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.

PESAⅡ算法求解基于PCVRP的热轧批量计划问题

根据生产需要,将热轧计划编制问题归结为奖金收集车辆路径问题;并根据生产工艺建立了多目标优化模型,即最小工艺损耗,最小轧制计划数目,最小未排入计划的板坯惩罚值。并没有采取传统的加权方式将其转化成单目标问题;而是采用了一种改进的多目标进化算法(PESAII)进行求解,并对实验结果进行分析。实验表明,该算法的效果和效率都是令人满意的。该模型可以为计划编制人员提供更多的决策支持,更好地为生产服务。

ALNS算法求解带软时间窗同时取送货的PCVRP问题

考虑电子商务环境下订单种类多、批量小等特点,在现有奖金收集车辆路径问题(PCVRP)模型的基础上加入时间窗约束和同时取送货需求,建立了带软时间窗同时取送货的PCVRP模型。设计了自适应大邻域搜索算法(ALNS)进行求解,采用插入法生成初始解,再用ALNS对初始解进行改进。通过仿真实验将设计的ALSN算法计算结果与使用遗传算法、模拟退火算法、布谷鸟算法、禁忌搜索算法及离散粒子群算法的计算结果进行比较,仿真实验结果验证了模型的合理性及ALNS算法的有效性。实验结果表明所设计的ALNS算法在求解大规模问题方面具有更好的寻优能力。

基于PCTSP的热轧单元计划模型与算法

根据钢铁企业热轧产品生产工艺约束条件,将热轧生产轧制单元计划模型归结为奖金收集旅行商问题,设计了蚁群最优化算法对模型进行求解.引用某钢铁企业热轧生产轧制单元计划编制的实际问题对模型和算法进行了验证,并与遗传算法的求解结果进行了对比.实验结果表明模型和算法的优化效果和时间效率都是令人满意的.该模型和算法经过改进后可应用到包含多个轧制单元计划的轧制批量计划优化问题中.

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．

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.