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．     

用于编制热轧生产流程的新型Meta-heuristic算法

带钢热轧具有特殊的生产工艺约束, 其生产流程的编制是钢铁企业生产的关键, 因此提出采用并行策略的基于多旅行商问题(MTSP)热轧轧制模型. 该模型不但考虑了板坯在宽度、厚度和硬度跳变时的约束, 还考虑了同一轧制单元内轧制板坯数量的约束. 并设计了新的Meta-heuristics算法求解此模型. 通过对某热轧带钢厂生产数据的仿真实验,表明模型和算法能有效地给出满意的排产结果, 并且具有较高的执行效率.     

基于混合遗传算法的热轧生产调度优化方法

热轧生产调度是一个复杂的约束组合优化问题,其生产约束包括连续轧制板坯的宽度、厚度和硬度跳变要求,轧制单元的最大长度,产品库存及交货期等.基于多旅行商模型,建立了热轧生产批量调度问题的优化模型,并提出一种混合遗传算法(遗传算法、局部搜索)求解该问题.通过应用串行边重组和并行边重组的遗传交叉算子,算法在优化过程中可以很好地处理调度约束.针对工业数据的仿真结果证明该调度模型和混合遗传算法的并行求解策略可以有效地解决热轧生产批量调度问题.     

基于混合遗传算法的热轧生产调度优化方法

热轧生产调度是一个复杂的约束组合优化问题，其生产约束包括连续轧制板坯的宽度、厚度和硬度跳变要求，轧制单元的最大长度，产品库存及交货期等。基于多旅行商模型，建立了热轧生产批量调度问题的优化模型，并提出一种混合遗传算法（遗传算法、局部搜索）求解该问题。通过应用串行边重组和并行边重组的遗传交叉算子，算法在优化过程中可以很好地处理调度约束。针对工业数据的仿真结果证明该调度模型和混合遗传算法的并行求解策略可以有效地解决热轧生产批量调度问题。     

基于混合离散免疫算法的轧制计划编排

为了保证轧制调度计划的可行性,提高排程的效率,根据热轧生产模式和轧制计划的特点,利用车辆路径问题模型来建模轧制调度问题,并用一种基于离散人工免疫算法的混合优化算法来解决这一问题。该方法利用离散人工免疫算法的全局搜索能力来寻找全局最优解,利用模拟退火方法来避免陷入局部最优．对某钢厂实际生产数据仿真结果表明,所提出的模型和算法对于求解热轧调度问题具有可行性和高效性。     

钢铁企业按订单生产模式下合同池优化

基于对钢铁企业按订单生产模式下合同月计划编制策略、约束条件和优化目标的研究,建立了合同月计划优化模型.模型以最大化编入计划的加权合同重量为优化目标,综合考虑了设备能力和合同月计划中各种产品规格、品种比例限制等约束.采用惩罚函数法将约束最优化模型转换为无约束最优化模型.设计了求解模型的向导局域搜索算法.以某钢铁企业的实际合同月计划问题作为实例,对模型和算法进行了系统地验证,计算结果表明模型和算法在优化效果和运算效率方面均优于该企业现有合同计划系统.     

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。     

热轧带钢批量计划分解算法

针对热轧带钢批量计划问题,提出基于模糊聚类和约束规划的多目标优化分解算法。算法利用模糊C均值聚类将一个轧制单元的板坯划分为若干簇,采用约束规划求解簇内板坯顺序和簇间顺序,合成各簇的解得到轧制单元批量计划。基于生产实际数据和随机数据的实验结果表明算法具有满意的计算效率和效果。     

基于遗传搜索算法热轧合同编制优化仿真研究

为解决钢铁企业多品种、小批量的热轧合同编制优化问题,针对规模大、约束复杂难以建模及求解等难点,以半旬为基本时间单位,在考虑各钢种炼钢能力、轧制能力等约束条件的基础上,建立以合同的提前期、拖期惩罚最小,各工序产能利用均衡,相邻排产合同的工艺约束惩罚费用最小以及各半旬的炼钢余材最少为优化目标的0-1非线性整数规划模型.由于所建模型具有多旅行商问题结构的特征及模型中约束条件复杂、数据规模较大,采用分段整数编码和启发式修复策略的遗传搜索算法进行求解.通过对实际生产数据进行仿真,验证了所提模型和算法的有效性,为科学合理地编制热轧合同计划提供了有效的解决方法.     

基于启发式和演化计算的热轧计划编制方法

结合宝钢热轧厂计划编制的实际情况,考虑板坯轧制区段对轧制表面等级的约束和板坯出炉温度、精轧温度、卷取温度对计划单元的影响,建立了热轧计划编制的数学模型.提出将计划单元个数预估计作为模型求解的初始步骤,采用基于启发式和演化计算结合的混合算法,将不可行个体转换为标准可行个体后再进行演化处理.仿真试验表明该热轧计划编制方法能够达到较好的应用效果.     

热轧计划中的多旅行商问题及其计算方法*

针对热轧批计划问题进行了MTSP(多旅行商问题)建模,并对该问题设计了混合遗传算法,经某大型钢厂实例数据进行了仿真测试.计算结果表明,该算法给出了较优的轧制批计划方案,解决了热轧轧制批计划的编制问题.     

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。     

Development of hybrid evolutionary algorithms for production scheduling of hot strip mill

A hot strip mill (HSM) produces hot rolled products from steel slabs, and is one of the most important production lines in a steel plant. The aim of HSM scheduling is to construct a rolling sequence that optimizes a set of given criteria under constraints. Due to the complexity in modeling the production process and optimizing the rolling sequence, the HSM scheduling is a challenging task for hot rolling production schedulers. This paper first introduces the HSM production process and requirements, and then reviews previous research on the modeling and optimization of the HSM scheduling problem. According to the practical requirements of hot rolling production, a mathematical model is formulated to describe two important scheduling sub-tasks: (1) selecting a subset of manufacturing orders and (2) generating an optimal rolling sequence from the selected manufacturing orders. Further, hybrid evolutionary algorithms with integration of genetic algorithm (GA) and extremal optimization (EO) are proposed to solve the HSM scheduling problem. Computational results on industrial data show that the proposed HSM scheduling solution can be applied in practice to provide satisfactory performance.     

冷轧生产调度模型及算法

针对冷轧生产线调度问题的复杂性, 将该问题规划为拼卷优化和轧制批量计划编制两个部分. 将拼卷优化问题归结为一个多容器装箱问题, 采用一种新的智能搜索算法——离散微分进化 (DDE) 对该问题进行求解; 对于轧制批量计划编制建立了一种特殊的双旅行商问题模型, 采用基于进化策略和邻域搜索的混合启发式方法求解模型. 最后通过上海宝钢生产实际数据对所提方法进行了试验, 试验结果显示本文给出的生产调度方法是有效的.     

具有提前ö拖期惩罚的热轧钢管批调度问题研究

建立了具有提前／拖期惩罚的热轧钢管批调度问题的混合整数非线性规划模型，提出并证明了给定合同排序下的最优组批方式，从而将原问题转化为易求解的合同排序问题．同时，建立了转化问题的数学模型并设计了遗传算法．仿真实验验证了模型和算法的有效性．     

Modeling rolling batch planning as vehicle routing problem with time windows

This paper considers the rolling batch planning problem of grouping and sequencing a given set of slabs into several rolling units in iron and steel industry. The existing mathematical methods often used for the problem are traveling salesman problem (TSP) and vehicle routing problem (VRP), but these methods are not precise, because the position limitation of some slabs in a rolling unit scheduling is not considered. Therefore we suggest a new model, vehicle routing problem with time window (VRPTW) to describe the rolling batch planning problem, in which the position limitation of slabs are quantified as the time constraints. Several solution methods including the genetic algorithm are presented for solving the problem and the computational results show that the genetic algorithm is superior to other methods.In this paper, the vehicle routing problem with time window (VRPTW) of combinational optimization is used to analyze and model the rolling batch planning problem. Genetic algorithm and heuristic are used to solve the problem. Simulation results based on the actual production data show that this model is precise and the genetic algorithm based method is very promising.     

冶铸轧一体化批量计划编制新技术

研究了钢铁企业IVIES的核心环节一冶、铸、轧一体化批量计划的编制问题,其目标是为了满足现代的热送热装工艺要求,编制出前后工序协调一致的一体化批量计划。给出了一体化计划编制的框架结构,提出基于模型控制和参数控制的两环控制策略来解决冶、铸、轧三大批量计划难以协调匹配的问题,并给出了评价一体化计划的两个重要的指标：数量和次序匹配率。以某钢铁厂的数据为例进行了数据模拟和分析,证明了该方法的有效性,对钢铁企业的计划编制具有一定的指导意义。     

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.