考虑库区吊机能力的板坯倒垛问题的建模与优化方法研究

研究了钢铁企业板坯库的板坯倒垛(Slab stack shuffling, SSS)问题. 与以往研究倒垛问题不同, 考虑了板坯存储各库区吊机能力的实际限制. 对该问题通过考虑实际约束, 以总倒垛次数最小为目标函数建立了非线性整数规划模型. 基于对问题特征的分析, 分别针对轧制项目间是否存在共同可选板坯的两种情况, 将模型变换为线性整数规划模型. 另外, 利用提出的问题性质, 降低了模型的求解复杂性. 实验结果表明, 对于实际的问题规模, 基于该线性整数规划模型的优化方法能有效地求得问题的最优解.     

钢坯入库堆垛问题模型及其动态求解算法

通过对钢坯入库堆垛问题进行深入研究,建立了以最小化钢坯出库倒垛数为目标的数学模型,并设计了一种可以动态调整垛位顶层钢坯的堆放位置的DIBF(Dynamic and Improved Best Fit)算法。算法主要分为2个阶段,首先通过聚类算法将辊道上暂存钢坯形成入库批次;然后对入库批次通过DIBF算法进行批次指派垛位。通过钢厂实际生产数据对DIBF算法、IBF(Improved Best Fit)算法和传统手工计算方法进行验证。结果表明,相对于IBF算法和传统手工计算方式,DIBF算法不仅能够在限制可用垛位数的前提下减少倒垛次数,而且也能提高垛位的空间利用率,模型及算法可行、有效。     

基于热送热装的板坯入库决策优化方法

针对目前钢铁企业热送热装（HCR）板坯库入库管理的实际需求,以板坯库有限HCR 储位和垛位选择 原则为约束,建立了一种基于铸轧作业计划协同优化的板坯入库决策模型．实现了需入库的HCR 板坯批次的全局 优化运算,算法可快速优化出板坯入库垛位和铸机板坯产出序．对于建立的模型,构造了一种遗传模拟退火算法进 行求解,该算法充分发挥了遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的优点．对实际问 题的求解结果表明,建立的模型和算法正确可行,为HCR 板坯入库选择合理垛位提供了一种行之有效的解决方法．     

改进布谷鸟搜索算法在轧制规程优化中的应用

针对轧钢精轧过程负荷分配的优化问题,使用基于梯度的自适应布谷鸟搜索(GBAQCS)算法对轧钢精轧机组负荷分配进行了仿真优化试验。首先优化目标函数,确定约束条件,对GBAQCS算法进行了收敛性和稳定性分析;接着对轧钢精轧机组轧制规程进行了优化计算,并对该算法与经验负荷分配法在轧钢精轧机组的负荷分配问题上的计算结果进行了对比。对比结果表明,GBAQCS算法不仅具有良好的收敛性与稳定性,且能够使钢材经过各机架后拥有更加合理的出口厚度,轧制过程中对轧制力的设定也更加符合生产要求。GBAQCS算法既能充分发挥前几个机架的设备能力,提供较大的轧制力,又能使后几个机架针对板形、板厚依次减小轧制力,大大提升了对板形、板厚的优化效果,在负荷分配优化过程中更为合理地分配了轧制力,满足了出口厚度与板形要求。     

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％.     

基于动态模型库的多模型切换控制

针对含有有界扰动和模型参数跳变的离散时间系统,提出基于动态模型库的多模型切换控制方法.在模型参数范围未知情况下,利用在线学习的多模型自适应控制算法自动建立多模型,并对模型库中的子模型进行优化.采用具有积分特性的指标函数作为切换准则.在每一采样时刻根据其最小值来选择与实际系统最接近的模型,并将基于此模型的控制器切换为当前控制器.文中证明了该算法能够保证闭环系统的稳定性和跟踪误差的渐近收敛性.计算机仿真结果表明该算法的有效性.     

互联电力系统; 鲁棒联结稳定; 向量L yapunov 函数; 鲁棒界

分析了轧制批量计划编制问题,建立了不确定轧制计划数的轧制计划VRP模型.该模型不仅考虑了轧制计划中板坯在厚度和硬度上的跳跃、板坯宽度的正反跳以及相同宽度板坯连续轧制的长度约束,而且考虑了轧制计划中烫辊材和主体材的合理安排.构造出一种基于单亲遗传算子的免疫算法用于求解此模型.生产数据的仿真结果表明,所提出的模型及算法切实可行.     

考虑加热炉生产因素的热轧板坯轧制计划模型与算法

加热炉生产是影响热轧机组利用率和轧制计划质量的重要环节之一.通过分析加热炉对热轧生产的影响,抽取板坯标准在炉时间和出炉温度这两个关键因素,建立热轧板坯轧制计划的整数规划模型,并提出自适应邻域搜索算法.在算法中设计约束满足策略、自适应搜索策略和反向学习邻域搜索策略.约束满足策略针对目标特征和加热炉因素设计两种值选择规则,用于生成高质量初始解;自适应搜索策略能够自主选择邻域结构和终止邻域搜索,有效优化邻域结构选择方式和算法收敛速度;反向学习邻域搜索策略基于反向学习技术增强解空间多样性,提高全局搜索能力.基于实际生产数据设计多种规模的实验,通过实验验证了算法的有效性.     

基于递推PLS的自适应钢温软测量模型

针对轧钢加热炉系统具有多变量、非线性、大滞后、交叉耦合等特点,难以预估钢坯出口温度的难题,以块式递推偏最小二乘算法为基础,结合移动窗口和遗忘因子法,建立了出炉钢坯温度和过程变量之间的预测模型.在某钢厂的实际应用表明,该钢温软测量模型具有较好的自适应能力,能提前15 min预测钢坯出口温度,且预测误差满足工业应用的精度要求.     

基于遗传算法和罚函数法的炉温优化设定

针对钢坯温度预报模型中时变非线性参数进行了等效研究,提高了模型预报钢坯温升的精度。在分析钢坯加热过程、工艺要求、能耗与环保的基础上提出基于遗传算法和罚函数相结合的炉温优化算法。并对该算法进行了计算机仿真,仿真结果表明该优化算法能够迅速寻找到全局最优。     

基于遗传模拟退火算法的立体仓库储位优化

针对自动化立体仓库储位分配问题,结合仓库运作特点和安全性要求,构建了自动化立体仓库储位优化问题的多目标模型,并提出了求解模型的基于Sigmoid曲线的改进自适应遗传模拟退火算法（SAGA）。首先,以降低货品出入库时间、同组货品距离和货架重心为目标建立储位优化模型;然后,为了克服遗传算法（GA）局部搜索能力差和易陷入局部最优的缺点,引入基于Sigmoid曲线的自适应交叉变异操作和逆转操作,同时完成与SAGA的融合;最后,对改进遗传SAGA进行算法优化性、稳定性和收敛性测试。仿真实验表明,相比模拟退火（SA）算法的求解结果,该算法对货品出入库时间的优化度提高了37.7949个百分点、对同组货品距离提高了58.4630个百分点、对货架重心优化度提高了25.9275个百分点,并且该算法具有更好的稳定性和收敛性。由此验证了改进遗传SAGA求解问题的有效性,该算法可为自动化立体仓库储位优化提供决策方法。     

遗传算法在立体仓库货位优化分配中的研究

存储一定数量货物的自动化仓库中,以基于随机存储策略的库区和货位分配以及堆垛机行驶时间为优化控制目标,针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型。在库区优化基础上,进一步提出货位优化数学模型,将Pareto最优解的概念与遗传算法相结合,提出了一种解决多目标优化问题的Pareto遗传算法解决货位优化问题,给出了仿真实验及分析。结果表明采用遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

基于混沌优化支持向量机的轧制力预测

针对带钢热连轧轧制力的精确预测问题,提出一种基于最小二乘支持向量机模型的预测算法.在分析最小二乘支持向量机数学预测模型的基础上,提出一种改进的结合遗传算法的变尺度混沌优化方法,以进行最优模型参数的搜索,利用实测在线数据对模型进行训练并进行轧制力预测,仿真结果表明,利用该方法可使轧制力预测精度得到提高,平均误差率从BP神经网络的±10%降到±5%以下,为进一步提高热连轧厚度控制精度提供了一种有效方法.     

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。     

基于RFID和遗传算法的实时炸药仓储优化操作

针对炸药仓储过程管理的优化问题,提出基于RFID和遗传算法的在线炸药仓储优化操作方法,使炸药仓储管理过程更具高效化、信息化、安全化和智能化。利用RFID技术实时获取炸药仓库信息,提出了炸药仓库库位分区策略。通过对炸药仓储工作特点及要求分析,建立炸药仓储的优化数学模型,并运用遗传算法求解模型得到优化解。实验仿真结果表明,该方法能够提高仓库的空间利用率,优化炸药存取过程的行走路径,较好地解决了受炸药有效期等约束的优化操作问题。     

基于混合果蝇优化算法的选址-库存联合优化策略

针对装备维修保障仓库系统运营费用高、仓库点位布局不合理、备件库存结构不合理等问题,建立以多品种联合补货问题为基础的装备维修备件仓库选址-库存控制决策联合优化模型,模型可用于求解仓库的开设位置、维修活动需求点的指派情况、仓库补货时间以及库存水平等.根据模型的结构特点,利用多种群协同进化的方法改进传统果蝇优化算法的位置更新方式,设计一种内外两层搜索策略的混合果蝇优化算法,外层搜索策略作为算法的主程序用于搜索仓库选址决策变量,内层搜索策略采用改进的RAND算法用于搜索库存控制决策变量.仿真结果表明,混合果蝇优化算法具有良好的求解效率,能够确保库存系统在一定服务水平的基础上有效降低库存运营总成本.     

自动化立体仓库货位分配与作业调度集成优化

针对动态提高单载具堆垛机式自动化立体仓库拣选效率的问题,文中提出了一种基于共享货位存储与动态订单拣选策略下的货位分配与作业调度集成优化方法。将动态移库优化扩展到仓库的整个拣选生命周期,建立以双指令循环下堆垛机拣选任务所需的总作业时间最短为评价目标的数学模型,提出了一种基于K-Medoids聚类的粒子群优化(Particle Swarm Optimization,PSO)算法,用K-Medoids算法通过产品与订单的相关性进行初始货位的聚类分析,筛除劣质解的货位范围,并在K-Medoids聚类算法生成的解类簇基础上获得精确解。实验结果表明,考虑动态移库可以使仓库拣选效率提高20%,且该算法与传统PSO算法相比求解时间下降66%左右。