基于MTO管理系统的钢厂合同计划方法

构造了钢铁企业的ＭＴＯ管理系统,建立了钢铁企业合同计划编制的整数规划模型,并提出用基于可重复自然数编码和三变异算子的遗传算法对模型进行求解。以热轧厂合同计划编制为例进行实验,结果表明模型符合生产实际,获得的结果优于人机交互系统,求解算法是有效的。     

轧制批量计划问题的模型及算法研究

网络建模在系统分析中是最有效的方法之一，广泛地应用于工业工程和生产调度中，应用组合优化中著名的车辆调度问题分析、研究钢生产中传统的轧制批量计划问题，提出一种新的具有优化分割功能的遗传算法，并进行了计算机仿真、仿真结果证实该方法的有效性。     

PWB装配线综合生产能力计划模型及其近似求解算法

提出了多产品柔性制造环境中市场需求确定动态且完全由生产满足的条件下PWB装配线的再设计模型.由于该模型为大规模混合整数规划问题,提出了一种首先求解若干递归线性规划以减小搜索空间,然后应用启发式搜索的近似求解方法.实际问题的计算结果表明了所提出算法的有效性.     

热轧实施计划中最优倒垛问题的整数规划模型及遗传算法

对钢铁企业板坯库中的最优倒垛问题建立了0和1整数规划模型.这一模型是一个二次规划模型,且目标函数的系数与变量的取值相关联,属于NP-难问题,获得较大规模的最优解是不可能或非常困难.为了求解此问题,本文构造了改进遗传算法:(1)提出了适合于最优倒垛问题的遗传编码,运用此编码,不但能够产生可行的初始染色体,而且能够保证在交叉和变异操作后的染色体仍然可行;(2)改进了遗传算法结构,在新的结构中,增加了一个培育操作,改进了交叉操作.通过精选随机产生的问题例子的实验显示出,提出的算法的性能明显好于原系统的启发式算法,最好的改进率达到7.04％.     

跨国供应链战术生产计划研究

论文介绍了国内外跨国供应链战术生产计划研究概况,然后给出了一个跨国供应链战术生产计划非线性混合整数规划模型。模型的优化目标为税后利润最大化,考虑的宏观经济因素为汇率、关税、国内税率等;并且设计了遗传算法进行求解。模型的创新点在于在生产计划研究中引入转让价格、运输成本分配因子作为模型的决策变量。     

钢铁企业合同计划与余材匹配的集成优化方法

钢铁企业的合同计划和余材匹配的集成优化是解决钢铁企业面向订单生产的关键技术.由于该问题复杂,涉及因素多,求解难度大,对此提出一个带有提前拖期惩罚的联合计划优化的数学模型,并提出一种嵌有"优先适合启发式"的遗传算法.该方法利用背包问题的求解思路改进了染色体的性能,从而加快了遗传算法的求解速度.将该模型及算法应用于实际钢铁企业的计划编排中,取得了满意的效果.     

钢铁一体化生产多目标合同计划建模与算法

为了实现热装比最大等多个优化目标,将炼钢-连铸-热轧一体化生产过程,抽象为炼钢与热轧两大加工阶段,建立了一体化生产多目标合同计划模型.以板坯热装比最大、交货提前/拖期率最小和组炉余材最少为优化目标,综合考虑了炼钢产能、热轧产能、最小主体材产量、以及钢种、板坯和成品规格等约束条件.通过变异目标空间中的重合个体,以及在每一代增加若干个新个体的方法,对非支配排序遗传算法NSGA-Ⅱ (non-dominated sorting genetic algorithm)进行了改进,提高了种群的多样性.不同规模计划问题的计算结果表明了所建立模型和对NSGA-Ⅱ算法的改进是有效的.     

准时化生产计划的半无限规划模型及其遗传算法

提出更准确地描述准时化生产计划问题的非线性半无限规划模型。由于传统的优化方法不能求解这类问题，提出一种沿梯度方向变异的遗传算法，该算法实质上是最速下降法和随机抽样算法的组合。实验结果表明以上模型和算法有潜力解决实际生产计划问题。     

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.     

热轧日生产计划优化模型和算法仿真

钢铁企业的炼钢-连铸-热轧生产过程兼有连续时间和离散事件的特征,是一个典型的混杂系统.由于炼钢、连铸、热轧这三大工序在生产过程中为顺序加工,所以生产调度中不仅存在物流平衡问题,同时在高温作业环境下,也存在能量平衡和时间平衡问题.针对当前钢铁生产中多品种、小批量、高质量、低价格、交货期日趋精确的发展要求.建立了基于准时制的热轧生产日计划模型.对于模型的求解,采用改进的混合启发式遗传算法求解,采用了新的编码方式以及动态调整交叉和变异算子概率,快速搜索最优解.     

在线订单分批及拣选路径规划模型及算法

在人到货订单拣选系统中,客户下达订单后将由拣货员穿梭仓库进行拣选.在仓库的拣选设备容量和拣货人员数量有限制的条件下,研究在线订单分批优化问题,预防订单过早或延迟服务,以最短的时间完成拣货任务.构建考虑最小拣货路径的在线订单分批规划模型,以最小化平均有效订单服务时间.提出一种基于规则的启发式算法来求解模型,其中包含k-m...     

基于准时制的轧钢厂生产计划模型及算法

针对钢铁企业轧钢厂的实际情况,分析了生产计划的制定流程,建立了基于准时制思想的以天为单位的满足用户合同的生产计划模型,适合于多品种小批量的生产情况,并采用改进混合遗传算法求解。算法求解中,用基于自然数的分层寻址式的编码方法,采用赌轮选择和锦标赛选择混合构造选择算子,在线动态调整算法的概率系数,同时采用专家系统方法修正每一个解。生产数据的仿真实验表明模型及求解算法切实可行,保证了优化效果和收敛速度,结果达到了精细化生产的要求。     

钢铁企业中库存匹配与生产计划联合优化模型与算法

针对钢铁企业在MTO与MTS混合生产组织方式下存在的库存匹配与生产计划问题,按照集成 化管理思想,将两项工作综合考虑,建立了以合同的违约惩罚、生产准备费用、库存匹配费用总额最小化为目标的联合优化模型.结合问题的特点,构造了具有启发式修复策略的改进遗传算法.通过实例仿真证明了模型与算法的有效性和可行性.􀁱     

Stochastic Programming For Order Allocation And Production Planning

Stochastic demand is an important factor that heavily affects production planning. It influences activities such as purchasing, manufacturing, and selling, and quick adaption is required. In production planning, for reasons such as reducing costs and obtaining supplier discounts, many decisions must be made in the initial stage when demand has not been realized. The effects of non-optimal decisions will propagate to later stages, which can lead to losses due to overstocks or out-of-stocks. To find the optimal solutions for the initial and later stage regarding demand realization, this study proposes a stochastic two-stage linear programming model for a multi-supplier, multi-material, and multi-product purchasing and production planning process. The objective function is the expected total cost after two stages, and the results include detailed plans for purchasing and production in each demand scenario. Small-scale problems are solved through a deterministic equivalent transformation technique. To solve the problems in the large scale, an algorithm combining metaheuristic and sample average approximation is suggested. This algorithm can be implemented in parallel to utilize the power of the solver. The algorithm based on the observation that if the remaining quantity of materials and number of units of products at the end of the initial stage are given, then the problems of the first and second stages can be decomposed.     

双种群混合遗传算法的裁剪分床应用研究

为解决服装生产中的裁剪分床计划问题,结合生产过程的影响因素和订单需求,建立了裁剪分床的多目标数学模型进行优化,使用一种改进的双种群粒子群-遗传混合算法对模型进行求解。混合算法将进化种群划分为普通种群和精英种群,利用改进的遗传算法来全局搜索进化普通群体并筛选精英个体,同时结合粒子群优化算法进化精英群体。交叉和变异保证种群的多样性,粒子群寻优机制提升进化速度,两种群在进化时交叉影响不断寻找最优方案。实验结果表明：混合算法在解决多目标的生产订单裁剪分床问题上表现稳定,相比改进的遗传算法有更快的寻优速度,比手工计算方法减少1个裁床,裁剪时间缩短5?min且超裁数量降低60%,可以适应不同目标需求,针对实际生产中的裁剪分床有一定的应用价值。     

改进遗传算法求解订单分批优化模型

以流利式货架分区拣选系统为背景,考虑减小相邻拣选区域的作业时间差值以减少任务在缓存区中的滞留时间和拣货员在系统中的等待时间。建立以最小化订单分批数量和最小化所有相邻区域作业时间差值之和为目标的数学模型,设计遗传算法求解其订单分批结果及任务释放顺序;从拣货员拣选的便捷性出发,考虑将周转频率较高的货品存放至拣货员最易拣取的层数,提出了分类随机指派方式。案例分析结果表明：该模型结果在所有任务的总完成时间、总滞留时间、平均履行周期和所有拣货员在系统中的总等待时间等指标上均表现良好;分类随机指派方式从根本上减少了总拣货时间,进而缩短了任务的平均履行周期和总完成时间,提高了系统处理效率和订单响应速度。     

基于RGI的浮空器任务规划问题研究

侦察任务规划是浮空器军事应用中的重要问题,对于最大化满足侦察任务需求、提高浮空器资源利用率具有重要作用。针对浮空器侦察系统的任务规划问题,考虑任务需求约束、载荷约束等条件下,构建了浮空器连续侦察监视的混合整数规划模型,并采用贪婪随机插入(RGI)算法对模型进行了求解。该算法结合了贪婪算法和模拟退火算法的设计思想,既保留了一定贪婪特征又提高了跳出局部最优解的能力。最后通过一个多浮空器多目标的仿真实例验证了算法的有效性。     

一种蚂蚁遗传融合的机器人路径规划新算法

针对栅格法建模的不足,本文研究一种全新的蚂蚁算法与遗传算法融合的机器人路径规划算法.该方法首先用栅格法建立机器人运动空间模型,在此基础上利用蚂蚁算法进行全局搜索得到全局导航路径,然后用遗传算法局部调节全局导航路径上的路径点,得到更优路径.计算机仿真实验表明,即使在复杂的环境下,利用本算法也可以规划出一条全局优化路径,且能安全避障.     

微粒群优化算法在基站分布规划中的应用

微粒群优化算法（PSO）是一种具有全局随机优化的智能算法。该算法编程简单,鲁棒性强,并行运算能力强,能以较快的速度收敛至全局最优解。本文在PSO的思想基础上提出了一种改进搜索方向,降低“早熟”概率的方法,即结合遗传算法,引入了爬坡算子。本文并将该改进算法应用于基站分布规划的研究中,实验仿真结果表明,利用该改进算法能提高基站覆盖率,降低经济成本。