约束满足技术在板坯排序中的应用

热轧调度中的板坯排序问题是一类特殊的排序问题,具有约束条件复杂、NP难特点。为了简化问题,将板坯排序问题转化为一个约束满足问题处理。给出板坯排序问题的约束满足模型,设计了基于约束满足和启发式混合求解算法。用3组实际生产数据对算法性能进行验证,说明了算法的有效性。     

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。     

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.     

热轧板坯出库问题的树搜索算法

热轧板坯的出库问题是连铸-热轧生产中一个重要的组合优化问题, 然而在学术界还很少见到对该问题的研究. 对此, 提出了热轧板坯出库问题总移动次数的一个下界, 开发了一个极小化总移动次数的树搜索算法. 该算法包括一个生成初始解的贪婪算法和一个基于复合移动的递归搜索. 大量的实验和分析表明, 该树搜索算法能在较短的时间内给出板坯出库问题的满意解, 具有重要的理论意义和应用价值.

     

顺序依赖的调整时间和拖期的无缝钢管热轧批量调度算法

无缝钢管热轧生产存在一类特殊的顺序依赖机器调整时间,调整时间依赖于相邻轧制批量间的规格切换,与批量间规格呈线性函数关系.针对具有此类调整时间的热轧批量调度问题,进一步考虑交货期要求,探讨了调整时间与交货期之间的性质特征,并以最小化总机器调整时间和最小化总拖期为目标,基于进化算法框架设计了快速重排序邻域搜索多目标算法(fast reordering neighborhood search multi-objective algorithm,FRNSM).在算法初始阶段,提出规格优化规则和交货时间优化规则,对初始解进行局部优化;邻域搜索阶段设计了基于同交货时间规格优化的快速重排序邻域搜索策略,以优化机器调整时间和拖期;针对问题多目标特征,基于Pareto思想设计解的接受准则.基于实际生产数据的实验结果表明,FRNSM算法对此类问题具有很好的求解效果.     

钢铁一体化生产多目标合同计划建模与算法

为了实现热装比最大等多个优化目标,将炼钢-连铸-热轧一体化生产过程,抽象为炼钢与热轧两大加工阶段,建立了一体化生产多目标合同计划模型.以板坯热装比最大、交货提前/拖期率最小和组炉余材最少为优化目标,综合考虑了炼钢产能、热轧产能、最小主体材产量、以及钢种、板坯和成品规格等约束条件.通过变异目标空间中的重合个体,以及在每一代增加若干个新个体的方法,对非支配排序遗传算法NSGA-Ⅱ (non-dominated sorting genetic algorithm)进行了改进,提高了种群的多样性.不同规模计划问题的计算结果表明了所建立模型和对NSGA-Ⅱ算法的改进是有效的.     

考虑订单扰动因素的热轧重调度分布估计算法

热轧工序作为钢铁生产的核心环节,具有严格的生产连续性和复杂的产品工艺要求,而紧急订单的随机到达和紧急交货期要求会对生产连续性和质量稳定性产生不利影响。针对这类紧急订单插入的动态事件,提出一种热轧重调度优化方法。首先,分析了订单扰动因素对调度方案的影响,并以最小化订单拖期惩罚和板坯跳跃惩罚加权和为优化目标,建立了热轧重调度问题的数学模型。然后,设计了热轧重调度分布估计算法（EDA）。该算法针对紧急订单的插入式处理方式,提出一种基于插入位置的整数编码方案;结合模型特征设计了概率模型;并综合考虑目标与约束,定义了基于惩罚值的适应度函数。通过实际生产数据进行仿真实验,验证了模型和算法的可行性和有效性。     

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．     

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。     

并行机间歇过程生产调度的遗传局部搜索算法

研究了一类集成分批的并行机间歇过程调度问题(parallel machine batch process scheduling problem,简称PBPSP),将此问题转化为固定费用运输问题(6xed charge transportation problem,简称FCTP)后,提出了具有集中邻域搜索机制和局部最优逃逸机制的遗传局部搜索算法(genetic local search algorithm,简称GLSA).GLSA算法用先根遍历边排列模式编码生成树解,具有高效的子树补充式单点交叉操作.将基于网络单纯型方法的邻域搜索作为变异算子,并提出了连续随机节点邻域搜索的集中邻域搜索策略以及随机旋转变异与全局邻域搜索相结合的局部最优逃逸策略,极大地强化了遗传局部搜索算法的全局寻优能力.实验表明:GLSA算法获得的解质量优于基于排列编码的遗传算法和基于矩阵编码的遗传算法,得到了所有Benchmark问题的最优解,且具有高鲁棒性.针对一定规模的FCTP问题,GLSA算法比Tabu启发式搜索算法具有更高的获得最优解几率.     

结合遗传算子的改进粒子群算法#br# 在轮胎硫化车间调度中的应用

针对轮胎硫化车间生产特点,提出一种基于粒子群算法的车间调度方案。首先采用一种局部与全局搜索相结合的粒子群算法,引入局部极值概念对算法速度公式进行修改,避免算法早熟收敛。再与遗传算法融合,通过选择、交叉、变异算子进一步优化,使结果向最优值趋近。根据硫化车间特点,采用基于任务的编码方式,使生产任务与硫化机器一一对应。通过与其它优化算法在调度实例中的比较,验证了该算法的有效性和可行性。     

基于混合遗传算法的订单生产调度在机车车辆行业中的应用

机车车辆行业作为典型的面向订单的机械制造企业,优化的生产调度方法能提高订单的准时交货,缩短产品的生产周期,提高企业的市场竞争力。订单生产调度问题是典型的NP-hard问题。遗传算法(Genetic Algorithms)为求具有多个约束的复杂问题提供了有效的方法。但是遗传算法的局部搜索能力比较差,在解决订单生产调度问题中存在着明显的不足。本文引入了局部搜索能力很强的禁忌搜索算法,用遗传算法和禁忌搜索算法相结合的混合遗传算法来解决机车车辆行业中面向订单生产调度问题。     

数据立方体选择的改进遗传算法

数据立方体选择问题是一个NP完全问题。研究了利用遗传算法来解决立方体选择问题,提出了一个结合局部搜索机制的遗传算法。这一算法的核心思想在于,首先运用一个基于单位空间最大收益值的预处理算法来生成初始解,然后该初始解经结合了局部搜索机制的遗传算法进行提高。实验结果表明,该算法在寻优性能上优于启发式算法和经典遗传算法。     

钢铁生产中的加热炉优化调度算法研究

钢铁生产中的加热炉调度问题属于组合优化中的NP—hard问题．对此．建立了加热炉调度问题的数学规划模型,并提出一种用于求解该问题的超启发式算法——遗传局部搜索算法．基于生产实际数据的仿真实验表明.所提出的方法适用于生产实际．效果优于目前现场使用的人工调度方法．     

基于遗传和禁忌搜索混合算法的预制生产调度的研究

遗传算法是一种全局搜索能力较强的元启发式算法,可通过不断进化种群得到最优或近优解;但是遗传算法的局部搜索能力较差,容易发生早熟收敛问题。因此为了克服遗传算法早熟收敛的问题,考虑到禁忌搜索算法的局部搜索能力较强的优势,提出了一种遗传和禁忌搜索的混合算法解决预制生产流水车间的提前和拖期惩罚问题。该混合算法是在遗传算法每次迭代后,通过禁忌搜索改进当前种群中的最好染色体,并替换种群中适应度值最差的染色体。经实验测试表明,所提出的混合算法的性能更优,更容易得到全局最优解或近优解。     

一种基于柯氏复杂度的因果网络定向方法

针对碳限额交易机制下制造/再制造混合系统生产决策问题,以最大化总利润和最小化碳排放量为目标,考虑客户需求差异以及碳减排技术投入成本和收益的影响,建立多周期产品制造/再制造混合系统生产决策优化模型.根据模型特点,结合多种群协同进化思想,设计一个多种群混合布谷鸟算法(multi-population hybrid cuckoo search,MPHCS)进行求解.提出一种自定义偏好随机游走策略,增加优秀个体对全局搜索的影响,以优秀个体指导种群进化,实现各子种群信息共享;采用自适应公式更新步长,防止陷入局部最优;同时引入基于Logistic映射的混沌搜索,用于对MPHCS算法全局搜索发现的优质解区域进行精细搜索,提高局部搜索能力.最后通过实例仿真验证了所提出模型和算法的合理性和有效性.     

求解Job Shop调度问题的混合蚁群算法研究

为了解决单一算法求解Job Shop调度问题存在的不足，该文提出了一种混合算法，将蚁群算法用于全局搜索。针对蚁群算法易于陷入局部最优的情况，提出了一种基于关键工序的邻域搜索方法，将使用此邻域搜索方法的TS算法作为局部搜索策略。利用TS算法较强的局部搜索能力，提高了蚁群算法的优化能力，达到改善Job Shop调度问题解的质量。实验结果表明，混合算法在较短的时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法(PGA)和TSAB算法均有所提高。     

预制构件并行生产线资源配置与生产调度集成优化

并行生产线和特定工序生产资源共享模式可以显著改善客户满意度并节约成本.针对预制构件并行生产线资源配置与生产调度集成优化问题,基于分解策略和交替迭代优化思想,提出一种交替式混合果蝇-禁忌搜索算法(AHFOA＿TS)以最小化拖期惩罚费用.首先,通过快速启发式方法产生一较好初始解;然后,固定资源配置方案,为提高算法局部搜索能力,通过集成多种局部搜索方式,设计一种离散果蝇优化算法优化订单指派及调度方案;最后,固定订单指派及调度方案,为减少无效搜索次数,设计一种基于双层变异算子和精英劣解交叉策略的混合禁忌搜索算法以优化资源配置方案,如此两个阶段交替运行直至满足终止条件.此外,设计4种基于交替搜索框架的智能优化算法用于比较.计算结果表明, AHFOA＿TS算法能够更有效求解预制构件生产线资源配置和生产调度集成优化问题.     

扩散遗传算法及其应用研究

针对遗传算法在局部搜索能力方面的缺陷,提出了一种基于扩散算子的遗产算法(简称扩散遗产算法)。该算法中包含的扩散算子是变异算子,其主要作用是在遗传搜索中进行局部搜索。用扩散遗传算法和实数编码遗传算法分别训练用于解XOR问题的神经网络,对比结果表明,论文提出的算法兼具强的全局搜索能力和局部搜索能力,因此,该算法可以不借助其它局部搜索算法而单独作为神经网络训练算法,从而简化训练算法,提高训练效率。该算法对提高遗传算法搜索效率和求解精度具有重要的意义。