ga设置迭代次数 |
您所在的位置：网站首页 › 遗传算法调用错误调度异常 › ga设置迭代次数 |
ga设置迭代次数
|
问题描述：
FSP-n个工件依次流水加工，工位通过m个不同工艺设备，各个工位单设备串行连接，且各个工件在各个工位上的加工时间不同。 目标：找到一组工件加工顺序，实现最小化整体完工时间。 遗传算法基本步骤: 
遗传算法步骤
本文基本条件设置为： 种群的迭代次数，种群进化到一定代数，算法停止，观察收敛值即可。 选择算子采用轮盘赌算法，交叉算子采用单点交叉，变异算子采用随机两点基因互换。 种群染色体数量为10，迭代次数200，交叉率0.80，变异率0.07。下图是FSP问题优化最小化整体完工时间的数学模型： 
数学描述
java代码：
这里利用Java代码进行编写程序，当生产环境使用ERP/MES系统时，若采用java作为后端语言算法可直接内嵌。 如下表示：对每一个染色体进行整体完工时间计算，这里使用一个二维数组 int [] [] piece表示一个染色体，它表示一组加工顺序。 package GA; /** * @Author Wj * @Date 2020/2/6 12:15 * @Version 1.0 */ public class CalculateValue { //计算目标值，得到每个染色体的最终完工时间 public static int calculateTime(int[][] piece) { int x = piece.length; int y = piece[0].length; // int[][] Time = piece.clone(); int[][]Time = Utils.copy(piece); // Time[0][1] = Time[0][0] + piece[0][1]; // Time[0][2] = Time[0][1] + piece[0][2]; for (int k = 1; k < y; k++) { Time[0][k] = Time[0][k - 1] + piece[0][k]; } for (int m = 1; m < x; m++) { for (int n = 0; n < y; n++) { if (n == 0) { Time[m][n] = Time[m - 1][0] + piece[m][n]; } else { Time[m][n] = Math.max(Time[m - 1][n], Time[m][n - 1]) + piece[m][n]; } } } int MaxTime = Time[x-1][y-1]; return MaxTime; } }下边是对每一个染色体的Fitness适应度计算： public class Fitness { //适应度计算 CalculateValue calculateValue = new CalculateValue(); public double fitness(int[][]piece){ int temp = calculateValue.calculateTime(piece); // System.out.println("Fitness-calValue()->"+temp); |
【本文地址】
公司简介
联系我们
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |