车间调度问题主程序,需要进行自主参数设计

				[Zp,Y1p,Y2p,Y3p,Xp,LC1,LC2]=JSPGA(M,N,Pm,T,P)
				%--------------------------------------------------------------------------
				%  JSPGA.m
				%  车间作业调度问题遗传算法
				%--------------------------------------------------------------------------
				%  输入参数列表
				%  M       遗传进化迭代次数
				%  N       种群规模(取偶数)
				%  Pm      变异概率
				%  T       m×n的矩阵，存储m个工件n个工序的加工时间
				%  P       1×n的向量，n个工序中，每一个工序所具有的机床数目
				%  输出参数列表
				%  Zp      最优的Makespan值
				%  Y1p     最优方案中，各工件各工序的开始时刻，可根据它绘出甘特图
				%  Y2p     最优方案中，各工件各工序的结束时刻，可根据它绘出甘特图
				%  Y3p     最优方案中，各工件各工序使用的机器编号
				%  Xp      最优决策变量的值，决策变量是一个实数编码的m×n矩阵
				%  LC1     收敛曲线1，各代最优个体适应值的记录
				%  LC2     收敛曲线2，各代群体平均适应值的记录
				%  最后，程序还将绘出三副图片：两条收敛曲线图和甘特图（各工件的调度时序图）
				
				%第一步：变量初始化
				[m,n]=size(T);%m是总工件数，n是总工序数
				Xp=zeros(m,n);%最优决策变量
				LC1=zeros(1,M);%收敛曲线1
				LC2=zeros(1,N);%收敛曲线2
				
				%第二步：随机产生初始种群
				farm=cell(1,N);%采用细胞结构存储种群
				for k=1:N
				    X=zeros(m,n);
				    for j=1:n
				        for i=1:m
				            X(i,j)=1+(P(j)-eps)*rand;
				        end
				    end
				    farm{k}=X;
				end
				
				counter=0;%设置迭代计数器
				while counter
				   
				    %第三步：交叉
				    newfarm=cell(1,N);%交叉产生的新种群存在其中
				    Ser=randperm(N);
				    for i=1:2:(N-1)
				        A=farm{Ser(i)};%父代个体
				        B=farm{Ser(i+1)};
				        Manner=unidrnd(2);%随机选择交叉方式
				        if Manner==1
				            cp=unidrnd(m-1);%随机选择交叉点
				            %双亲双子单点交叉
				            a=[A(1:cp,:);B((cp+1):m,:)];%子代个体
				            b=[B(1:cp,:);A((cp+1):m,:)];
				        else
				            cp=unidrnd(n-1);%随机选择交叉点
				            a=[A(:,1:cp),B(:,(cp+1):n)];%双亲双子单点交叉
				            b=[B(:,1:cp),A(:,(cp+1):n)];
				        end
				        newfarm{i}=a;%交叉后的子代存入newfarm
				        newfarm{i+1}=b;
				    end
				    %新旧种群合并
				    FARM=[farm,newfarm];
				   
				    %第四步：选择复制
				    FITNESS=zeros(1,2*N);
				    fitness=zeros(1,N);
				    plotif=0;
				    for i=1:(2*N)
				        X=FARM{i};
				        Z=COST(X,T,P,plotif);%调用计算费用的子函数
				        FITNESS(i)=Z;
				    end
				    %选择复制采取两两随机配对竞争的方式，具有保留最优个体的能力
				    Ser=randperm(2*N);
				    for i=1:N
				        f1=FITNESS(Ser(2*i-1));
				        f2=FITNESS(Ser(2*i));
				        if f1				            farm{i}=FARM{Ser(2*i-1)};
				            fitness(i)=FITNESS(Ser(2*i-1));
				        else
				            farm{i}=FARM{Ser(2*i)};
				            fitness(i)=FITNESS(Ser(2*i));
				        end
				    end
				    %记录最佳个体和收敛曲线
				    minfitness=min(fitness)
				    meanfitness=mean(fitness)
				    LC1(counter+1)=minfitness;%收敛曲线1，各代最优个体适应值的记录
				    LC2(counter+1)=meanfitness;%收敛曲线2，各代群体平均适应值的记录
				    pos=find(fitness==minfitness);
				    Xp=farm{pos(1)};
				   
				    %第五步：变异
				    for i=1:N
				        if Pm>rand;%变异概率为Pm
				            X=farm{i};
				            I=unidrnd(m);
				            J=unidrnd(n);
				            X(I,J)=1+(P(J)-eps)*rand;
				            farm{i}=X;
				        end
				    end
				    farm{pos(1)}=Xp;
				   
				    counter=counter+1
				end
				
				%输出结果并绘图
				figure(1);
				plotif=1;
				X=Xp;
				[Zp,Y1p,Y2p,Y3p]=COST(X,T,P,plotif);
				figure(2);
				plot(LC1);
				figure(3);
				plot(LC2);