排序方式: 共有31条查询结果,搜索用时 218 毫秒
1.
2.
一种带有链约束的连续型批处理机调度问题 总被引:1,自引:0,他引:1
针对链式约束下工件释放时间和工期同序的情况,证明了即使所有工件都是单位加工时间时,极小化最大拖期问题也是强NP-难的.对于工件的零时刻都到达且同一链中工件工期相同的特殊情况,给出了多项式时间的最优算法. 相似文献
3.
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 总被引:1,自引:0,他引:1
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. 相似文献
4.
基于合成邻域的蚁群算法求解无委托板坯匹配问题 总被引:2,自引:0,他引:2
无委托板坯是指炼钢工序剩余的暂时没有合同对象的板坯. 无委托板坯匹配问题是研究如何将这些板坯合理分配给热轧计划中的合同. 针对实际问题, 建立了多目标优化的0-1整数规划模型. 鉴于其NP-hard特性, 采用蚁群算法(Ant colony optimization, ACO)获得近似解. 根据问题特点, 提出钢级分解策略, 并加入随机扰动策略, 构造了合成邻域以改进算法性能. 目前, 以该算法为核心的决策支持系统已在企业通过应用验证, 与人工匹配相比, 日匹配板坯量平均提高了52.42%, 百吨板坯匹配切损量平均降低了11.36%. 相似文献
5.
极小化最大完工时间的单机连续型批调度问题 总被引:7,自引:1,他引:7
从钢铁工业中加热炉对管坯的加热过程,提出一种新的连续型批处理机调度问题,与传统批处理机调度问题的批进批出方式不同,其主要特征为批中工件的进入、处理和离开都连续进行,批B_i的处理时间与该批的大小|B_i|、批中工件T_j的处理时间p_j及机器的容量C都有关,表示为p^{(i)}=\dmax_{T_j\in B_i}\{p_j\}(1+\displaystyle\frac{|B_i|-1}{C}).对于极小化最大完工时间问题,给出了一个复杂性为O(n^2)的动态规划算法,并证明了这个算法的最优性. 相似文献
6.
蒸汽管网流量测量误差的在线修正方法与应用 总被引:1,自引:0,他引:1
针对蒸汽管网中蒸汽流量的测量误差较大,导致蒸汽在管理和调度中容易造成能源浪费的问题,提出了一种基于主元分析(principal component analysis,PCA)的蒸汽流量测量误差在线修正方法,首先,利用主元分析法对蒸汽管网中各节点的流量测量值进行滤波,去除随机性误差;其次,利用基于主元分析模型的平方预报误差(squared prediction error,SPE)判断蒸汽管网的负荷工况;然后,综合考虑流量的大小和方差,采用Lagrange乘子法对仪表的测量偏差进行数据协调;最后,利用残差矩阵对下一个统计周期内的数据进行在线修正.将该算法应用到钢铁企业的蒸汽管网中,实验结果表明,基于所提算法的误差修正软件对蒸汽流量测量误差修正后,累积误差比原来减少了99.09%.有效地消除部分检测误差,使蒸汽管网流量在总体上趋于供需平衡. 相似文献
7.
由于无委托板坯影响企业的资源利用率和合同的完成,使其的管理日益受到重视。宝钢第二炼钢厂无委托板坯源于合同原因、质量原因和规格原因,其中主要是合同和质量的原因。为减少无委托板坯,从无委托板坯产生的源头、操作过程和质量管理等方面采取了措施,使无委托板坯下降50%以上。 相似文献
8.
针对机理模型难以刻画的热轧精轧生产过程, 采用基于数据子空间的偏最小二乘方法建立热轧轧制力数据模型, 并构建轧制力优化模型, 利用改进的粒子群优化算法对优化模型计算求解. 结果表明, 使用数据驱动方法建立的轧制力数据模型能够揭示精轧过程轧制力的机理规律, 可以替代机理模型在实际系统中的应用. 通过对整体优化模型的求解, 可以提高热轧精轧产品的质量, 降低能源消耗, 表明基于数据驱动的建模和优化方法在实际生产中具有较大的应用价值.
相似文献9.
研究了钢铁企业的全流程物流优化问题, 该问题在确保全流程各个工序机组产能和库存能力限制以及满足客户需求的前提下, 决策炼钢、连铸、热轧及冷轧工序间的物料流向和流量, 最小化物流成本、产能损失及库存费用. 为该问题建立了混合整数规划(Mixed integer programming, MIP)模型. 在问题求解中, 首先对MIP模型进行了Dantzig-Wolfe分解, 得到一个结构相对简单但列变量数目非常多的主问题和四个描述列向量空间的子问题. 然后, 从一个包含部分列变量的限制主问题出发, 通过子问题和主问题之间的迭代来获取主问题线性松弛的最优解. 最后, 将列生成同分支—定界相结合, 即分支—定价算法, 以获取原问题的整数最优解. 对某钢铁企业的实际生产数据扩展的随机算例进行仿真实验, 结果显示所提出的算法能够在合理计算时间内获得最优解或次优解. 相似文献
10.