【Python3】混合流水车间+多目标遗传算法

前言

前面写过单目标混合流水车间调度问题及其遗传算法实现，这里实现多目标混合流水车间调度问题的多目标遗传算法

多目标遗传算法

简介：多目标遗传算法NSGA、多目标遗传算法等
个人总结如下：多目标遗传算法，与遗传算法的本质区别在于选择操作——多目标遗传算法根据帕累托等级和拥挤度选出优秀的个体。

测试实验

数据来源：参考文献[1]中的实例2
目标包括：

1. 最小化最大完工时间Makespan
2. 最小化总空闲时间
3. 最小化工件的总流程时间，即每个工件的加工开始到加工完成之间的时间和
4. 最小化总等待时间，即每个工件的流程时间减去其总加工时间

算法参数：种群规模40，迭代次数20，交叉概率0.80，变异概率0.05
得到帕累托前沿：
[[ 23 38 146 19]
[ 24 40 140 20]
[ 24 45 135 10]
[ 24 50 134 15]
[ 25 54 135 8]
[ 25 44 136 10]
[ 25 43 137 10]
[ 25 39 143 20]
[ 25 40 140 15]
[ 25 55 131 8]<