MATLAB多目标鲸鱼算法求解生产调度排程/流水车间调度
最近在车间溜达的时候，几个老师傅拉着我吐槽产线排程的难题——订单天天变，机器总有故障，交货期还卡得死紧。这不典型的流水车间调度问题么？咱们今天换个野路子试试看，把鲸鱼捕食的智慧直接怼进MATLAB里搞生产调度。
MATLAB多目标鲸鱼算法求解生产调度排程/流水车间调度
先瞅瞅鲸鱼算法的核心操作：螺旋捕食、包围猎物、随机搜索。对应到调度问题里，每个鲸鱼（解）的位置其实就是一组工序排列。比如现在有三台机床要加工五个零件，初始化种群时可以这么搞：
num_jobs = 5; % 工件数 num_whales = 20; % 种群规模 population = zeros(num_whales, num_jobs); for i = 1:num_whales population(i,:) = randperm(num_jobs); % 随机排列生成初始解 end这里每个鲸鱼的位置都是1到5的随机排列，比如[3 1 4 2 5]表示加工顺序。关键是怎么评估这些排列的好坏？假设我们要同时优化最大完工时间和总等待时间：
function [makespan, total_wait] = evaluate_schedule(sequence, processing_times) % processing_times是各工序在机床上的加工时间矩阵 num_machines = size(processing_times, 1); completion = zeros(num_machines, num_jobs); % 第一台机床直接累加 completion(1,:) = cumsum(processing_times(1, sequence)); % 后续机床要考虑前道工序 for m = 2:num_machines completion(m,1) = completion(m-1,1) + processing_times(m, sequence(1)); for j = 2:num_jobs completion(m,j) = max(completion(m-1,j), completion(m,j-1))... + processing_times(m, sequence(j)); end end makespan = completion(end,end); total_wait = sum(completion(end,:) - cumsum(processing_times(end, sequence))); end这个评估函数算出了两个关键指标，现在鲸鱼们要朝着双目标优化的方向移动。多目标处理的精髓在于维护一个帕累托前沿，用外部存档保存那些互不支配的解。更新位置时得考虑拥挤度，防止解都挤在一块：
% 存档更新伪代码 for each new_solution dominated = false; for i = 1:archive_size if archive(i)支配new_solution dominated = true; break; end end if not dominated add_to_archive(new_solution) remove所有被new_solution支配的解 end end实际应用中经常遇到局部最优困局，这时候螺旋更新方程里的对数螺旋参数b就派上用场了。当|A|>1时强制进行全局探索：
% 参数更新 a = 2 - iter*(2/max_iter); A = 2*a.*rand() - a; C = 2*rand(); if rand() < 0.5 if abs(A) < 1 % 包围猎物 D = abs(C.*leader_pos - current_pos); new_pos = leader_pos - A.*D; else % 全局随机搜索 random_whale = population(randi(num_whales),:); D = abs(C.*random_whale - current_pos); new_pos = random_whale - A.*D; end else % 螺旋更新 l = (a-1)*rand() +1; D = abs(leader_pos - current_pos); new_pos = D.*exp(b.*l).*cos(2*pi*l) + leader_pos; end记得把连续空间的位置向量转换成工序排列，可以用随机键编码：先生成实数值，然后排序得到离散序列。比如某鲸鱼的位置向量是[0.3, 1.2, -0.5, 2.1, 0.8]，排序后得到加工顺序3→1→5→2→4。
最后来个实战技巧——处理动态扰动。机床突然宕机？往适应度函数里加个惩罚项：
if machine_down makespan = makespan * 1.5; % 惩罚系数 end跑完算法别急着收工，拿帕累托前沿做个可视化。用scatter画个二维图，横纵坐标分别是两个优化目标，那些处在最外围的解就是你要的优质调度方案。这时候该去车间实测了，记得带杯奶茶贿赂下产线主任，毕竟算法跑得再6也得实践检验不是？
)
