6 5 7 7 6 4 3 8 7 7 7 2 7 5 4 8 8 4
              8 7 8 3 4 5 3 3 3 6 6 8 2 2 5 5 7 6 5 5
              5 6 5 8 6 8 4 2 7 2 7 2 6 8 6 5 8 3 6 6
              6 5 2 3 6 8 6 4 7 4 4 4 4 6 8 3 6 6 3 7
              2 3 8 8 5 6 5 7 8 2 7 6 7 3 2 7 8 2 8 6];
    
    s(:,:,3)=[6 5 8 5 4 6 3 8 2 3 6 5 3 6 7 2 6 5 7 8
              4 6 5 6 5 5 5 6 3 2 6 7 2 5 4 6 6 7 6 5
              5 8 5 7 4 3 2 5 2 6 5 3 4 6 6 2 3 8 8 2
              6 7 4 5 7 6 7 7 5 8 3 4 6 3 2 6 2 7 2 2
              8 4 5 3 7 2 7 5 3 8 7 3 6 2 2 7 3 4 6 7
              7 7 5 5 5 6 8 5 4 3 3 4 5 5 8 3 8 5 3 5
              2 2 2 4 6 6 8 6 4 5 4 4 5 3 3 5 8 7 7 4
              6 2 8 8 8 2 5 4 2 4 8 5 4 8 6 5 6 2 3 7
              5 2 2 6 7 2 3 3 5 5 7 2 5 8 8 2 7 2 5 4
              5 3 5 6 6 3 2 6 6 3 4 5 7 4 3 5 3 3 4 5
              2 4 7 7 2 2 5 8 3 2 4 3 7 2 3 6 6 5 7 6
              7 4 4 4 4 5 6 4 7 5 6 3 6 6 4 3 7 8 6 8
              4 2 6 5 6 7 7 2 2 3 8 3 7 7 8 7 4 6 3 4
              3 5 7 5 5 6 2 5 4 2 8 3 6 8 4 8 8 4 4 6
              4 2 8 3 2 5 6 4 2 8 6 8 2 2 3 7 2 4 2 8
              4 3 8 5 3 8 5 4 3 5 4 8 5 5 3 5 4 7 6 2
              5 6 3 6 7 2 3 7 2 8 7 7 4 6 4 3 5 8 5 6
              5 8 3 4 2 8 8 4 3 7 5 7 2 6 4 7 2 6 3 4
              4 8 8 7 8 2 6 4 2 2 8 3 3 7 2 3 7 3 3 4
              4 5 6 7 2 5 5 4 3 6 2 4 3 6 5 8 5 2 5 3];
    
    s(:,:,4)=[7 7 8 3 8 2 5 2 3 8 2 5 7 7 3 4 7 6 8 7
              8 5 2 3 6 7 6 4 7 6 4 8 5 8 8 4 7 3 5 6
              3 3 2 4 4 4 8 8 4 6 7 7 4 3 6 8 4 5 8 5
              7 5 4 8 7 7 3 5 4 7 3 8 7 2 8 6 5 7 7 3
              3 5 6 5 8 5 7 4 3 2 7 3 5 3 5 8 8 3 5 8
              8 8 5 4 5 5 6 3 7 8 6 5 8 4 8 3 6 4 6 5
              7 7 8 3 5 2 5 5 6 4 7 2 8 4 2 7 7 5 8 2
              4 8 5 8 4 2 8 8 7 2 7 7 4 8 6 6 3 4 3 6
              7 6 5 4 2 2 4 2 7 7 4 6 5 2 7 3 6 7 4 5
              5 4 5 7 3 6 3 5 2 3 4 8 4 6 3 5 6 8 8 2
              7 8 6 6 2 3 6 7 8 3 5 8 6 3 8 4 8 3 4 8
              4 5 2 4 5 7 6 2 5 6 4 8 7 7 7 6 2 3 6 4
              2 3 7 8 2 8 4 6 7 3 7 4 7 3 7 7 5 6 8 3
              6 4 2 7 8 8 7 8 7 4 7 2 2 5 6 2 5 4 8 2
              8 6 5 5 6 5 8 3 7 4 5 5 7 8 7 7 2 8 6 4
              3 5 3 7 2 3 8 2 3 4 3 3 2 4 4 7 8 8 2 3
              5 7 4 8 2 3 2 6 5 4 6 3 4 2 3 4 8 6 2 6
              7 8 6 5 3 5 3 8 6 6 3 4 7 3 4 5 5 8 6 2
              2 8 3 4 5 7 2 6 8 3 5 2 7 4 6 6 7 4 5 3
              8 5 3 6 2 4 6 8 7 3 4 7 4 4 7 6 3 6 8 3];

    model.I=I;
    model.J=J;
    model.p=p;
    model.s=s;
    model.nVar=I+J-1;
    
end