裝配生產線任務平衡優化遺傳算法通用MATLAB源碼

下面的源碼實現了裝配生產線任務平衡優化問題（ALB問題）的遺傳算法
 
function [BestX,BestY,BestZ,AllFarm,LC1,LC2,LC3,LC4,LC5]=GSAALB(M,N,Pm,Pd,K,t0,alpha,TaskP,TaskT,TaskV,RT,RV)
%% 裝配生產線任務平衡優化的遺傳算法
%% 輸入參數列表
% M------------遺傳算法進化代數
% N------------種群規模，取偶數
% Pm-----------變異概率調節參數
% Pd-----------變異程度調節參數，0<Pd<1，越大，變異的基因位越多
% K------------同一溫度下狀態跳轉次數
% T0-----------初始溫度
% Alpha--------降溫系數
% Beta---------濃度均衡系數
% TaskP--------任務優先矩陣，n×n矩陣，Pij=1表示任務i需在j之前完成，Pij=0時任務i和j沒有優先關系
% TaskT--------任務時間屬性，n×1向量
% TaskV--------任務體積屬性，n×1向量
% RT-----------時間節拍約束
% RV-----------工位體積約束
%% 輸出參數列表
% BestX--------最好個體的編碼
% BestY--------最好個體對應的裝配方案
% BestZ--------最好個體的目標函數值
% LC1----------最優個體適應值的收斂曲線，M×1
% LC2----------種群平均適應值的收斂曲線，M×1
% LC3----------工位個數收斂曲線，M×1
% LC4----------時間利用率及平衡度綜合度量參數收斂曲線，M×1
% LC5----------空間利用率及平衡度綜合度量參數收斂曲線，M×1
% AllFarm------各代種群的集合，M×1的細胞結構
%% -----------------------初始化----------------------------------
n=size(TaskP,1);
[AA,BB]=QJHJ(TaskP);%調用子函數，建立每一個任務的前任務集和后任務集
farm=Initialization(N,TaskP,AA,BB);%調用子函數，種群初始化
%輸出參數初始化
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);
%控制參數初始化
m=1;%迭代計數器
t=t0;%溫度指示器
BestPos=1;%初始時任意指定被保護個體
%% -----------------------迭代過程---------------------------------
while m<=M%設置停止條件   
%% ----------------------變異退火算子------------------------------
    for i=1:N
        if rand>Pm&&i~=BestPos
            %如果隨機數大于變異概率門限值，并且不屬于保護個體，就對其實施變異
            I=farm(i,:);%取出該個體
            k=1;
            while k<=K%每一個溫度下的狀態轉移次數
                %調用變異子函數
                J=Mutation(I,Pd,AA,BB);
                %調用計算適應值子函數
                [YI,ZI,FI,TGWI,VGWI,f1I,f2I]=Fitness(I,TaskT,TaskV,RT,RV);
                [YJ,ZJ,FJ,TGWJ,VGWJ,f1J,f2J]=Fitness(J,TaskT,TaskV,RT,RV);
                if FJ>FI
                    farm(i,:)=J;
                elseif rand<exp((FJ-FI)/(FI*t))
                    farm(i,:)=J;
                else
                    farm(i,:)=I;
                end
                k=k+1;
            end
        end
    end   
%% -----------------------交叉算子---------------------------------
    newfarm=zeros(size(farm));
    Ser=randperm(N);%用這個函數保證隨機配對
    for i=1:2:(N-1)
        FA=farm(Ser(i),:);
        FB=farm(Ser(i+1),:);
        [SA,SB]=CrossOver(FA,FB);
        newfarm(i,:)=SA;
        newfarm(i+1,:)=SB;
    end
    %新舊種群合并
    FARM=[farm;newfarm];   
%% -----------------------選擇復制---------------------------------
   FIT_Y=zeros(2*N,n);
   FIT_Z=zeros(2*N,1);
   FIT_F=zeros(2*N,1);
   FIT_f1=zeros(2*N,1);
   FIT_f2=zeros(2*N,1);
   fit_Y=zeros(N,n);
   fit_Z=zeros(N,1);
   fit_F=zeros(N,1);
   fit_f1=zeros(N,1);
   fit_f2=zeros(N,1);
   for i=1:(2*N)
       XX=FARM(i,:);
       [Y,Z,F,TGW,VGW,f1,f2]=Fitness(XX,TaskT,TaskV,RT,RV);
       FIT_Y(i,:)=Y;
       FIT_Z(i)=Z;
       FIT_F(i)=F;
       FIT_f1(i)=f1;
       FIT_f2(i)=f2;
   end
   Ser=randperm(2*N);
   for i=1:N
       ff1=FIT_F(Ser(2*i-1));
       ff2=FIT_F(Ser(2*i));
       if ff1>=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
  
%% -----------------------記錄與更新-------------------------------
   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);
   AllFarm{m}=farm;
   disp(m);
   m=m+1;
   t=t*alpha;
end