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％.     

考虑倒垛因素的轧制计划编制方法

在给定粗轧制计划的基础上考虑钢坯库倒垛优化, 编制详细的轧制计划; 建立以最小化轧制计划内钢坯出 库总倒垛次数与轧制单元之间切换机架次数为目标的多目标整数规划模型; 针对模型特征, 设计一种基于钢坯匹配的单亲遗传算法. 通过基于实际生产数据的实验验证, 相对于传统的手工计算方法, 所提出的算法在优化倒垛次数和切换机架次数上平均提升20 %, 算法和模型是可行且有效的.     

集装箱堆场预倒箱问题的混合优化算法

堆场出口箱区通常通过集装箱的预倒箱操作来提高后续装船作业的效率. 为此, 开发了由邻域搜索算法与整数规划算法组成的两阶段混合算法对预倒箱问题进行优化, 第1 阶段通过启发式规则压缩末终堆存状态空间, 第2 阶段通过整数规划算法缩短第1 阶段得到的预倒箱序列的长度. 两个阶段循环交替进行以快速求得最优的预倒箱序列. 借助不同种类仿真算例的实验结果及与现有研究方法下所得结果的对比, 验证了混合优化算法的有效性和实用性.     

汽车装配车间生产计划与调度的同时优化方法

文中提出三种新方法来解决汽车装配车间生产计划与调度的同时优化问题.首先将汽车装配线简化为一个Flow shop问题,并建立其混合整数规划模型,以求得使各装配工位的准备成本和空闲时间尽可能少并尽可能满足产品需求的粗生产计划.然后在粗生产计划的基础上考虑装配线的细节,用Tabu搜索法与快速调度仿真相结合的三种不同启发式算法使生产计划与调度同时得到优化,并给出了三种算法的复杂性.大量算例的比较研究表明了这些算法的有效性和适用性.     

有界整数规划问题的DNA计算

基于生化反应原理的DNA计算具有强大的并行运算能力,对于解决NP完全问题上具有硅计算机无法比拟的优势,因此对DNA计算的研究具有重要意义.基于荧光标记的策略,提出了约束方程变量分解的概念,通过将约束方程进行分解和增加约束补链的方法,解决了有界整数规划问题.利用荧光猝灭技术,基于DNA计算的新算法具有编码简单和错误率低的特点.     

一类最优交通小区划分问题的一阶邻接约束建模方法

提出一种使用邻接矩阵保证最优交通小区划分一阶邻接约束的整数规划建模方法。从求解复杂度和质量两个角度,比较并分析了该邻接约束建模方法与其他3种方法对问题求解效率的影响。设计了聚合式层次聚类启发算法以求解所提出的模型。针对较大规模算例,将所提出的建模方法与其他3种邻接约束建模方法的结果进行了对比与分析。结果表明,基于邻接矩阵表示的建模方法能在允许时间内求得满意解,较其他3种方法更适合大规模问题。     

兼顾负荷变化的裂解炉炉群调度建模与优化

裂解炉是乙烯生产的核心装置,工业生产乙烯通常采用多台裂解炉并行运行,将烃类原料裂解成乙烯等小分子烃类化合物。在裂解炉的运行过程中会不可避免的在炉管内壁产生结焦,从而导致乙烯产率的下降,为此需要对裂解炉进行定期的停炉清焦。当多台裂解炉同时处理多种不同类型的原料,而且在操作成本和产品收率都在不断变化的情况下,对裂解炉炉群进行优化调度以取得生产利润的最大化具有重要意义。针对乙烯裂解炉炉群调度建模与优化问题,提出了一个同时考虑原料及其进料量负荷的新的调度模型,克服了之前炉群调度仅针对原料选择、裂解炉负荷依赖人工设定的不足,优化后使裂解炉炉群的生产效益得到提高,为工厂合理地安排生产提供了理论依据。     

钢铁企业板坯动态分配问题的建模与分散搜索算法求解

板坯动态分配问题是在一定周期内, 将炼钢-连铸工序动态产出的余材板坯合理分配给期货合同、潜在合同或自拟合同, 使加权费用和最小. 对该问题建立0-1 整数规划模型, 针对问题的NP- 难求解性, 设计基于多邻域的分散搜索算法对问题近似求解, 并加入随机策略防止算法陷入局部最优. 分别采用模拟数据和实际数据进行测试, 所提出的算法与商业软件CPLEX 相比, 可在较短时间内获得近优解, 在解的质量和计算时间方面均优于人工方法.     

CDMA有限精度序列解相关NP-hard问题的求解方法

该文首先分析了应用有限精度序列为解相关矩阵序列的解相关接收机,将有限精度解相关的多用户检测问题归约为线性约束整数优化问题,同时证明此问题为NP－hard问题。然后给出了用于寻找最优有限精度序列即求解此NP－hard问题的算法。结果说明,最优有限精度解相关器的性能甚至在大的信道占用时较无限精度解相关多用户检测器下降很小。     

一种基于蚁群的电动汽车充电调度优化方法

电动汽车的快速发展为人们的生活出行及物流运输带来了诸多便利,但是其存在因为电量不足而导致续驶里程短的问题。文中提出了一种基于蚁群的电动汽车充电调度优化方法,来增加电动汽车的续航里程。首先,运用库仑计数法计算电动汽车的电池余量,同时根据道路交通状况计算电动汽车的行驶能耗。其次,建立相应的0-1整数规划模型,运用基于蚁群的路径规划算法来实现车辆调度并优化电动汽车充电路径。根据具体的选择策略规划电动车的行驶路径,更新路径上的信息素,通过不断迭代获得全局最优解和最优路径。仿真结果表明,与其他优化算法相比,所提优化方法能够有效降低行车过程中电量耗尽的概率,为电动汽车提供准确的行驶路径,可有效增加电动汽车的续驶里程。     

连铸-轧制生产中带有批决策的排序问题的建模与优化方法

以长材产线为背景, 研究了炉次在连铸及轧制阶段的组批及批排序问题. 与以往将连铸、轧制分开研究不同, 本文同时考虑连铸和轧制阶段对组批及批排序的要求, 还考虑了下游工序精整机组负荷均衡生产的要求. 为该问题建立了新的混合整数规划(Mixed integer programming, MIP) 模型. 由于问题的NP-hard 属性和模型的大规模特征, 以及工业应用的实际要求, 本文提出了改进的分散搜索(Scatter search, SS) 算法用于求解该问题. 在改进的SS 算法中, 利用解的相关性质来限制搜索空间, 并将变邻域搜索策略引入, 从而结合解的多样性及邻域互补性特点, 充分发挥算法混合的优势. 实际数据的计算结果验证了改进SS 算法的有效性.     

基于单纯形法和局部枚举解混合整数线性规划问题

提出了一种基于单纯形法和局部枚举求解整数线性规划问题的新方法。它通过单纯形法得到松弛问题的最优解并确定变量以及目标函数取值范围,然后基于目标函数,进行局部枚举,从而得到其整数线性规划问题的最优解,与现有方法比较,新解法简单,计算量少,尤其是对于大规模整数线性规划问题,计算量少体现地更明显。     

化工工业多品种成批轮番生产的集成分批与调度

针对化工工业流程式多品种成批轮番生产集成分批与调度问题,分析多阶段、共享设备、物料输入输出变动转化率、库存限制和品种切换调整时间的工艺特点,建立连续时间表示的混合整数线性规划模型,提出二维粒子群优化算法。设计粒子编码为生产设备的加工状态,通过有效的解码程序将粒子解释为分批和调度。算法采用收缩算子提高局部求精能力,并引入发散算子和速度扰动策略保持种群的多样性。实验结果表明了所提出的算法具有良好的性能。