煉鋼連鑄批量計劃優(yōu)化模型與算法研究.pdf

1、煉鋼連鑄批量計劃是鋼鐵生產(chǎn)計劃與調(diào)度領(lǐng)域急需解決的重大關(guān)鍵問題之一，科學(xué)合理的批量計劃方案可以提高生產(chǎn)效率并降低生產(chǎn)成本。目前對煉鋼連鑄批量計劃的模型不夠精確，算法的精度與速度也需要提高?；诖?，本文在分析煉鋼連鑄生產(chǎn)工藝的基礎(chǔ)上，研究了煉鋼連鑄爐次計劃問題、澆次計劃問題、考慮板坯寬度及重量柔性的爐次計劃問題以及考慮爐次寬度柔性的澆次計劃問題。通過分析各問題的性質(zhì)，將其抽象為具有生產(chǎn)實際特征的組合優(yōu)化問題，建立了相應(yīng)的數(shù)學(xué)模型，并設(shè)計了

2、針對具體問題的混合改進交叉熵方法。最后，結(jié)合交叉熵方法及協(xié)同學(xué)中自組織概念，構(gòu)建了批量計劃自組織優(yōu)化算法。本文的創(chuàng)新之處主要體現(xiàn)在分別建立了柔性爐次計劃和柔性澆次計劃基于帶有收益的容量約束路徑問題以及廣義車輛路徑問題的模型，基于初始狀態(tài)轉(zhuǎn)移概率矩陣對交叉熵算法進行了改進以及構(gòu)建了基于競爭因子、協(xié)同算子及序參量的批量計劃自組織優(yōu)化算法。具體內(nèi)容概括如下:
　　在爐次數(shù)量未知的條件下，將所有爐次的中心訂單與該爐次中其他訂單的鋼級、寬度

3、及交貨期差異懲罰費用之和作為爐次差異懲罰，建立了爐次數(shù)量未知的爐次計劃問題旅行商模型，并通過改進交叉熵算法進行求解。改進交叉熵算法根據(jù)訂單間鋼級及寬度差異對初始交叉熵法的狀態(tài)轉(zhuǎn)移概率矩陣進行了改進，實際爐次計劃數(shù)據(jù)的仿真計算結(jié)果表明，改進的狀態(tài)轉(zhuǎn)移概率矩陣可以有效提高算法的速度與精確度。
　　為得到最優(yōu)澆次計劃，包括澆次數(shù)量及各個澆次內(nèi)爐次的選擇與排序，建立了以最小化開澆費用、爐次間連澆懲罰費用及未被選爐次懲罰費用為目標的澆次計劃

4、旅行商問題模型。利用鋼級連澆啟發(fā)式規(guī)則和根據(jù)爐次間連澆懲罰費用大小賦值的改進初始狀態(tài)轉(zhuǎn)移概率矩陣，構(gòu)建了混合啟發(fā)式-交叉熵算法。實例驗證結(jié)果表明，與交叉熵方法相比，混合啟發(fā)式-交叉熵算法能夠得到相同或更優(yōu)的最優(yōu)目標函數(shù)值，運行時間短且穩(wěn)定性更高。
　　基于帶有收益的容量約束路徑問題，建立了訂單具有柔性寬度和重量的爐次計劃模型，并通過混合改進的交叉熵法對其進行求解，通過實際生產(chǎn)數(shù)據(jù)驗證了模型與算法的有效性，通過與遺傳算法等智能算法的

5、比較，表明了算法的優(yōu)越性。
　　基于廣義車輛路徑問題，建立了爐次具有柔性寬度的澆次計劃模型，并基于局部-全局方法的思想，通過混合改進的交叉熵法和可達算法，分別獲得爐次順序以及爐次寬度，從而得到柔性澆次計劃的最優(yōu)解，實驗數(shù)據(jù)表明了本文模型及算法的有效性。
　　針對交叉熵方法存在的隨機性較大等問題，結(jié)合交叉熵法與協(xié)同學(xué)中自組織的概念，構(gòu)造了基于競爭因子、協(xié)同算子及序參量的煉鋼連鑄批量計劃自組織優(yōu)化算法。仿真實驗結(jié)果表明，競爭因子