炼钢连铸智能排程系统的研发与应用

炼钢连铸生产过程牵涉多个工序,是连续和离散混合的复杂系统.对宝钢股份薄板最新的炼钢连铸智能排程系统进行了详细介绍,首先阐述了炼钢连铸生产计划所涉及的相关问题及工艺约束,然后划分断点进行了模型架构的设计,并构建了流向平衡的数学模型,通过系统设计和开发,与9672系统进行了在线集成,在宝山基地得到成功应用.现场的使用情况表明,炼钢连铸智能排程系统在提高计划效率、减少调宽、提升中间包利用率等方面都有较为明显的应用效果.     

Rosenbrock 搜索与动态惯性权重粒子群混合优化算法

为了提高复杂优化问题的优化精度和鲁棒性能,提出两种将Rosenbrock搜索与动态惯性权重粒子群（DIPSO）相结合的混合算法,即＂协同＂与＂接力＂混合算法.两种算法充分利用了Rosenbrock搜索算法强大的局部搜索能力和DIPSO算法的全局寻优能力,很好地平衡了算法的全局＂探索＂与局部＂开发＂.通过4个典型基准函数的实验研究,表明了所提出的算法具有优化精度高、鲁棒性强等特点,适合于对高维多峰函数进行优化.     

基于局部搜索与混合多样性策略的多目标粒子群算法

为了提高算法的收敛性与非支配解集的多样性,提出一种基于局部搜索与混合多样性策略的多目标粒子群算法（LH-MOPSO）.该算法使用增广Lagrange乘子法对非支配解进行局部搜索以快速接近Pareto最优解;利用基于改进的Maximin适应值函数与拥挤距离的混合多样性策略对非支配解集进行维护以保留解的多样性,同时引入高斯变异算子以避免算法早熟收敛;最后针对多目标约束优化问题,给出一种有效的约束处理方法.实验研究表明该算法具有良好的优化性能.     

Pareto最大最小蚂蚁算法及其在热轧批量计划优化中的应用

针对双目标旅行商问题提出了基于Pareto概念的最大最小蚂蚁算法(P--MMAS). 通过重新设计状态转移策略、信息素更新策略及局部搜索策略, 同时引入基于自适应网格的多样性保持策略与信息素平滑机制, 使算法能够快速搜索到在目标空间上均匀分布的近似Pareto前端. 通过在6个标准测试函数上的实验及在热轧批量计划优化中的应用, 表明P--MMAS具有良好的优化性能及实用性.     

带局部搜索的NSGA Ⅱ算法在负荷分配中的应用

为了改善NSGAⅡ算法的收敛性能,将局部搜索的思想融入到NSGAⅡ中,提出一种带局部搜索的NSGAⅡ算法(NSGAⅡ-LS).该算法采用基于惩罚的边界插入法(PBI)产生局部搜索的优化函数,并使用序列二次规划方法(SQP)进行求解.通过在3个多目标标准测试函数上的仿真实验,结果表明相对于NSGAⅡ,NSGAⅡ-LS具有更好的收敛性能.最后将NSGAⅡ-LS应用到带钢热连轧负荷分配优化计算中,给出了兼顾轧制力平衡、最低轧制功率和优良板形的目标函数表达式,对多目标进化算法在热轧负荷分配优化计算中的应用进行研究,指出了目标之间的冲突关系.     

外购板坯设计问题的优化模型及算法

针对外购板坯规格已知、合同质量需求为区间值、考虑工艺路线约束的板坯设计问题,建立了最小化总余材量的线性混合整数规划(MILP)模型,并提出了一种基于MILP的启发式算法,将大规模板坯设计问题分解成多个小规模MILP问题,使之易于优化求解。算法兼顾了启发式算法的快速性及MILP的最优性,能在较短的时间内得到近优解。现场数据测试表明该模型和算法具有良好的优化性能和实用性。