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.

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.

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.

热轧批量计划编制模型及其算法

针对钢铁企业生产调度中的热轧生产批量计划编制问题,建立了以提高平均单元计划轧制长度和热装比为目标的数学模型,在实际生产中两个优化目标具有不同的优先级。提出了一种两阶段变邻域搜索算法,该算法按照先优化平均单元计划轧制长度后优化热装比的顺序求解该问题。基于生产实际数据的仿真试验表明了所提出的模型和算法的有效性。

分时电价下面向经济负荷调度的热轧批量计划两阶段优化

针对智能电网需求响应为高耗能电力用户节约用电成本及参与电网调峰提供的新契机,在需求响应分时电价实现形式下,考虑最小化生产用电成本,建立热轧批量计划问题数学模型,提出一种面向经济负荷调度的热轧批量计划两阶段优化方法:第1阶段通过热轧批量计划编制确定轧制单元及生产负荷,第2阶段在此基础上根据电价实施分时电价下的负荷转移重调度,优化轧制单元生产加工次序,并合理安排生产时间进行避峰生产,基于遗传算法实现两阶段优化求解。研究结果表明:所提出方法可在保证生产前提下降低热轧生产用电成本,并通过响应电价促进电网调峰。

热轧批量计划多目标智能优化编制新方法

在热轧工艺背景下,以提高组批率、轧制效率和批量计划质量为目标,提出了一种热轧批量计划编制的新结构。分别建立了单一、混合轧制计划类型的主体材计划数学规划模型(VRP),提出了轧制计划类型最小区间编制规则,并采用专家经验实现计划协调。该编制流程改善了传统热轧批量计划模式的不足,提高了批量计划的组批数量、轧制效率和组批质量,实现了多目标优化。运用实际现场数据进行模拟,证明了该方法的有效性和可行性。

考虑直装率的热轧批量计划编制

从减少板坯下线、提高直装率的角度出发,建立了考虑连铸出坯顺序与轧制顺序相互协调的热轧批量计划数学模型,并采用遗传算法进行求解。通过对实际生产数据的仿真,验证了所建模型的可靠性。与传统编制方法进行对比,所建模型直装率提高了10%以上,达到降低生产成本的目的。

考虑机器检修的热轧钢管批量计划方法

本文从无缝钢管生产实际中提取并定义了周期性机器检修环境下的钢管热轧批量计划问题,基于无缝钢管生产的特殊性,将该问题抽象为一类考虑机器检修和机器调整时间的单机调度问题,并建立了以最小化机器闲置和机器调整时间为目标的数学模型.针对批量间的机器调整时间取决于钢管规格的变化这一特性,提出了最小调整时间排序规则,证明了该规则在不考虑检修计划时具有最优性.进而,以此为基础建立了循环求解框架,并设计了两阶段启发式算法.基于实际生产数据设计了多种问题规模的实验,验证了算法的有效性,并从实际应用角度对结果进行了分析.

钢铁热轧调度多目标优化问题研究

分析了热轧生产作业计划编制问题,基于车辆路径问题,建立以轧制单元数量为目标的热轧批量计划,模型考虑了实际生产中的生产约束和生产目标,并针对建立的模型提出了一个基于改进NSGA-Ⅱ和禁忌搜索算法的混合算法,采用了支配强度和自适应个体差异性度量的方法进行优势种群选择,提高了种群质量,并加快算法收敛,并结合禁忌搜索算法来防止结果陷入局部最优。实验结果表明模型和算法都是有效的。

顺序依赖的调整时间和拖期的无缝钢管热轧批量调度算法

无缝钢管热轧生产存在一类特殊的顺序依赖机器调整时间,调整时间依赖于相邻轧制批量间的规格切换,与批量间规格呈线性函数关系.针对具有此类调整时间的热轧批量调度问题,进一步考虑交货期要求,探讨了调整时间与交货期之间的性质特征,并以最小化总机器调整时间和最小化总拖期为目标,基于进化算法框架设计了快速重排序邻域搜索多目标算法(fast reordering neighborhood search multi-objective algorithm,FRNSM).在算法初始阶段,提出规格优化规则和交货时间优化规则,对初始解进行局部优化;邻域搜索阶段设计了基于同交货时间规格优化的快速重排序邻域搜索策略,以优化机器调整时间和拖期;针对问题多目标特征,基于Pareto思想设计解的接受准则.基于实际生产数据的实验结果表明,FRNSM算法对此类问题具有很好的求解效果.