​

clear all
close allpop = 50; %初始种群数量
length = 336; %种群基因编码长度,一周七天，每天16个排班人员，总共7种班型（用3位二进制编码表示）
gen = 1000; %迭代次数
crossover_probablity = 0.9; %交叉概率
variation_probablity = 0.8; %变异概率
initial_pop = round(rand(pop,length)); %生成初始种群%算法迭代m次
for m=1:gen%将每一代 染色体长度为336位的二进制种群 转化为16*7的矩阵（16个护理人员，一周7天）x = zeros(16,7,pop)for i = 1:size(initial_pop,1) %分别遍历50个排班表for j = 1:7  %遍历一周七天for k = 1:16 %遍历16个排班人员for l = 1:3 %二进制班型转换为十进制x(k,j,i) = initial_pop ( i,48*(j-1)+3*(k-1)+l ) * 2^(3-l) + x(k,j,i);endend      % 基因111与000的表现型均为0 （增加休息的概率）x(x==7) = 0;end%加入夜班后休息约束for j = 1:6  %遍历一周七天for k = 1:16 %遍历16个排班人员if x(k,j,i)==6x(k,j+1,i)=0;endendendend%每日排班需求，适应值y1_day计算：%硬约束y11：仅新人里面1个5、仅老人里面2个6%软约束y12：1、2、3、4均至少一个,2,4最佳情况为2个y1_day = zeros(pop,7);%每天的适应值y11_day = zeros(pop,7);y12_day = zeros(pop,7);for i=1:size(initial_pop,1)for j=1:7%硬约束y11，设置较高权重y11_day(i,j) = 1/( (sum(x(13:16,j,i)==5) - 1)^2 + ( sum(x(1:12,j,i)==6) - 2 )^2 + ( sum(x(13:16,j,i)==6) )^2 + ( sum(x(1:12,j,i)==5) )^2 + 1);  %软约束12，设置较低的权重y12_day(i,j) = 1/( ( sum(x(:,j,i)==1) - 1 )^2 + ( sum (x(:,j,i)==2) - 2 )^2 + ( sum (x(:,j,i)==3) -1 )^2 + ( sum (x(:,j,i)==4) - 2 )^2 + 1 );y1_day(i,j) = y11_day(i,j)*0.8 + y12_day(i,j)*0.2;endend%y1_day为每天的适应值（最大值为1），y1为每周的适应值（理论最大值为7）for i=1:size(initial_pop,1)y1(i,1) = sum(y1_day(i,:));end% 夜班后休息一天，适应值y2计算：% 软约束：夜班后至少休息一天，最佳休息两天y2_person = ones(pop,k);for i = 1:size(initial_pop,1) for k = 1:16for j = 1:5  %遍历周一至周五的夜班if x(k,j,i) == 6 % 若夜班为周一至周五后继续工作的惩罚函数y2_person(i,k) = y2_person(i,k) - 1/5 *( x(k,j+2,i)~=0 );endendendend%y2_person为每人的适应值（最大值为1），y2为整个排班表的适应值（理论最大值为16）for i=1:size(initial_pop,1)y2(i,1) = sum( y2_person(pop,:) );end% y1很容易达到最大值，y2比较难，故给予较大权重y = 0.1*y1 + 0.9*y2;%找到种群中的最优基因[a,b] = max(y);fit1=y/sum(y); %?计算每个种群的适应度在总适应度里所占的比例fit2=cumsum(fit1); %?每个位置都是都是之前所有位置占比的累加（可以理解为在总长度为1的线段里面每个种群都占据了一段位置，适应度大的种群占据的位置长）%基因选择choose=sort(rand(pop,1)); %有序随机数序列k=1;i=1;while k<=popif choose(k)<fit2(i) %随机数小于种群choosen_population(k,:)=initial_pop(i,:);k=k+1;elsei=i+1;endend%基因交叉for i=1:2:pop-1if rand<crossover_probablity% 选择基因交叉长度crossover_length=round(rand*(length-1))+1;% 例：随机生成length长度为19，即第一行前19个与第二行后一个交叉生成新的子代，结果放在第一行crossover_population(i,:)=[choosen_population(i,1:crossover_length),choosen_population(i+1,crossover_length+1:end)];% 第二行前19个与第一行后一个交叉生成新的子代，结果放在第二行crossover_population(i+1,:)=[choosen_population(i+1,1:crossover_length),choosen_population(i,crossover_length+1:end)];endend%基因变异variation_population=crossover_population; for i=1:popif rand<variation_probablityvariation_location=round(rand*(length-1))+1;variation_population(i,variation_location)=1-variation_population(i,variation_location);endendvariation_population(end,:)=initial_pop(b,:); %?保留该次迭代中的最优种群initial_pop=variation_population; %经选择、交叉、变异后的种群作为下一代的初始种群，从而完成迭代best(m,1)=y(b); % 记录下第m代的最优函数值best(m,2) = y1(b);best(m,3) = y2(b);endplot(1:size(best,1),best(:,1))