求解加热炉调度的改进修复式约束满足算法

针对钢铁生产中加热炉调度问题,考虑炉容受限的情况,以最小化板坯的Makespan和最小化总在炉加工时间为目标建立问题的多目标优化模型,将其归结为多旅行商问题。针对问题的NP-难特性,提出一种改进的修复式约束满足算法求解。松弛炉容约束得到初始调度,在检测冲突变量并构造冲突板坯的可替换加热炉集合的基础上,以开工时间偏移最小规则为冲突板坯重新指派加热炉,得到可行的调度方案。数据实验验证了模型和算法的可行性和有效性。     

炼钢机器故障下炼钢-连铸调度DCSP建模与算法

针对机器故障下的炼钢-连铸动态调度问题,基于动态约束满足技术开发了能够灵活反映各种动态因素的建模机制。从变量、值域和约束三个角度将生产过程中的机器故障的影响映射为约束满足模型的动态变化;提出了重调度前后调度方案在时间安排和机器指派上的一致性度量方法,以满足不同炉次对时间和机器一致性的不同要求;将机器故障扰动按影响程度分为3个层级,建立了故障扰动与约束满足调度模型间的映射关系。根据炼钢、精炼阶段的机器故障扰动程度,制定不同的求解策略,并为机器指派变量赋值;基于约束传播技术,通过调整开工时间和柔性加工时间分步消解时间约束冲突。仿真实验表明,提出的模型和算法是可行和有效的。     

基于约束满足方法求解炼钢—连铸生产调度问题

针对各阶段均有并行机的炼钢—连铸生产调度问题,建立了问题的约束满足模型．通过分析炼钢—连铸调度问题特点,将其归结为最小化操作开工时间偏移的调度问题．在求解过程中,首先用变量选择和值选择启发式方法构造时间可行的初始调度,然后应用冲突检查算法检测资源冲突，基于回跳的后向修剪组合算法修复冲突,直至得到一个一致性的最终解．数据实验表明本文提出的方法是有效的.     

等待时间受限Flowshop调度的HGA算法

针对等待时间受限的Flowshop调度问题,提出嵌入约束满足和变邻域搜索技术的混合遗传算法。该算法基于约束满足思想,通过递归回溯和约束传播修复工件的开工时间,以解消工件在相邻阶段的等待时间受限冲突,根据回溯工件的位置信息设计相应的交叉算子和变异算子,利用变邻域搜索技术增强算法的收敛性。仿真实验表明该混合遗传算法的有效性,并分析等待时间上限对目标值的影响。     

面向炼钢—连铸调度过程的两阶段优化模型与算法

以某钢厂多台转炉及多台精炼炉对多台连铸机的复杂生产线为研究对象,针对其调度过程涉及多设备、多目标、多约束等调度要素,且离散和连续变量混杂,采用常规建模方法难以满足现场对调度的精度及排产速度的需求问题,提出一种新型的两阶段优化建模方法.首先,证明了炉次从炼钢到连铸总等待时间最小的调度目标与该炉次在转炉开始作业时间最大是等价的事实,并以离散型的设备变量为决策变量,以转炉开始作业时间最大为动态规划最优指标,建立设备指派多阶段动态规划基本方程和设备指派优化模型;然后,以炉次在设备开始作业时间的连续型变量为决策变量,并将准时开浇的非线性调度指标转化成与之等价的线性优化目标,以在同一台连铸机上浇铸的炉次之间断浇的时间间隔最小、钢包在设备之间的冗余等待时间最小、提前与滞后理想开浇时间的时间间隔最小为目标,建立线性规划冲突解消模型.工业实验表明所提出两阶段优化建模方法在求解速度与求解精度均满足现场要求.     

钢铁企业生产能力平衡模型及启发式算法

针对钢铁企业生产能力平衡配置问题,建立了非线性数学模型,形式化地描述了钢铁产品对资源和能力的竞合关系,提出了平衡下的多个优化目标。针对问题的模型及其特点,提出了基于约束满足技术的启发式算法,算法通过优化目标指导变量排序,在变量赋值过程中采用约束传播和回溯技术,缩减变量值域、解消约束冲突,提高了计算效率。基于企业实际生产数据的仿真实验结果验证了模型和算法的有效性。     

强时间约束条件下的调度优化算法

强时间约束是指控制数据流图CDFG的延迟时间无法满足的时间约束。为了使CDFG的延迟时间能够满足强时间约束,本文提出了对CDFG的优化(压缩)算法。该算法根据操作的结合律和兮配律,在满足硬件资源约束的条件下,将CDFG关键路径上的操作转换到相关的非关键路径上去,使关键路径上的操作个数减少(即CDFG的延迟时间减少),从而使CDFG的延迟时间满足强时间约束。该算法在不改变CDFG语义的前题下,重新安排CDFG中的各个操作,尽量减少关键路径上的操作个数。该算法已经加入到我们所完成的DBS调度算法的控制策略中,使得DBS调度算法能够在强时间约束条件下进行调度。     

一种基于图分割的动态回溯算法

动态回溯算法在进行回溯时保留所有已赋值变量的值,从而可能与后面赋值的变量产生冲突,其在解决不具有明显子问题结构的约束满足问题时效率较低。为此,将图分割技术应用于动态回溯,通过图分割将变量分为若干集合,当发生回溯时,不保留全部变量的值,舍弃那些与引起冲突的变量在同一集合变量中的值。实验结果表明,该算法在求解没有明显子问题结构的约束满足问题时具有较高的效率。     

炼钢-连铸中作业时间冲突的协调优化方法

炼钢-连铸生产过程中可能因时间扰动导致调度过程出现时间冲突,动态调度后会使得连铸过程出现断浇,从而需要进行拉速与调度的协调优化。针对这2个问题,以断浇时间最小,冗余等待时间最小,连铸机拉速调整时间最小和拉速调整尽量平缓为目标,以生产工艺要求为约束建立数学模型。将模型分为2个部分求解:上层动态调度和连铸机拉速调整。调度部分通过求解简单的线性规划问题可得,拉速优化部分利用极大值原理求得精确解,从实验结果看出该协调优化方法的有效性和优越性。     

约束满足混合算法求解并行机Job-Shop调度问题

分析并行机Job-Shop调度问题的特点并建立其约束满足优化模型,结合约束满足与变邻域搜索技术设计了一个求解该问题的混合优化算法。该算法采用变量排序方法和值排序方法选择变量并赋值,利用回溯和约束传播消解资源冲突,生成初始可行调度,然后应用局部搜索技术增强收敛性,并通过结合问题特点设计的邻域结构的多样性提高求解质量。数据实验表明,提出的算法与其他两种算法相比,具有一定的可行性和有效性。     

基于约束满足的热轧批量计划模型与算法

将热轧批量计划问题作为一个约束满足问题处理,建立不确定计划数的VRPSTw约束满足模型．在求解过程中．先用约束满足的一致性技术过滤变量的值域,收缩搜索空间;然后用变量选择和值选择构造轧制计划的解．为变量赋值之后,实施约束传播,保证每块板坯只被访问一次并动态禁止子回路．在已有的解的基础上,应用基于禁忌的k-opt互换改进解的质量．数据实验证明模型和算法是有效的．     

基于人机交互的炼钢连铸动态调度*

针对炼钢连铸动态调度问题,建立了问题的优化模型、设计了约束满足求解算法并分析了算法复杂度、开发了炼钢连铸动态调度的人机交互系统。当生产过程中的扰动事件发生时,系统能够通过人机交互并结合优化模型和多项式时间复杂度的算法获得可行且与原调度尽量一致的新调度方案,以确保动态调度前后整个生产过程的连续性和稳定性。     

Solving quantified constraint satisfaction problems with value selection rules

Solving a quantified constraint satisfaction problem (QCSP) is usually a hard task due to its computational complexity. Exact algorithms play an important role in solving this problem, among which backtrack algorithms are effective. In a backtrack algorithm, an important step is assigning a variable by a chosen value when exploiting a branch, and thus a good value selection rule may speed up greatly. In this paper, we propose two value selection rules for existentially and universally quantified variables, respectively, to avoid unnecessary searching. The rule for universally quantified variables is prior to trying failure values in previous branches, and the rule for existentially quantified variables selects the promising values first. Two rules are integrated into the state-of-the-art QCSP solver, i.e., QCSPSolve, which is an exact solver based on backtracking. We perform a number of experiments to evaluate improvements brought by our rules. From computational results, we can conclude that the new value selection rules speed up the solver by 5 times on average and 30 times at most. We also show both rules perform well particularly on instances with existentially and universally quantified variables occurring alternatively.     

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.     

基于实例化次数的约束求解方法研究

启发式是约束满足问题领域的重要研究课题,有效的启发式方法可以极大地提高问题的求解效率.在求解约束满足问题时,发现变量实例化失败次数与值实例化成功次数反映了变量和值与已实例化集合之间的关系,将实例化次数加以利用可以对问题求解效率有很大的影响.据此,提出了实例化次数的权值统计方法,并将其与现有启发式方法相结合,提出了实例化次数启发式及其相应的约束求解算法MAC_Try,并证明了其在一个分支上的最坏时间复杂度是O(ned3).大量实验结果表明,新的MAC_Try方法在求解效率上明显优于国际上流行的MAC3rm方法.     

加工时间可控的炼钢调度问题两阶段模型及优化算法

炼钢-精炼-连铸是钢铁产品的关键生产工序,其有效的调度对生产过程中减少热能消耗、提高生产效率具有重要意义.根据生产过程中工序加工时间可控性和主要工艺约束提出了分散搜索(scattcr scarch,SS)算法和数学规划相结合的两阶段求解算法.第1阶段应用SS算法基于各阶段正常的加工时间,确定炼钢-精炼生产阶段各设备的加工炉次集和各炉次的加工顺序.第2阶段将SS求得的解转化为时间约束网络图,建立了以炉次等待设备时间和设备等待炉次时间及最大完成时间最小为调度目标,工序加工时间可控的混合整数规划模型,应用CPLEX求解模型确定各炉次的加工时间和开始时间.基于国内某钢铁企业炼钢-精炼-连铸生产过程的实绩生成了14个不同规模的测试案例,对钢厂生产实绩效果与本文两阶段求解算法的优化效果进行了对比,分析了不同等待时间权重对两阶段算法性能的影响,并与采用遗传局域搜索(gcnctic local search,GLS)算法与数学规划相结合的求解算法的优化效果进行了比较.实验结果表明本文给出的模型和两阶段求解算法对加工时间可控的炼钢-精炼-连铸调度问题的优化效果很好.     

解并行机模糊调度问题的自适应遗传算法

针对家纺企业车间调度的实际情况,建立了一种产品优先级约束的模糊车间调度模型。在模型中,完工时间和交货期都是模糊的,交货期平均满意度最大为调度目标。基于此模型,提出了一种自适应的遗传算法,该算法通过比例选择及局部搜索保证种群的优良特性,并通过自动调节变异率和交叉率的方式保证种群的多样性,有效跳出局部收敛。仿真结果表明,自适应遗传算法能有效求解,并优于免疫遗传算法。     

A three-fold approach for job shop problems: A divide-and-integrate strategy with immune algorithm

This paper presents a novel divide-and-integrate strategy based approach for solving large scale job-shop scheduling problems. The proposed approach works in three phases. First, in contrast to traditional job-shop scheduling approaches where optimization algorithms are used directly regardless of problem size, priority rules are deployed to decrease problem scale. These priority rules are developed with slack due dates and mean processing time of jobs. Thereafter, immune algorithm is applied to solve each small individual scheduling module. In last phase, integration scheme is employed to amalgamate the small modules to get gross schedule with minimum makespan. This integration is carried out in dynamic fashion by continuously checking the preceding module's machine ideal time and feasible slots (satisfying all the constraint). In this way, the proposed approach will increase the machine utilization and decrease the makespan of gross schedule. Efficacy of the proposed approach has been tested with extremely hard standard test instances of job-shop scheduling problems. Implementation results clearly show effectiveness of the proposed approach.