【优化调度】基于matlab遗传算法求解码头泊位分配调度优化问题【含Matlab源码 247期】

一、遗传算法简介

1 引言

2 遗传算法理论
2.1 遗传算法的生物学基础

2.2 遗传算法的理论基础

2.3 遗传算法的基本概念

2.4 标准的遗传算法

2.5 遗传算法的特点

2.6 遗传算法的改进方向

3 遗传算法流程

4 关键参数说明

二、部分源代码

%Name:Berth Allocation.m
clear
clc
close all
%% 遗传参数
popsize=100;                                                                %群体大小
MAXGEN=50;                                                                %最大遗传代数
vesselNum=7;                                                               %船舶数量
berthNum=2;                                                                %泊位数量
chromlength=8;                                                             %染色体长度
Pc=0.6;                                                                    %交叉概率
Pm=0.001;                                                                  %变异概率
GGAP=0.9;                                                                  %选择概率
%% 初始化种群
pop=initGroup(popsize,chromlength,vesselNum,berthNum);                     %随机产生初始群体
%% 输出随机解的泊位调度方案和船舶在港总时间
disp('初始种群中的泊位调度方案:')
OutputPath(pop);                                         %画出路径函数
disp('初始随机解的船舶在港总时间:')
objvalue=calobjvalue(pop,popsize,vesselNum,berthNum);
disp(objvalue(1))
disp('-------------------------------------------------------------')
%% 优化
gen=0;
figure;
hold on;box on  %display the boundary of the current axes.
xlim([0,MAXGEN])                %x在坐标轴的范围
title('优化过程')
xlabel('迭代次数')
ylabel('船舶在港时间每次迭代的最优解')
objvalue=calobjvalue(pop,popsize,vesselNum,berthNum);     %计算目标函数值
preobjvalue=min(objvalue);
while gen<MAXGEN%% 计算适应度objvalue=calobjvalue(pop,popsize,vesselNum,berthNum);     %计算目标函数值line([gen-1,gen],[preobjvalue,min(objvalue)]);pause(0.0001) %line([X1 X2],[Y1 Y2],S); %点A(X1,Y1)和点B(X2 Y2)之间画一条直线，S为其它属性（颜色，线的粗细等）preobjvalue=min(objvalue);fitvalue=fitness(objvalue,popsize);                       %计算适应度函数%% 选择newpop=Selection(pop,fitvalue,GGAP);pop1=newpop;                                              %pop1为选择过后的种群%% 交叉[newpop]=Crossover(pop1,Pc);pop2=newpop;                                              %pop2为交叉后的种群%% 变异[newpop]=Mutate(pop2,Pm);%% 重插入子代pop=Reins(pop,newpop,objvalue);gen=gen+1;
end
[minobjvalue,minIndex]=min(objvalue);   %[Y,U]=min(A)：返回行向量Y和U，Y向量记录A的每列的最小值，U向量记录每列最小值的行号
minpop=pop(minIndex,:);
%% 输出最优解的泊位调度方案和船舶在港总时间
disp('最优解的泊位调度方案:')
OutputPath(minpop);
disp('最优解的船舶在港总时间:')
disp(min(objvalue));
disp('-------------------------------------------------------------')
%Name:calobjvalue.m
%% 计算目标函数值
%输入变量：
%pop:初始种群
%popsize：种群大小（规模）
%vesselNum：船舶数量
%berthNum：泊位数量
%输出变量：function objvalue=calobjvalue(pop,popsize,vesselNum,berthNum)
objvalue=zeros(popsize,1);
for k=1:popsize
chromsome=pop(k,:);      %染色体
shipInfo=zeros(vesselNum+berthNum-1,5);     %把染色体中各条船的编号存入shipInfo矩阵第一列中
i=1;
while i<=length (chromsome)shipInfo(i,1)=chromsome(i);i=i+1;
end
%% 读取船舶到港信息存入matrix矩阵-load ship
%第一列是船舶编号，第二列到港时间，第三列装卸箱时间
ship=[1 0 122 4 103 6 34 9 85 11 56 18 127 19 4];
matrix=ship(1:vesselNum,1:3);
%shipInfo矩阵第一列存放船舶编号(含分隔符0)，
%第二列存放该船等待时间，第三列存放该船作业前的泊位空闲时间，
%第四列存放该船离港时间，第五列存放该船在港时间，
i=1;
j=1;
berthNo=1;
while i<=length(chromsome)%按调度顺序计算泊位上第一条船的相关信息,先取船号，如果遇到分隔符0,则直接看下一个符号，同时前一条船的相关信息清零vesselNo=shipInfo(i,1);if vesselNo==0j=0;berthNo=berthNo+1;else%船舶号实际存在时才执行查找及后续操作，从matrix中查找vesselNo，以便提取出该船到港时间,装卸作业时间m=find(matrix(:,1)==vesselNo);arrivetime=matrix(m,2);                          %船舶到港时间loadtime=matrix(m,3);                            %船舶装卸箱作业时间%计算该船的等待时间，作业前泊位空闲时间，离港时间，在港时间if j==1shipInfo(i,2)=0;                             %等待时间（作业前等待的时间）shipInfo(i,3)=arrivetime-0;                  %作业前泊位空闲时间shipInfo(i,4)=arrivetime+loadtime;           %离港时刻shipInfo(i,5)=loadtime;                      %在港时间elseif arrivetime<shipInfo(i-1,4)%该船到港时刻>前一条船的离港时刻shipInfo(i,2)=0;shipInfo(i,3)=arrivetime-shipInfo(i-1,4);shipInfo(i,4)=arrivetime+loadtime;shipInfo(i,5) =loadtime;endendend      i=i+1;j=j+1;
endend
%Name:Crossover.m
%% 交叉操作（两点交叉）
% 输入
%pop1  被选择的个体
%Pc     交叉概率
%输出：
% newpop 交叉后的个体
function [newpop]=Crossover(pop1,Pc)
Npop1=size(pop1,1);
newpop=pop1;
for i=1:2:Npop1- mod(Npop1,2)if Pc>=rand %交叉概率Pc[newpop(i,:),newpop(i+1,:)]=intercross(pop1(i,:),pop1(i+1,:));end
end%% 交叉算法采用部分匹配交叉
%输入：
%a和b为两个待交叉的个体
%输出：
%a和b为交叉后得到的两个个体
function [a,b]=intercross(a,b)
L=length(a);
r1=randsrc(1,1,[1:L]); %Generate random matrix using prescribed alphabet.
r2=randsrc(1,1,[1:L]);%OUT = RANDSRC(M,N,ALPHABET) generates an M-by-N random matrix, using the alphabet specified in ALPHABET.
if r1~=r2a0=a;b0=b;s=min([r1,r2]);e=max([r1,r2]);for i=s:ea1=a;b1=b;a(i)=b0(i);b(i)=a0(i);x=find(a==a(i));y=find(b==b(i));i1=x(x~=i);i2=y(y~=i);if ~isempty(i1)a(i1)=a1(i);endif ~isempty(i2)b(i2)=b1(i);endend
end
%% sus(随机通用采样(Stochastic Universal Sampling))
% 输入:
%fitvalue  个体的适应度值
%NSel   被选择个体的数目
% 输出:
%NewChrIx  被选择个体的索引号
function NewChrIx = Sus(fitvalue,NSel) %NewChr 被选择的个体 Ix(Index)索引号
[Nind,ans] = size(fitvalue);
cumfit = cumsum(fitvalue); %cumsum函数：Cumulative sum of elements.cumsum(A,1)按列/cumsum(A,2)按行
trials = cumfit(Nind) / NSel * (rand + (0:NSel-1)'); %trials 试用
Mf = cumfit(:, ones(1, NSel));
Mt = trials(:, ones(1, Nind))';
[NewChrIx, ans] = find(Mt < Mf & [ zeros(1, NSel); Mf(1:Nind-1, :) ] <= Mt);
[ans, shuf] = sort(rand(NSel, 1));
NewChrIx = NewChrIx(shuf);%% RWS即轮盘赌（Roulette Wheel Selection）的选择方法，而SUS是随机通用采样.RWS的选择偏差往往比较大，而SUS可以在统计上避免选择偏差的存在。

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.

【优化调度】基于matlab遗传算法求解码头泊位分配调度优化问题【含Matlab源码 247期】相关推荐

【Matlab图像融合】小波变换遥感图像融合【含GUI源码 744期】
一.代码运行视频(哔哩哔哩) [Matlab图像融合]小波变换遥感图像融合[含GUI源码 744期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 包子阳,余 ...
【Matlab人脸识别】KL变换人脸识别【含GUI源码 859期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]KL变换人脸识别[含GUI源码 859期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MAT ...
【Matlab心音信号】EMD心音信号特征提取【含GUI源码 1735期】
一.代码运行视频(哔哩哔哩) [Matlab心音信号]EMD心音信号特征提取[含GUI源码 1735期] 二.matlab版本及参考文献 1 matlab版本 2014a *2 参考文献 [1] 沈再 ...
【Matlab语音隐写】DWT音频数字水印【含GUI源码 712期】
一.代码运行视频(哔哩哔哩) [Matlab语音隐写]DWT音频数字水印[含GUI源码 712期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]韩纪庆,张磊, ...
【Matlab通信】DTMF双音多频电话拨号仿真【含GUI源码 805期】
一.代码运行视频(哔哩哔哩) [Matlab通信]DTMF双音多频电话拨号仿真[含GUI源码 805期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅 ...
MATLAB遗传算法求解曲面拟合和多参数优化问题代码实例
MATLAB遗传算法求解曲面拟合和多参数优化问题代码实例 MATLAB遗传算法求解曲面拟合和多参数优化问题代码实例数据拟合和多参数优化问题实例: 已知一组观测数据(x, y, z)满足一定的函数关系 ...
MATLAB遗传算法求解物流配送中心选址问题优化代码实例
1.简介物流分配中心选址问题是指一定数量的客户,它们有不同数量的货物需求,有一定数量的备选中心作为配送中心.配送中心向客户提供货物的配送服务,现需要选择合适的配送中心位置(选址数量一定)或合适的配送 ...
【Matlab验证码识别】遗传算法和最大熵优化+大津法（OTSU）+自定义阈值数字验证码识别【含GUI源码 1694期】
一.代码运行视频(哔哩哔哩) [Matlab验证码识别]遗传算法和最大熵优化+大津法(OTSU)+自定义阈值数字验证码识别[含GUI源码 1694期] 二.matlab版本及参考文献 1 matlab ...
【Matlab路径规划】改进的遗传算法机器人避障路径规划【含GUI源码 703期】
一.代码运行视频(哔哩哔哩) [Matlab路径规划]改进的遗传算法机器人避障路径规划[含GUI源码 703期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] ...
【Matlab电力负荷预测】粒子群优化支持向量机短期电力负荷预测【含GUI源码 751期】
一.代码运行视频(哔哩哔哩) [Matlab电力负荷预测]粒子群优化支持向量机短期电力负荷预测[含GUI源码 751期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 ...