基于变邻域搜索的热轧圆钢批量调度多目标优化方法

针对热轧圆钢的批量调度问题,考虑实际生产中工艺规程和交货期对轧制单元连续加工的影响,建立了以最小化设备调整时间、拖期生产惩罚和钢种跳跃惩罚为优化目标的数学模型,并设计了一种嵌入EDD规则的变邻域搜索算法.算法首先结合模型的约束特征,采用约束满足技术生成初始解;根据实际生产需求,将最小化设备调整时间作为主要目标,设计变邻域搜索算法实现目标优化,其中,运用混合算子构造邻域结构和局部搜索,并引入模拟退火接受准则来控制迭代过程中产生的新解;同时,为了最小化拖期惩罚和钢种跳跃惩罚,在求解过程中嵌入了EDD规则以及钢种排序规则.实验结果表明,模型和算法是可行且有效的.     

热轧圆钢的轧制批量计划优化模型与算法

针对热轧圆钢的轧制批量计划编制问题,以热轧圆钢的需求为导向,综合考虑热轧和加热炉阶段的工艺要求,建立了以最小化钢坯余料浪费惩罚和相邻钢坯间跳跃惩罚为目标的数学模型,并基于约束满足技术设计求解算法.算法通过变量选择和值选择规则对待轧制钢坯进行选择、分组和序列生成操作;通过约束传播技术缩减搜索空间,并划分轧制单元;同时,将装箱启发式Best Fit Decreasing (BFD)嵌入到算法中,以优化钢坯余料浪费惩罚和钢坯属性跳跃惩罚.基于实际生产数据的仿真实验表明了模型和算法的可行性和有效性.     

基于“炉?机对应”的炼钢?连铸生产调度问题遗传优化模型

针对炼钢?连铸过程因车间布局复杂造成工序间钢水交叉供应频繁、等待时间过长以及天车调度困难等问题,本文建立以计划内所有炉次总等待时间最小为优化目标的炼钢?连铸过程生产调度模型,并采用改进的遗传算法求解该模型。在遗传操作过程中,引入“炉?机对应”调控策略以改善初始种群质量,并根据转炉（精炼）与连铸作业周期的比较,来确定是否对个体进行交叉、变异操作。以国内某中大型炼钢厂主要生产模式下的实际生产计划为仿真算例进行实验,结果表明:本文提出的基于“炉?机对应”的改进遗传算法的性能显著优于基本遗传算法及启发式算法,针对炼钢厂产量占比超过80%的主要生产模式4BOF?3CCM下的算例1,优化了生产过程等待时间,工序间最长等待时间由77 min减小到54 min;炉?机匹配程度也明显提高,3号精炼炉去往3号连铸机的钢水比例由25%提升到67%,减少了个别炉次由于设备随机指派造成的工序设备间对应关系不明确及由于生产路径不合理造成等待时间过长的现象,为研究炼钢厂复杂生产调度问题提供了一种高效的解决方案。      

考虑订单扰动因素的热轧重调度分布估计算法

热轧工序作为钢铁生产的核心环节,具有严格的生产连续性和复杂的产品工艺要求,而紧急订单的随机到达和紧急交货期要求会对生产连续性和质量稳定性产生不利影响。针对这类紧急订单插入的动态事件,提出一种热轧重调度优化方法。首先,分析了订单扰动因素对调度方案的影响,并以最小化订单拖期惩罚和板坯跳跃惩罚加权和为优化目标,建立了热轧重调度问题的数学模型。然后,设计了热轧重调度分布估计算法（EDA）。该算法针对紧急订单的插入式处理方式,提出一种基于插入位置的整数编码方案;结合模型特征设计了概率模型;并综合考虑目标与约束,定义了基于惩罚值的适应度函数。通过实际生产数据进行仿真实验,验证了模型和算法的可行性和有效性。     

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.     

缓冲区有限的流水车间调度问题的启发式算法

针对缓冲区有限的流水车间调度问题,分析了目标函数的特征,及目标函数与工件空闲时间之间的关系,设计开发了启发式算法。算法将以Makespan为目标函数转化成以最小化机器空闲时间为目标函数,并以此为基础构造初始加工序列,再通过贪婪排序与插入寻优消除缓冲区受限约束并寻找问题的近优解。仿真实验结果表明,算法在求解质量和计算时间方面明显优于其他几种排序规则,并体现了目标函数表达式结构的特性及对解的适应性。     

一类具有特殊阻塞约束的两阶段流水车间成组调度模型与算法

从钢铁企业的管加工生产中抽象出一类具有特殊阻塞约束的两阶段流水车间成组调度问题.与传统阻塞约束不同,工件是否发生阻塞并非取决于缓冲区容量,而是取决于工件自身的规格、尺寸等属性.针对此调度问题,以最小化最大完工时间(makespan)为目标建立混合整数线性规划模型,并通过三划分问题的多项式归结证明问题的强NP难特性,进而将问题划分为工件组排序和工件组内工件排序两个子问题,提出一种基于协同进化的分布估计算法.算法针对两个子问题各自特点进行独立编码,分别设计启发式规则构造初始种群,并提出带有工件区块结构特征的概率模型来指导种群进化.基于实际生产数据设计多种问题规模的实验,从而表明所提出模型和算法的有效性.     

安装时间和机器受限的订单接受与并行机调度

订单接受与不相关并行机调度是订单接受与订单调度的联合决策, 广泛存在于面向定制的多品种混合生产环境中. 针对这一问题, 考虑了顺序与机器依赖的安装时间以及可加工机器限制, 并以最小化总成本为优化目标. 其中, 总成本由被接受订单的总拖期成本和被拒绝订单的总拒绝成本构成. 通过分析订单拒绝对目标的影响, 提出了列表拒绝方法和订单拒绝规则, 进而设计了协同进化遗传算法. 算法将染色体编码分解为订单列表和订单指派两个个体, 提出了基于列表拒绝方法的解码方案来进行订单拒绝决策. 由于两个个体相互独立, 且二者的进化约束不同, 因而引入协同进化策略, 并根据个体的编码特征, 分别采用单亲遗传算子和传统遗传算子进行遗传操作. 数据实验验证了算法的有效性和求解效率, 并对问题规模和订单拒绝成本对算法性能的影响进行了分析.      

无缝钢管热轧批量调度问题的学习型文化基因算法

针对无缝钢管热轧批量调度问题,考虑生产工艺约束、生产需求优化等因素,以最小化热工具轧辊使用消耗、生产拖期为目标,建立了多目标整数规划模型。分析了无缝钢管批量调度顺序对热工具轧辊消耗的影响,给定了轧制批量顺序下的求解启发式算法,并设计了一种基于多种群进化的学习型文化基因算法。针对目标设计了不同的搜索算子以及算子的自适应学习选择策略来指导种群进化,充分发挥全局搜索和局部搜索能力。仿真实验与常用的带精英策略的快速非支配排序遗传算法和文化基因算法进行了对比,验证了所提模型和算法的有效性。