How can I read this input data in this GA code?

Hi everyone! I am getting to know Matlab, but I have an assignment in which I have to use a genetic algorithm code for the flow shop scheduling problem and add a different parameter to it. I already have the code which I obtained from an author that made a paper about this topic. However, the code starts by running the input data from an external file. I retrieved this file but I don't know how can I make Matlab to recognize it as the input data and use it for running the code.

The file is named P5S8T02.dat. When I open it in notepad it looks like this:

jobs 5
stage 8
machines 3 4 1 2 3 5 4 5 
*Pro_req*
1 1 3 1 2 
3 1 1 2 2 
1 1 1 1 1 
2 1 1 2 1 
1 3 2 1 1 
3 5 2 2 4 
3 1 4 3 4 
3 3 3 2 1 
*Pro_time*
75 91 32 49 21 
43 12 14 2 27 
16 38 52 25 84 
51 64 21 42 59 
67 63 62 35 11 
80 47 6 59 89 
86 85 46 83 71 
95 84 44 32 48

I guess I have to change the variables name or change the file's format in order to Matlab to read it correctly and run the code.

I would really appreciate if you could help me with this. I know it should be something very simple, but once again, I have never used Matlab before.

Thanks for your help and patience.

Best regards

I attach the full code that I am trying to run just in case. Actually the code is divided in 3 sections (3 separate Matlab files) and I already fixed some errors that Matlab found. Right now the only error that Matlab gives me when I try to run the code is in the line that gets the input data:

run('P5S8T02')

Thanks!!

        %************************************************************************
        **%  ALGORITMO GENÉTICO MODIFICADO DE CHU Y BEASLEY
        *%  APLICADO AL PROBLEMA DE FLOW-SHOP FLEXIBLE
        *%  Por: Ángela Patricia Jiménez Morales
        *%***********************************************************************
        *** clc
        clear all To=cputime; tic
        %************************************************************************

        CARGA DE LA INFORMACIÓN DE ENTRADA 

run('P5S8T02')

        %************************************************************************
        *
        %  INICIO DEL ALGORITMO GENÉTICO MODIFICADO DE CHU Y BEASLEY
        %************************************************************************
        *
        %Parámetros del Proceso del AGCB rand('state',902345463); %Semilla 465897 78456 NPob=10; %Número de individuos de la población inicial NG=100000; %Número de Generaciones (Iteraciones) tMut=0.35; %Tasa de Mutación
        tAcpt=0.10; %Tasa de Aceptación

        %************************************************************************
        *
        %  GENERACIÓN DE LA POBLACIÓN INICIAL
        %Se usa Heuristica NEH? Si=1, No=0 Heuristica=1;
        ini=1;

        if Heuristica==1 [Scand,Fmin]=HeuristicaNEH(mT,mE); Pob(ini,:)=Scand;
        Fobj(ini)=Fmin; ini=ini+1;
        end
        for i=ini:NPob Pob(i,1:T)=zeros; j=1;
        while j<T+1
        g=round((T-1)*rand+1); ver=sum(Pob(i,:)==g); if ver==0
        Pob(i,j)=g; j=j+1;
        end
        end

        end

        Scand=Pob(i,:); [Cmax]=Makespan(mT,mE,Scand); Fobj(i,1)=Cmax;

        Pob %Población Inicial (matriz)
        Fobj %Cálculo de la función objetivo de la población inicial (vector)

        %************************************************************************
        *%  PROCESO EVOLUTIVO
        FOMejor=445; k=1;
        FMejor=min(Fobj); Incumb(k)=FMejor;
        while FMejor>FOMejor & k<=NG FMejor=min(Fobj); indMejor=find(Fobj==FMejor); indMejor=indMejor(1); FPeor=max(Fobj); indPeor=find(Fobj==FPeor); indPeor=indPeor(1); Incumb(k)=FMejor;

        %*********************************************************************
        %  Proceso de Selección
        %Selección por Torneo
        %Primer Torneo ind1=round((NPob-1)*rand+1); ind2=round((NPob-1)*rand+1); F1=Fobj(ind1);

        F2=Fobj(ind2); if F1<=F2
        FG1=F1;
        indG1=Pob(ind1,:); %Ganador del Torneo 1

        else

        end

        FG1=F2;
        indG1=Pob(ind2,:); %Ganador del Torneo 1

        %Segundo Torneo ind1=round((NPob-1)*rand+1); ind2=round((NPob-1)*rand+1); F1=Fobj(ind1); F2=Fobj(ind2);
        if F1<=F2
        FG2=F1;
        indG2=Pob(ind1,:); %Ganador del Torneo 2

        else

        end

        FG2=F2;
        indG2=Pob(ind2,:); %Ganador del Torneo 2

        %*********************************************************************
        %  Proceso de Recombinación
        %Recombinación Parcialmente Compatible (PMX Partially Matched Crossover)
        clear Desend Desend(1,T)=zeros; r1=round((T-1)*rand+1); r2=round((T-1)*rand+1); while r1==r2
        r2=round((T-1)*rand+1);
        end
        if r1<r2
        p=r1; q=r2;

        else

        end

        p=r2; q=r1;

        Desend(p+1:q)=indG1(p+1:q); for i=1:T
        if (i<p+1) | (i>q) j=1;
        while Desend(i)==0 gi=indG2(j); vrf=gi==Desend;

        if sum(vrf)==0 Desend(i)=gi;

        end

        end

        end

        end j=j+1;

        %*********************************************************************
        %  Proceso de Mutación
        %Mutación por Swap o Trueque mtc=rand;
        if mtc<tMut
        r1=round((T-1)*rand+1); r2=round((T-1)*rand+1); gm1=Desend(r1); gm2=Desend(r2); Desend(r1)=gm2; Desend(r2)=gm1;
        end

        FDesend=Makespan(mT,mE,Desend);
        %  FDesend=Cmax;

        %*********************************************************************
        %  Aceptación
        acpt=rand;
        %Verificación de Diversidad (se controla que no hayan gemelos) Div=1;
        j=1;
        while Div~=0 & j<=NPob vrfD=sum(Desend~=Pob(j,:)); if vrfD==0
        Div=0;

        end

        end j=j+1;

        if Div==1
        if FDesend<FPeor Pob(indPeor,:)=Desend; Fobj(indPeor)=FDesend;
        else if acpt<tAcpt
        Pob(indPeor,:)=Desend; Fobj(indPeor)=FDesend;
        end

        end
        end
        k=k+1;
        end
        FMejor=min(Fobj); indMejor=find(Fobj==FMejor); indMejor=indMejor(1); Sfinal=Pob(indMejor,:)
        FOfinal=FMejor plot(Incumb) xlabel('Iteraciones') ylabel('Función Objetivo') toc
        Tf=cputime-To

        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
        %%%ALGORITMO PARA EL CÁLCULO DEL MAKESPAN
        %%EN EL PROBLEMA DE FLOW-SHOP FLEXIBLE
        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
        function[Cmax]=Makespan(mT,mE,S)

        [E T]=size(mT); %Número de Etepas y Número de Tareas M=sum(mE); %Número de Máquinas

        %REORDENAMIENTO DE LA MATRIZ DE TIEMPOS DE ACUERDO CON LA SECUENCIA
        mTO=mT(:,S); %Matriz de Tiempos Ordenada T=length(S); %El vector de tareas es de tamaño S

        %INICIALIZACIÓN DE LA MATRIZ DE TIEMPOS DE TERMINACIÓN
        mTT=zeros(M,T);

        %CÁLCULO DE LOS TIEMPOS DE TERMINACIÓN DE LAS TAREAS
        nmEa=0; for et=1:E
        nmE=mE(et); %Número de máquinas en la etapa et tT=mTO(et,:); %Tiempos de las tareas para la etapa et t=0;
        for m=1:nmE
        t=t+1; if m<=T

        máquina

        anteriores tarea
        end
        end

        %Se verifica si es mayor el tiempo de la tarea o de la

        mTF=max(mTT(m+nmEa,:)); %Tiempo en que se desocupa la máquina mTC=max(mTT(:,t)); %Tiempo en que termina la tarea tTa=max(mTF,mTC); %Se selecciona la mayor entre las dos

        %Al tiempo de ejecución se suma el tiempo acumulado de la mTT(m+nmEa,t)=tT(t)+tTa;

        %Se verifica si quedan tareas pendientes por ejecutar nTF=T-t;
        for m=1:nTF
        for ms=1:nmE
        if t<T %Se ejecutan solo las tareas pendientes t=t+1;
        %Se verifica si es mayor el tiempo de la tarea o de la

        máquina máquina

        anteriores tarea

        end
        end

        end

        mTF=max(mTT(ms+nmEa,:)); %Tiempo en que se desocupa la

        mTC=max(mTT(:,t)); %Tiempo en que termina la tarea tTa=max(mTF,mTC); %Se selecciona la mayor entre las dos

        %Al tiempo de ejecución se suma el tiempo acumulado de la mTT(ms+nmEa,t)=tT(t)+tTa;

        nmEa=nmEa+nmE;
        end
        %Cálculo del Cmax el cual es el mayor valor de la matriz de tiempos de
        %terminación de las tareas correspondiente al tiempo de terminación de la
        %última tarea en la última máquina CMF=max(mTT(end,:));
        CMC=max(mTT(:,end)); Cmax=max(CMF,CMC); end

        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
        %%%HEURISTICA NEH PARA INICIALIZAR LA POBLACIÓN
        %%EN EL PROBLEMA DE FLOW-SHOP FLEXIBLE

        %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
        function[Scand,Fmin]=HeuristicaNEH(mT,mE)

        [E T]=size(mT); %Número de Etepas y Número de Tareas
        sTt=sum(mT); %Suma de los Tiempo de las Tareas en todas las Etapas Ord=sort(sTt,'descend'); %ordenamiento de mayor a menor Tiempo i=1;
        %Construccion de la secuencia ordenada while i<=T
        Si=find(Ord(i)==sTt); for k=1:length(Si)
        So(i)=Si(k); i=i+1;
        end
        end

        Sp=So(1); %Secuencia parcial inicial for i=2:T
        Sp(i)=So(i); %Actualizacion de la secuencia parcial Tp=length(Sp); %Tamaño de la secuencia parcial Mp=zeros(Tp,Tp);
        for j=Tp:-1:1
        Mp(j,:)=Sp;
        if j>1
        Sp1=Sp(j); Sp2=Sp(j-1); Sp(j)=Sp2; Sp(j-1)=Sp1;
        end Spr=Mp(j,:);
        [Cmax]=Makespan(mT,mE,Spr); %Evaluacion de la FO de las sec. parciales
        Fmin(j,1)=Cmax;

        end

        end
        FmejorSp=min(Fmin); %Mejor secuancia parcial Sp=Mp(find(Fmin==FmejorSp),:);
        Sp=Sp(1,:);

        Scand=Sp; Fmin=FmejorSp;

        end