炼钢-连铸作业计划的遗传优化模型

  从提高炼钢 连铸作业计划可执行性的角度,研究了能适应动态生产环境变化的作业计划编制方法。在考虑连铸机的连浇约束、炼钢 连铸生产工艺要求和作业时间不确定性的条件下,建立了以最小化工位作业冲突时间和尽可能早的安排连铸机开浇时间为目标的炼钢-连铸生产作业计划优化模型,并构建了一种分段实数编码和基因分区交叉操作的改良遗传算法,将其与沿生产流程时间并行倒推算法相结合形成优化算法来求解模型。某钢厂8 h的炼钢 连铸作业计划编制案例表明：建立的模型与求解算法能较好地解决炼钢-连铸作业计划的时间不确定性优化问题,可快速生成炉次间作业无冲突的优化生产作业计划。     

应用需求时间窗的柔性作业车间调度优化模型

为解决拉动式生产模式下准时交货给生产调度带来的困难,提出了一种基于"需求时间窗"的柔性作业车间调度问题优化方法.首先,根据工件的需求时间窗口,构建了一种以工件完工时间平均隶属度最大为目标函数的柔性作业车间调度问题优化模型.然后,针对模型提出并设计了一种基于多阶段混合变异的禁忌搜索算法.为增强算法收敛性,利用"逆序变异"和"基因段交换变异"找到较好的初解,在此基础上利用"基因交换变异"继续搜索优解.最后,通过在某多品种小批量生产车间的应用验证了该方法有效性.     

作业车间调度问题解的不可行性检测算法和快速修复算法

为了判别作业车间调度问题的解的可行性,提出了一种基于图论的启发式判别算法,并通过实例验证了方法的正确性.提出了普适于作业车间调度问题的快速修补新算法,可以对于作业车间调度问题的不可行解进行修正使之变成可行解.判别算法和修补算法在最不利情形下的计算复杂性均为O(n),判别算法在最有利情形下的计算复杂性为O(2 |J|+|M|).所提出的算法具有很大的灵活性,对于局部蚂蚁算法、遗传算法以及一般的作业车间调度问题均适用.     

云计算环境下冶金车间作业调度方法研究

传统的冶金车间作业调度方法无法以最小化平均完工时间和最大化客户满意度为目标,解决柔性作业车间调度问题,柔性作业车间的合理调度是提高生产效率和效益的关键,为了解决柔性作业车间调度问题求解过程中的难题,解决云计算环境下冶金车间作业调度问题,提出了一种基于人工免疫算法求解柔性作业车间调度问题的方法,采用人工免疫算法进行求解,并针对标准人工免疫算法存在的不足,引入粒子群算法保持种群的多样性,避免出现局部最优解。     

用P-MA解决多目标炉次计划编制问题

针对炼钢-连铸-热轧一体化生产中的炉次计划编制问题建立了基于多目标优化的数学模型,并设计了P-MA（Pareto-basedMemeticAlgorithm）。基于多目标优化的数学模型能更好地反映炉次计划的工艺约束,可以得到多个Pareto非支配解,为一体化生产的动态协调和调整提供了更多的炉次方案,使整个生产过程具有更大的灵活性。P-MA采用SPEA2的框架并结合了基于Pareto支配性的自适应网格存档（AGA）策略来评价邻域解的质量,以确定是否接受这个新解。通过对实际生产数据的仿真实验验证了P-MA在求解多目标炉次计划编制问题上是有效的。     

基于冶炼设备故障的炼钢-连铸重调度

针对炼钢-连铸生产过程中某一冶炼设备发生故障之后的重调度问题,为保证生产的稳定性,减少重调度方案相对于初始调度方案的变化程度,以开始作业时间、作业周期和设备指派的加权差异度最小化为目标,采用数学规划方法建立了重调度模型。通过分析炼钢厂生产运行模式和生产工艺过程,提出了由基于“炉-机对应”调度策略的设备指派算法和基于工序柔性缓冲调控策略的时间调整算法两部分组成的重调度算法。以国内某中大型炼钢厂炼钢-连铸实际生产中经常发生的转炉设备故障或精炼炉设备故障问题为仿真案例进行研究,结果表明,调度前/后开始作业时间、作业周期与设备指派的总加权差异度分别为0.29、1.43和1.21,可有效保持重调度方案与初始调度方案的一致性,保证生产的稳定性,且求解时间均小于0.6 s,能够针对冶炼设备发生故障后的重调度问题快速给出较优的解决方案,在冶炼设备故障频发的实际生产过程中能够保证炼钢-连铸有序、稳定、高效运行。     

基于蚁群算法的炼钢-连铸作业计划编制方法

为提高炼钢-连铸作业计划编制中资源配置的有效性,提出了一种面向生产流程动态网络的自组织资源配置蚁群算法.炼钢-连铸作业计划以最小化炉次作业冲突时间和作业前等待时间、尽早安排连铸机开浇时间为目标,以连铸机连浇等工艺要求为约束条件建立模型,按生产流程网络结构的时空逆序关系设计了蚁群求解算法.利用某钢厂实际生产作业计划数据进行的算法验证结果表明:模型及算法能迅速得到高质量的可执行炼钢-连铸生产作业计划.     

炼钢—连铸区段生产调度与计算机仿真

炼钢-连铸区段的生产调度包括炉次计划、浇次计划的生成和时间、设备的分配,以及针对各种扰动的动态调整.根据钢种和规格的限制,提出了最优炉次计划模型,并采用禁忌搜索算法进行求解;根据炉次计划和连铸机连浇限制,生成浇次计划;根据炉机匹配和等待时间最小原则,生成静态调度甘特图,并对仿真过程中出现的出钢延迟提出了动态调度的策略和算法.仿真结果表明,基于模型的动态调度策略能够有效地解决出钢延迟问题.     

专用炉混装模式下作业计划优化方法

针对钢铁企业热装作业中专用炉混装作业计划编制难题,建立了一体化作业计划优化模型,并提出基于优化与简单仿真相结合的多步骤优化方法进行模型求解.在给定工艺参数情况下,提出的算法可快速给出优化的、一体化专用炉混装作业计划及冷装、热装板坯的详细作业时刻.模型给出的优化结果满足工业实际需求,作业计划具有较强的可行性及可操作性.     

两种转炉炼钢终点控制模型的比较

分析了转炉炼钢静态控制与动态控制模型的方法、作用及功能关系。针对中小型炼钢转炉检测设备受限制的现状,从建模原理、方法特点和应用效果方面对建立的基于遗传算法-神经网络混合算法(CA-BP)的转炉炼钢终点优化控制静态模型和转炉炼钢终点预测的准动态控制模型进行了比较,认为混合算法可以提高静态模型的预测效果,而准动态模型可以反映转炉冶炼的动态操作和加料过程对一次倒炉时间和终点的影响。     

Augmented Lagrangian Genetic Algorithm for Structural Optimization

This paper presents a robust hybrid genetic algorithm for optimization of space structures using the augmented Lagrangian method. An attractive characteristic of genetic algorithm is that there is no line search and the problem of computation of derivatives of the objective function and constraints is avoided. This feature of genetic algorithms is maintained in the hybrid genetic algorithm presented in this paper. Compared with the penalty function‐based genetic algorithm, only a few additional simple function evaluations are needed in the new algorithm. Furthermore, the trial and error approach for the starting penalty function coefficient and the process of arbitrary adjustments are avoided. There is no need to perform extensive numerical experiments to find a suitable value for the penalty function coefficient for each type or class of optimization problem. The algorithm is general and can be applied to a broad class of optimization problems.     

基于模糊匹配的板坯入库优化决策问题模型及求解

针对板坯入库优化决策问题,采用隶属度函数表示待入库板坯长度、宽度、厚度与各库位已存板坯对应属性的匹配程度,建立了板坯入库模型.针对问题特征,借鉴遗传算法的交叉和变异操作,设计了一种混合离散粒子群算法(DPSO-CM)进行求解.基于企业实际生产数据的仿真实验验证了模型和算法的可行性和有效性.     

Effects of Local Search Algorithms on Groundwater Remediation Optimization Using a Self-Adaptive Hybrid Genetic Algorithm

Genetic algorithms allow solution of more complex, nonlinear civil, and environmental engineering problems than traditional gradient-based approaches, but they are more computationally intensive. One way to improve algorithm performance is through inclusion of local search, creating a hybrid genetic algorithm (HGA). The inclusion of local search helps to speed up the solution process and to make the solution technique more robust. This paper focuses on the effects of different local search algorithms on the performance of two different HGAs developed in previous phases of this research, the self-adaptive hybrid genetic algorithm (SAHGA) and the enhanced SAHGA. The algorithms are tested on eight test functions from the genetic and evolutionary computation literature and a groundwater remediation design case study. The results show that the selection of the local search algorithm to be combined with the simple genetic algorithm is critical to algorithm performance. The best local search algorithm varies for different problems, but can be selected prior to solving the problem by examining the reduction in fitness standard deviation associated with each local search algorithm, and the time distribution associated to the local search algorithm.     

Application of Mix Optimization Scheduling Approach for Steelmaking-Continuous Casting Process Based on Actual Steelmaking Industry

The models, algorithms and implementation results of a computerized scheduling system were introduced for the steelmaking-continuous casting process (SCCP) of a steel plant in China. The scheduling of SCCP in this plant required that each cast plan should be processed on time, the charges in the same cast should be processed continuously on the same caster, and the waiting time of the charges which are in front of each caster cannot exceed the given threshold. At the same time, the processing time of charges cannot be conflicted mutually in the same converters or refining furnaces. Based on the research background, a hybrid optimal scheduling approach and its application were discussed. Aiming at the main equipment scheduling, an optimal scheduling method was proposed which consisted of equipment assignment algorithm based on dynamic program (DP) technique and conflict elimination algorithm based on linear program (LP) technique. The approach guarantees that the charges are continuously processed on the same caster. Meanwhile, the requirement for high temperature ladle can also be satisfied due to the ladle matching function. Numerical results demonstrate solution quality, computational efficiency, and values of the models and algorithm.     

免疫遗传算法在BP神经网络中的应用

提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.     

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.     

钢坯热轧加热炉区生产调度模型与算法

钢坯热轧加热炉区生产调度属于组合优化中的NP-complete问题.本文根据加热炉区生产特点建立了分别以生产能耗最小化和加热质量最优化为主次目标的钢坯加热炉区调度数学模型,将其归结为布尔可满足性问题,构造了采用二进制编码方式的遗传禁忌搜索算法进行求解.基于实际生产数据的模拟优化结果表明,该模型和求解方法充分满足了现场加热炉区生产调度的需求,在满足生产工艺约束的前提下,缩短了生产时间,提高了钢坯入炉温度和加热质量,与传统人工调度方法的结果相比具有更好的节能、高产效果.     

多目标多约束混合流水车间插单重调度问题研究

研究了多目标多阶段混合流水车间的紧急订单插单重调度问题,综合考虑工件批量、刀具换装时间、运输能力等约束。先以最小化订单完工时间和最小化总运输时间为双目标建立静态初始订单调度模型,再针对紧急订单插单干扰,增加最小化总加工机器偏差值目标,建立三目标重调度优化模型,并分别用NSGA-II算法与融合基于事件驱动的重调度策略和重排插单策略的NSGA-III算法对两个模型进行求解。最后,以某实际船用管类零件生产企业为案例,先对NSGA-II算法和NSGA-III算法的性能进行评估,得到NSGA-II算法更适用于解决双目标优化问题而NSGA-III算法在解决三目标优化问题时表现更优的结论,再将所建模型与所提算法应用于该企业的十组插单案例中,所得优化率接近三分之一,验证了实用性和有效性。      

Permutation-Based Elitist Genetic Algorithm for Optimization of Large-Sized Resource-Constrained Project Scheduling

The resource-constrained project scheduling problem (RCPSP) has received the attention of many researchers because its general model can be used in a wide variety of construction planning and scheduling applications. The exact procedures and priority-rule-based heuristics fail to search for the optimum solution to the RCPSP of large-sized project networks in a reasonable amount of time for successful application in practice. This paper presents a permutation-based elitist genetic algorithm for solving the problem in order to fulfill the lack of an efficient optimal solution algorithm for project networks with 60 activities or more as well as to overcome the drawback of the exact solution approaches for large-sized project networks. The proposed algorithm employs the elitist strategy to preserve the best individual solution for the next generation so the improved solution can be obtained. A random number generator that provides and examines precedence feasible individuals is developed. A serial schedule generation scheme for the permutation-based decoding is applied to generate a feasible solution to the problem. Computational experiments using a set of standard test problems are presented to demonstrate the performance and accuracy of the proposed algorithm.