炼钢-连铸-热轧集成批量计划因素分析

炼钢—连铸—热轧的集成生产批量计划是集成生产计划 (调度 )的关键问题之一 ,在对炼钢—连铸—热轧的集成生产工艺和生产管理与传统冷装工艺及生产管理的对比分析基础上 ,对炼钢—连铸—热轧的集成生产批量计划的问题特征进行了分析 。

不确定计划数的轧制批量计划的模型和算法

根据热轧生产工艺将热轧生产批量计划归结为不确定车辆数的车辆路径问题 (VRP) ,考虑了轧制计划中钢板宽度的反跳和相同宽度钢板的总长度约束 ,在轧制作业计划数不确定的情况下 ,把组批和排序有机地结合起来 ,并用遗传算法和禁忌搜索算法相结合的混合算法对问题进行求解 ,实验结果表明算法获得的最好解、平均负荷率和计算成本都比较令人满意 .

基于退火惩罚混合遗传算法求解生产批量计划问题

针对以获得最低生产成本为目的的批量生产计划问题，提出了该问题的混合整数规划模型。首先，根据单级多资源批量计划问题的特点提出了问题的数学描述；然后，根据该数学问题的复杂性，利用遗传算法的随机搜索和进化过程寻找问题的全局最优解。为了防止适应度函数的过早收敛，引入退火惩罚因子对适应度函数进行处理，使得获得全局最优解的可能性加大。实验结果表明，该方法能获得比传统遗传算法更为理想的近似最优解。

冶铸轧一体化批量计划编制新技术

研究了钢铁企业MES的核心环节—冶、铸、轧一体化批量计划的编制问题,其目标是为了满足现代的热送热装工艺要求,编制出前后工序协调一致的一体化批量计划。给出了一体化计划编制的框架结构,提出基于模型控制和参数控制的两环控制策略来解决冶、铸、轧三大批量计划难以协调匹配的问题,并给出了评价一体化计划的两个重要的指标:数量和次序匹配率。以某钢铁厂的数据为例进行了数据模拟和分析,证明了该方法的有效性,对钢铁企业的计划编制具有一定的指导意义。

Pareto最大最小蚂蚁算法及其在热轧批量计划优化中的应用

针对双目标旅行商问题提出了基于Pareto概念的最大最小蚂蚁算法(P--MMAS).通过重新设计状态转移策略、信息素更新策略及局部搜索策略,同时引入基于自适应网格的多样性保持策略与信息素平滑机制,使算法能够快速搜索到在目标空间上均匀分布的近似Pareto前端.通过在6个标准测试函数上的实验及在热轧批量计划优化中的应用,表明P--MMAS具有良好的优化性能及实用性.

热轧带钢轧制批量计划优化模型及算法

基于奖金收集车辆路径问题模型建立了热轧带钢生产批量计划多目标优化模型．模型综合考虑了生产工艺约束、用户合同需求以及综合生产指标优化等因素．利用加权函数法将多目标优化模型转换为单目标优化模型,针对模型特点设计了蚁群优化求解算法,算法中嵌入了单向插入和2-opt局部搜索过程．引用某钢铁企业热轧生产轧制批量计划编制的实际问题对模型和算法进行了验证,结果表明模型和算法的优化效果和时间效率是令人满意的．

粒子群算法求解无能力约束生产批量计划问题

经典的粒子群优化算法是一个在连续的定义域内搜索数值函数极值的有效方法.目前,粒子群算法(particle swarm optimization,PSO)已经成为优化领域中的一个重要的优化工具,其应用在很多优化问题中都可以见到.虽然粒子群算法的应用范围已经十分广泛,但是关于应用其求解多级生产批量计划问题(multilevel lot-sizing problem,MLLS)的文章并不多见.文章提出结合遗传算法(genetic algorithm,GA)变异算子的混合粒子群优化算法(hybrid panicle swarmoptimization,HPSO)求解无能力约束装配结构 MLLS 问题.通过实验验证了算法的可行性和有效性.

基于改进粒子群算法的生产批量计划问题研究

为求解基于成组单元有能力约束的生产批量计划问题,提出了一种基于二进制粒子群算法和免疫记忆机制相结合的方法,并阐明了该方法的具体实现过程。在该方法中,采用罚函数法处理约束条件,每个粒子都代表一组可用于描述具体批量计划方案的规则组合。通过对其他文献中一个仿真实例的计算和结果比较,表明该算法在寻优能力、求解速度和稳定性等方面都明显优于文献中的遗传算法。

基于一体化生产的炼钢—连铸批量计划与调度

基于钢铁企业一体化生产,建立了炼钢—连铸区段炉次和浇次批量计划模型,并通过禁忌搜索算法对模型进行了求解.之后,归纳出了A钢厂3座转炉、6台精炼设备(双工位RH设备3台,CAS设备2台,双环LF设备1台)、3台连铸机流程配置下静态调度的基本原则.最后,提出了一体化生产下炼钢—连铸区段动态调度的策略,并采用规则、算法、数学模型与人机交互相结合的方法解决炼钢—连铸动态调度问题,仿真实验结果表明了此方法的可行性.

单级有资源约束的生产批量计划问题的元算法

为了解决生产计划系统中单级多资源约束的生产批量计划问题,采用将遗传算法广度搜索能力和局部深度搜索能力相结合的元算法(memetic algorithm,MA),对资源约束型生产批量计划模型进行了求解,并采用能力调整法和罚函数法处理不可行解.在能力调整法的实施阶段,采用"先顺序,再逆序"的处理方式进行资源能力调整.给出了元算法的运行流程图,对元算法的计算性能进行了测试,并与现有文献中的若干实例进行了比较,验证了所提算法的可行性和适用性.

求解单级多资源约束生产批量计划问题的免疫遗传算法

通过对单级多资源约束生产批量计划问题(SLCLSP)模型进行分析,提出了基于免疫遗传算法(IGA)求解该问题的方法.此算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,借鉴生物免疫机制中抗体的多样性保持策略,大大提高了算法的群体多样性.实验结果表明,免疫遗传算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,使全局收敛性及收敛速度两方面均得到提高,能有效解决SLCLSP问题.

基于遗传算法的约束生产批量计划

研究一类考虑加班能力惩罚的约束生产批量计划问题 ,描述问题的数学模型 ,提出基于遗传算法的求解方案。采用启发式方式产生初始解 ,并通过在遗传算法中嵌入供求一致平衡算法与能力平衡算法来保证解的可行性。实例仿真证明该方案的有效性。

基于约束满足的热轧批量计划模型与算法

将热轧批量计划问题作为一个约束满足问题处理,建立不确定计划数的VRPSTW约束满足模型.在求解过程中,先用约束满足的一致性技术过滤变量的值域,收缩搜索空间;然后用变量选择和值选择构造轧制计划的解.为变量赋值之后,实施约束传播,保证每块板坯只被访问一次并动态禁止子回路.在已有的解的基础上,应用基于禁忌的k-opt互换改进解的质量.数据实验证明模型和算法是有效的.

热轧批量计划模型及其混合求解算法

分析了热轧批量计划编制问题,建立了基于奖金收集车辆路径问题的计划数不确定的热轧批量计划模型.模型中考虑了热轧生产的多种工艺约束和生产目标.针对该模型提出了一种基于模拟退火算法和蚁群算法的混合算法,混合算法中利用模拟退火算法得到热轧批量计划的一个初始解来生成蚁群算法中的初始信息素分布,利用蚁群算法寻找全局最优解.在蚁群算法中又嵌入了模拟退火算法进行局部搜索,避免蚁群算法陷入局部最优.实验结果表明所提出的模型和算法是有效的.

基于粒子群和约束满足的钢轧一体化批量计划优化

在分析钢铁生产中的钢轧一体化批量计划编制问题基本特征的基础上给出了一体化编制策略,并建立了问题的约束满足优化模型。针对模型的NP难特性,提出了一种将改进离散粒子群算法、约束满足和邻域搜索相结合的混合算法。算法采用自然数矩阵编码,每个粒子代表其相应任务分配问题的解;在构造启发式解的基础上,利用邻域搜索方法计算粒子的适应值;为提高算法的收敛速度,利用约束满足技术生成初始化可行种群并修复迭代过程中产生的不可行解。基于企业实际生产数据的仿真实验结果验证了模型和算法的有效性。

基于两级遗传算法的多工厂供应链批量计划问题

研究了分布式多工厂协作生产的供应链的约束批量计划问题 .以最小化项目的生产成本、库存成本与运输成本之和为目标 ,建立了加工能力受限情况下的数学规划模型 .通过分解问题模型 ,提出了基于两级遗传算法优化的求解策略 .对典型算例进行了仿真 ,并与分枝定界法的求解结果进行了比较 .结果表明 ,此方案是有效的、可行的 .

基于粒子群算法的分布式多工厂批量计划问题研究

研究了分布式多工厂协同生产的约束批量计划问题,以产品的生产成本、库存成本、调整准备成本和运输成本之和最小为目标,构建了生产能力有限情况下的数学模型,提出了用于求解该问题的粒子群算法方案,阐明了该算法方案的具体实现过程。对典型算例进行了仿真,并与LINGO软件的求解结果进行了比较,结果表明粒子群算法方案的有效性和可行性。

CIMS下单级单资源约束的生产批量计划问题的新算法

对单级单资源约束的生产批量计划问题采用Lagrangian松驰算法进行求解 .对能力约束进行松驰后的Lagrangian问题的求解 ,构造了新的启发式算法 ;在用Lagrangian松驰问题获得原问题的可行解时 ,提出了多回路启发式算法 .仿真实验结果表明 ,平均相对对偶间隙可在 2

PSO算法求解基于PCVRP的热轧批量计划问题

将热轧批量计划编制问题归结为奖金收集的车辆路径问题,按照热轧工艺规程,同时考虑轧制计划中钢板宽度、厚度的反跳约束,设计了反跳惩罚表,提出一种多目标数学规划模型,即最小化轧制计划数、最小化惩罚值、最小化未轧制板坯数.应用粒子群(PSO)算法进行求解,对PSO算法的求解过程进行了改进,使其适用于热轧批量计划问题,在实验中测试了算法的参数(惯性权重、加速因子)对解的影响,并进行了实验分析,获得了满意的结果.实验表明,经过改进的PSO算法所获得的最优解以及平均使用时间上都是有效的.

炼钢-连铸-热轧批量计划的约束满足算法

为解决轧制计划编制问题,研究了炼钢-连铸-热轧一体化生产批量计划,提出了基于约束满足的启发式算法。根据炼钢-连铸阶段批量计划约束条件,从轧制计划中提炼出炉次计划和浇次计划,同时提出启发式算法求解。在两个启发式算法的基础上,运用基于参数控制的策略,编制出前后工序协调一致的一体化批量计划。数据实验结果表明了该方法及算法的有效性。