基于免疫算法與分散搜索的鋼鐵生產(chǎn)調(diào)度研究.pdf

1、生產(chǎn)調(diào)度是制造企業(yè)生產(chǎn)管理的關(guān)鍵,科學(xué)的制定和執(zhí)行生產(chǎn)調(diào)度方案對(duì)提升產(chǎn)品質(zhì)量,縮短生產(chǎn)周期,減少在制品庫(kù)存,降低物耗和能耗,降低生產(chǎn)成本,提高企業(yè)競(jìng)爭(zhēng)力有著極其重要的意義。鋼鐵生產(chǎn)調(diào)度是生產(chǎn)調(diào)度理論在鋼鐵行業(yè)特殊環(huán)境中的應(yīng)用,需綜合考慮鋼鐵工藝生產(chǎn)要求、計(jì)算機(jī)系統(tǒng)和管理方法,以通過(guò)建立合理的調(diào)度模型快速排定調(diào)度方案,使之成為鋼鐵生產(chǎn)過(guò)程的輔助決策工具。
　　 免疫算法(IA)與分散搜索(SS)都是基于種群的進(jìn)化算法,具有很強(qiáng)的全

2、局搜索能力,但在進(jìn)化機(jī)制和搜索策略上有許多不同之處。本文主要以鋼鐵生產(chǎn)調(diào)度為背景,針對(duì)各問(wèn)題的生產(chǎn)工藝流程及工藝約束,分析其調(diào)度需求,建立調(diào)度模型,然后根據(jù)不同問(wèn)題的特點(diǎn),選擇適合的算法,并結(jié)合其他策略,設(shè)計(jì)求解該問(wèn)題的優(yōu)化算法,通過(guò)應(yīng)用工業(yè)生產(chǎn)數(shù)據(jù)來(lái)驗(yàn)證算法的有效性。從而為實(shí)際鋼鐵生產(chǎn)提供有效的調(diào)度方案,為鋼鐵生產(chǎn)調(diào)度技術(shù)的進(jìn)一步發(fā)展提供理論基礎(chǔ)。本文取得的主要研究成果為:
　　 首先,本文研究了面向成本的流水作業(yè)(Flows

3、hop)調(diào)度問(wèn)題。將經(jīng)濟(jì)指標(biāo)融入Flowshop調(diào)度問(wèn)題中,提出一種面向成本的Flowshop調(diào)度問(wèn)題的混合整數(shù)規(guī)劃模型。該模型綜合考慮了影響調(diào)度決策的各種加權(quán)指標(biāo),如生產(chǎn)切換費(fèi)用、機(jī)器空閑造成的損失、工件提前/拖期完工造成的損失等?；诿庖哌M(jìn)化機(jī)制,在免疫算法框架中引入一種自適應(yīng)禁忌搜索(ATS)對(duì)種群進(jìn)行局部改進(jìn),提出了一種新的免疫算法(IA-ATS)求解該問(wèn)題。算法充分利用免疫算法的全局尋優(yōu)能力,并結(jié)合了禁忌搜索的局部尋優(yōu)能力,不

4、同規(guī)模的仿真算例驗(yàn)證了該模型的可行性及算法的有效性。
　　 其次,針對(duì)鋼鐵制造過(guò)程中的煉鋼-連鑄調(diào)度問(wèn)題,以控制連續(xù)澆鑄及爐次在工序間等待為約束,以總加工流程時(shí)間為目標(biāo)函數(shù),建立了該問(wèn)題的混合Flowshop調(diào)度模型。利用IA-ATS算法求解該問(wèn)題,針對(duì)煉鋼-連鑄調(diào)度問(wèn)題的求解復(fù)雜性,設(shè)計(jì)了一種新的抗體編碼方案,并利用時(shí)間倒推法與線性規(guī)劃結(jié)合的生產(chǎn)作業(yè)編排方法求解抗體的親和度。實(shí)驗(yàn)結(jié)果表明該算法是一種有效的煉鋼-連鑄生產(chǎn)調(diào)度優(yōu)化

5、方法,能夠編制出實(shí)現(xiàn)連澆的可執(zhí)行的煉鋼作業(yè)計(jì)劃,并且可以降低爐次在各工序間等待造成的損失,減小總加工流程時(shí)間,從而達(dá)到降低企業(yè)運(yùn)行成本、增加企業(yè)盈利的目的。
　　 再次,研究了鋼鐵企業(yè)中的熱軋生產(chǎn)調(diào)度問(wèn)題。根據(jù)熱軋生產(chǎn)過(guò)程中的各種工藝約束,以降低厚度、寬度、硬度跳變引起的懲罰及滿足合同交貨期為調(diào)度目標(biāo),將熱軋生產(chǎn)調(diào)度問(wèn)題建模為獎(jiǎng)金收集的車輛路徑問(wèn)題。該模型將熱軋生產(chǎn)過(guò)程中板坯選擇與板坯排序結(jié)合起來(lái),綜合考慮了軋輥的更換成本以及客

6、戶服務(wù)水平等指標(biāo)?；诜稚⑺阉鳌胺稚?收斂集聚”的進(jìn)化機(jī)制,在分散搜索算法框架中嵌入極值優(yōu)化算法以提高算法局部搜索能力,提出了一種新的分散搜索算法(SS-IEO)求解該問(wèn)題。利用實(shí)際生產(chǎn)數(shù)據(jù)對(duì)算法進(jìn)行驗(yàn)證,仿真結(jié)果表明SS-IEO算法雖然不能保證取得全局最優(yōu)解,但是能夠在合理的運(yùn)算時(shí)間內(nèi)求得比較滿意的調(diào)度方案。
　　 最后,研究了鋼鐵企業(yè)中的冷軋平整機(jī)批量軋制調(diào)度問(wèn)題。冷軋平整機(jī)生產(chǎn)過(guò)程中,不同薄鋼板需要不同的表面粗糙度的軋輥下

7、處理,而軋輥的表面粗糙度參數(shù)隨著軋制過(guò)程的進(jìn)行將不斷的衰減,且衰減的動(dòng)態(tài)過(guò)程又與軋件的調(diào)度次序密切相關(guān)。針對(duì)冷軋平整機(jī)軋件與軋輥參數(shù)耦合的特點(diǎn),建立了設(shè)備參數(shù)動(dòng)態(tài)變化下調(diào)度的數(shù)學(xué)模型。以軋輥磨損函數(shù)為切入點(diǎn),通過(guò)對(duì)軋輥磨損曲線的分段線性簡(jiǎn)化,將復(fù)雜的調(diào)度問(wèn)題分解為三個(gè)子問(wèn)題,即聚類問(wèn)題、K-最短路徑問(wèn)題(K-CSPP)、多級(jí)最短路徑問(wèn)題。開發(fā)了解決基于分散搜索(SS-IEO)和動(dòng)態(tài)規(guī)劃(DP)相結(jié)合的混合策略,首先根據(jù)約束條件,將訂單分