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 .

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．

基于模拟退火轧制批量计划问题的两阶段算法

本文建立了一种轧制批量计划问题的数学模型 ,提出一种改进的两阶段启发式算法 ,并对其求解 .该算法是由启发式算法和模拟退火算法组成的 .基于实际生产数据的仿真结果证实了该算法的有效性 .

基于粒子群算法的轧制批量计划问题研究

将轧制批量计划编制问题归结为车辆路径问题,采用粒子群算法对模型求解,设计了轧制批量计划问题的编码方案,阐明了算法的具体实现过程。计算结果表明,利用粒子群算法解决热轧批量计划问题是有效和可行的。

热轧带钢批量计划分解算法

针对热轧带钢批量计划问题,提出基于模糊聚类和约束规划的多目标优化分解算法。算法利用模糊C均值聚类将一个轧制单元的板坯划分为若干簇,采用约束规划求解簇内板坯顺序和簇间顺序,合成各簇的解得到轧制单元批量计划。基于生产实际数据和随机数据的实验结果表明算法具有满意的计算效率和效果。

改进分布估计算法在热轧生产调度中的应用

在热轧生产调度数学模型的基础上,提出一种改进的基于小生境技术的分布估计算法。采用Hebb学习规则来更新概率模型,增强了小生境之间以及整个群体间的相互学习能力。在对新种群采样时,引入了一种竞争选择机制,使得父代中的优秀个体在进化过程中得以保留,从而保证了进化持续有效的进行。为将该算法用于热轧生产调度,设计了一种新的解码方式,并采用某钢厂实际生产数据进行仿真实验,验证了算法的有效性。