摘要：浇次不固定的炼钢连铸调度问题(Cast uncertain steelmaking continuous casting scheduling problem,CU_CCSP)广泛存在于钢铁生产行业中。该问题对应炼铁、精炼和连铸三个连续生产阶段,其中炼铁和精炼阶段为带运输时间的混合流水线调度子问题,连铸阶段为带独立设置时间的复杂并行机调度子问题,且两个子问题相互耦合。针对该问题,建立优化目标为最小化最大完工时间和平均等待时间加权和的排序模型,并提出一种协同进化交叉熵算法(Co-evolution cross-entropy optimization algorithm,CCOA)进行求解。设计前后子问题两段式编码和双向解码的策略,并采用启发式规则和随机方式初始化种群,以确保初始解的质量和分散性。在算法全局搜索阶段,采用分别对应前后子问题的双概率分布协同学习和积累优质解信息,并在采样概率分布生成新个体时引入考虑子问题耦合的模糊关系矩阵对概率分布取值进行适当调整,以增强算法较快到达优质解区域的能力,同时设计种群分裂机制来提高算法的引导性并扩大搜索范围。为提高算法的局部搜索能力,对分裂后的双种群中个体执行基于interchange和insert邻域操作的协同搜索,进而对当前历史最优解执行结合SWAP邻域快速评价的变邻域搜索,可增加算法在解空间中多个优质区域的搜索深度。仿真试验和算法比较验证了所提算法的有效性。

摘要：针对加工时间不确定的炼钢连铸生产调度问题,一方面考虑炉次精炼时间是运输时间和等待时间的线性增函数,并考虑分时电价,提出基于关键炉次的左右混合调整方法对各炉次精炼时间进行调整;另一方面,考虑炉次在各阶段的基本加工时间和连铸机最早开浇时间可在一定范围内选择,提出一种串级交叉熵算法进行求解.设计了不同的仿真实例,并将串级交叉熵算法与改进自适应遗传算法进行比较,验证了所提出算法的优越性.

摘要：针对炼钢连铸生产多缓冲多约束的特点,基于浇次调度提出一种混合启发式规则与文化基因算法的调度方法。建立了炼钢连铸生产调度模型,提炼出有限、无限和可加工三类缓冲区。提出浇次内和浇次间两种启发式规则,通过缓冲区分配和定时来保证同一浇次内的生产顺行和各浇次间的准备时间约束。设计了文化基因算法,将启发式规则融进初始化和解码过程,构造基于优先组合矩阵的变邻域搜索算子改进其局部优化。通过某炼钢厂的实例及随机实验表明所提方法有效,且具有优异的局部拓展与全局优化能力。

摘要：针对炼钢连铸生产调度多阶段、多并行机、多约束的特点,提出一种约束满足技术与遗传优化相结合的混合算法,从问题分割、解的可行性和解的较优性三个层面进行算法设计:首先利用基于逻辑的Benders分解法将原问题简化为约束相对较少的主/子问题;再利用约束满足技术设定主问题求解规则、子问题解的生成条件、冲突识别方法与冲突消解策略,以保证所求解可行;最后采用遗传算法的迭代进化,完成所求解的收敛。相关实例证实了所研制算法的有效性,从单/双/多工序时间变化分析其对算法运行时间、不可行解总数、冲突消解能力的影响,并得出线性回归方程,利用近优性检验验证了算法的近优性。

摘要：根据炼钢连铸的高温要求,建立了缓冲区数量和时间受限的带约束的调度模型。除连续浇铸外,模型还考虑了浇铸前可滞留时间受限,将更换中间包时间要求作为硬性约束,以确保钢胚的质量。在算法设计上,采用多种邻域搜索方式结合的离散人工蜂群算法,并加入未改进计数来标明解的状态和搜索方式的转换,从而加快对优质解的邻域搜索。通过对某炼钢厂生产实例以及随机生成的若干组实例的测试结果验证了算法对求解炼钢连铸生产调度问题的有效性。

摘要：将炼钢连铸生产过程抽象为混合流水车间,建立了0-1型混合整数线性规划调度模型。模型将严格连续浇注作为等式约束,并通过分段惩罚来平衡炉次的驻留时间。在对模型进行Benders分解的基础上,提出了将GA与LP结合的两阶段遗传算法。在算法设计中,提出了一种新的染色体编码来表示炉次设备指派与排序方案,给出了相应的遗传操作方法。算法的第一阶段通过最小化设备析取冲突来寻找高质量的种群,第二阶段通过求解线性规划模型来指导遗传算法的迭代过程。基于生产实际数据的仿真实验表明,该算法能够有效求解炼钢连铸生产调度问题。

摘要：炼钢连铸是钢铁制造的核心环节,多阶段、多约束及多缓冲的特性决定其生产调度的复杂性,研究高效稳定的生产调度方法有益于提升生产效率、减少能耗和降低成本。基于浇次间-浇次内两层分解,建立了基于单元特定事件连续时间的数学规划模型,并提出相应的算法进行求解。在浇次内,根据约束满足要求,提出与工艺时间相关的浇次内最大炉次数限制条件。在浇次序列求解中,根据问题特性设计了一种改进遗传算法,算法通过加入自适应遗传算子和基于邻域搜索的变异操作,以提高搜索性能。最后通过实际算例,验证了算法在复杂问题中的有效性和优越性。

摘要：炼钢连铸过程中经常出现新炉次插入的情况,需要对其进行动态调度。一方面要尽量维持初始调度方案的现状,另一方面又要在总完工时间最短的条件下安排新炉次生产。因此,动态调度比静态调更具复杂性。针对上述问题,考虑实际生产中的工艺约束,设计了一种改进的回溯算法。算法的基本思想是采用约束满足回溯算法进行变量选择和值选择,选择规则均采用启发式规则设计,在变量选择过程中嵌入前看(look-ahead)策略进行预处理,减小解的搜索空间,在值选择过程中嵌入回看(look-back)策略进行回溯。利用实际生产数据对上述动态调度方法进行验证,结果显示了此方法的有效性。

摘要：将炼钢连铸生产调度问题抽象为混和流水车间调度,建立了0-1型混合整数线性规划模型,并提出了一种遗传和线性规划相结合的求解方法。该模型通过优化钢水传搁时间来满足钢水的温度要求,通过最小化浇次开浇提前/拖期惩罚来协调连铸与热轧间的生产节奏。在算法设计中,给出了一种染色体编码来表示炉次设备指派与炉次在设备上的加工顺序方案,并探讨了相应的遗传操作。最后,仿真实验的结果表明了该算法的有效性。

摘要：针对炼钢连铸动态调度问题,建立了问题的优化模型,设计了约束满足求解算法并分析了算法复杂度,开发了炼钢连铸动态调度的人机交互系统。当生产过程中的扰动事件发生时,系统能够通过人机交互并结合优化模型和多项式时间复杂度的算法获得可行且与原调度尽量一致的新调度方案,以确保动态调度前后整个生产过程的连续性和稳定性。