考虑实时库存的轧制计划调整模型及算法

在冷装工艺生产模式下,不合理的轧制计划将导致不必要的钢坯库倒垛作业,严重时甚至会造成轧制生产的延迟或中断.本文在已知轧制计划和实时钢坯库存堆放情况的前提下,对轧制计划设置了三种调整策略:轧制钢坯替换、轧制单元内钢坯轧制顺序调整以及计划钢坯取消轧制调整.基于调整策略,建立了以最小化调整惩罚及实施计划时的钢坯库倒垛次数的加权平均和为目标的数学模型,并结合问题特征设计了三阶段求解算法(THA).通过基于实际生产数据的实验验证,结果相对于原轧制计划,在满足轧制工艺规程前提下大量减少了钢坯库的倒垛次数,算法和模型是可行且有效的.     

板坯最优倒垛问题的有铲启发式算法

板坯库用于存放由炼钢－连铸工艺阶段产生的、供热轧生产阶段进一步轧制成带钢或钢板的板坯，一个板坯库中可分为多个逻辑区域，每个逻辑区域又进一步分为多个垛位。同一垛位的板坯之间是叠放的。最优倒垛问题是如何从M个相关的析以坯垛位中选择N个板坯，在满足相应的轧制单元计划所需要的板坯序列要求条件下，保证总的板坯倒垛次数最少。首先对例垛问题进行了定义，在分析了问题的领域结构基础上，构造了新的多回路启发式算法。通过精选的随机产和的200个问题例子的实验显示，提出的启发算法的性能在计算速度和最优性方面都明显优于原系统的启发式算法，在最优性方面平均改进率达到20％，在计算时间方面，可降低一半以上。新多回路启发式算法不但提高了车间作业率，也大在降低了生产过程控制机（FLS）的负荷。     

求解板坯倒垛和落位问题的分布估计算法

针对钢铁企业板坯库的板坯倒垛问题,与以往的研究不同,考虑了在倒垛过程中压在目标板坯上的障碍板坯可以不倒回原垛位的作业模式.提出采用板坯在板坯库中的移动次数来衡量板坯库的作业负荷,建立了以移动次数为优化目标的整数规划模型.在对模型的求解中设计了基于概率模型进化的分布估计算法(estimation of distribution algorithm,EDA)来确定轧制单元对应的板坯,采用基于辐射邻域的启发式算法为障碍板坯寻找最佳的落位位置.通过不同规模的数据实验,探讨了参数对算法性能的影响,确定了有效的参数组合.并与当前常用的改进遗传算法、单亲遗传算法进行对比,验证了所提算法的有效性和鲁棒性.     

混合变邻域搜索算法求解大规模电动车辆路径优化问题

基于真实的物流场景,研究了带时间窗的多车型和多循环电动车辆路径问题.建立了一个基于路径的混合整数线性规划模型,可精确求解小规模算例.提出了将变邻域搜索算法和标签算法相结合的混合启发式算法,用以求解大规模情形.该算法提出了一种带随机因子的启发式算法构造初始解,并对时间窗和里程约束进行了松弛,使用邻域算子进行变邻域搜索,使...     

热轧批量计划编制模型及其算法

针对钢铁企业生产调度中的热轧生产批量计划编制问题,建立了以提高平均单元计划轧制长度和热装比为目标的数学模型,在实际生产中两个优化目标具有不同的优先级。提出了一种两阶段变邻域搜索算法,该算法按照先优化平均单元计划轧制长度后优化热装比的顺序求解该问题。基于生产实际数据的仿真试验表明了所提出的模型和算法的有效性。     

油品配送车辆路径问题的交互式求解方法

油品配送车辆路径问题是一个多车场、多仓库、多商品、多舱位、多车型、有前序约束和时间窗,综合车辆分派、订单配载以及路径编排等决策的车辆路径问题.以两阶段启发式算法为基础,给出了求解该问题的人机交互式求解方法,即交互进行基于当前解的人工修改和启发式算法的寻优.其中包括了对初始解、搜索邻域和目标函数的人工修改,相应操作分别为修改解、局部固定解和调整惩罚乘子.     

求解N-车探险问题的离散水波优化算法

N-车探险问题是一类NP-hard离散优化问题，针对该问题，首次提出一种融合局部搜索的离散水波优化算法。结合该问题等价于置换排序的特性，设计基于置换序列的编码方式；利用反转、移动、交换等操作重新定义传播、折射和碎浪算子；开发基于插入邻域的局部搜索策略，以增强水波优化算法的局部搜索能力。最后，利用实验设计探讨关键参数对算法性能的影响。基于14个标准问题的测试结果表明：所提方法的寻优精度、稳定性等整体优于标准水波优化算法、粒子群算法、烟花算法和启发式算法H1~H4；与离散水波优化算法相比，基于禁忌搜索的变邻域搜索算法用至少66.6倍的计算时间得到了最大相对偏差比为0.017的寻优精度。结果表明，离散水波优化算法能在较短时间内获得较满意的解。     

求解多车型车辆路径问题的变邻域搜索算法

多车型车辆路径问题（FSMVRP）是车辆类型不同的车辆路径问题（VRP）,基于变邻域搜索,提出一种启发式算法VNS_FSM求解FSMVRP。该算法设计了实现变邻域搜索中的＂抖动＂和局部优化过程的邻域结构组合,同时,还提出了一种新的车型调整策略。在通用的基准测试问题的实验验证了VNS_FSM算法的有效性,并给出问题G_07-G_12的正确解。实验结果表明,VNS_FSM算法能够获得大多数测试问题的已知最好解。与已有算法相比,VNS_FSM算法性能相当或更优。     

基于生产目标的热轧过程集成控制方法的研究

在热轧生产中，加热工序和轧制工序对钢坯出炉温度及加热均匀性的要求上存在矛盾，解决该问题对加热过程和轧制过程的高度集成控制提出了较高的要求。为此采用基于生产目标的综合集成控制技术，建立了钢坯热轧过程的集成控制模型，针对能有效降低轧钢生产能耗的低温加热轧制工艺的仿真结果表明了该模型的有效性，可应用于实际的热轧生产过程。     

考虑碳排放与时空距离的冷链配送路径优化研究

针对多车型多品种的冷链多温共配问题,从汽车能耗的角度出发,提出了一种冷链多温车的碳排放计算方法,将时空距离度量融入初始路径构造中,构建了考虑碳排放与时空距离的冷链配送路径优化模型,设计了一种两阶段启发式算法进行求解.在该启发式算法中,基于k-means聚类思想,选择合适车型依照就近原则进行配送,然后改进模拟退火算法对初始路径进行优化,在传统模拟退火算法的基础上增加了记忆功能,设计了自适应的降温方式和多种邻域操作方法,最后构造多组算例验证了该算法的有效性.     

网上超市订单分配与物流配送联合优化方法

针对网上超市一地多仓环境下的订单分配与物流配送两个环节,从联合优化的视角出发,以最小化物流配送成本为目标建立了非线性混合整数规划模型,并设计了一种启发式算法进行求解.在该启发式算法中,基于缩减问题求解空间的思想,引入人工智能状态空间搜索,利用物流配送阶段影响配送成本的关键因素作为订单分配的规则,采用改进的广度优先搜索算法生成较好的订单分配方案集合.利用C-W节约算法和邻域搜索技术,在优化配送路径时调整订单分配方案.最后构造算例验证了该算法的有效性.     

求解TSP问题的最近邻域与插入混合算法

研究了求解旅行商问题(TSP)的构建型启发式算法中的最近邻域算法和插入算法的特点, 集最近邻域算法求解速度快、插入算法求解质量高的优点, 提出了一种最近邻域与插入混合算法. 分析了混合算法的合理性、复杂度及参数取值, 并分别采用以上三种算法求解了TSPLIB标准库中多个算例, 结果表明混合算法的求解速度接近最近邻域算法, 对城市数量小于1000的小规模TSP问题的求解质量与插入算法相当, 而对大规模TSP问题的求解质量明显优于插入算法.     

废弃物网络系统容量扩张模型及算法

随着城市固体废弃物产生量的增长,原有的废弃物网络系统将不能满足需求,需要新建处理站以扩张网络系统处理能力.建立了多阶段网络容量扩张的双目标规划模型,其中一个目标是最小化总的建设费用,另一个目标是最小化处理站所产生的负效用.设计了基于随机贪心算法的不可行解修补策略和邻域启发式算法,提出了一种混合多目标进化算法来求解模型. 实例说明了模型的有效性.通过和加权法比较证明了混合多目标进化算法有很好的搜索能力.     

局部邻域搜索在对地观测卫星任务规划中的应用与扩展

任务规划作为一项重要技术,已经广泛应用于卫星的星载与地面控制系统中,以提高卫星任务执行的鲁棒性、可预测性和高效性。描述了对地观测卫星任务规划问题及特点,给出了对地观测卫星任务规划的一般处理过程。针对约束规划中的局部邻域搜索算法不能有效反应对地观测卫星成像的时效性和分辨率等需求的问题,提出了基于动态优先级的局部邻域搜索算法。算法在经典约束满足问题求解算法的基础上,主要扩展了任务优先级的定义及在搜索过程中的启发式。通过典型的仿真算例,验证了算法的可行性和有效性。     

求解零空闲置换流水车间调度问题的离散烟花算法

针对以最小化最大完工时间为目标的零空闲置换流水线调度问题,提出了一种带有局部搜索的离散烟花算法.首先,结合调度问题的置换特征,定义了基于工件序列的编码方式;其次,结合反转和交换等操作重新定义了爆炸算子和变异算子;再次,开发了基于插入邻域的局部搜索策略,以增强烟花算法的局部搜索能力;最后,采用实验设计探讨了关键参数对算法性能的影响.基于Taillard基准问题的对比分析结果表明:所提方法在寻优精度、稳定性等指标上优于标准烟花算法、离散萤火虫算法、离散蛙跳算法、离散粒子群算法和遗传算法,且不劣于结合变邻域搜索的粒子群优化、混合离散粒子群优化、杂草优化等算法.     

基于多边形边界约简的在线时序表示算法

时间序列是一类重要的复杂数据类型。首先分析了Douglas-Peucker和多边形约简时序表示算法。然后借鉴滑动窗口思想，提出了基于多边形边界约简的启发式在线时间序列表示算法。该算法具有多边形约简算法很好的近似质量，同时可以在固定数据缓冲空间内在线运算。此外，根据最大允许误差，算法用启发式搜索方法自动获取最佳分段数。在随机时间序列上仿真试验证明算法有很高的逼近质量和较低的计算复杂性。     

改进局部投影算法的混沌降噪研究

针对混沌信号降噪算法中邻域和局部噪声子空间的选取问题,提出了一种改进的非线性混沌降噪方法,即将小波理论和非线性混沌降噪算法结合起来,利用小波分析方法对相空间中的点进行初始邻域半径的估计,自适应地在相空间中选取合适的邻域点;并针对每一个小邻域进行不同的非正交投影,从而更新数据点。仿真中分别对Henon映射产生的混沌序列和实际观测的大连降雨量混沌序列进行了研究,结果证明了该方法简单可靠,且能够较好地校正相空间中点的位置,逼近真实的混沌吸引子轨迹。     

基于匈牙利-模拟退火算法的多阶段武器目标分配方法

针对现代化战争中远程精确制导武器成本高昂以及武器发射平台数量有限的问题，研究了多阶段武器目标分配问题，以最小化武器成本为优化目标，建立了混合整数非线性规划模型。设计了一种集成匈牙利和模拟退火的混合智能搜索算法，首先根据待攻击目标的时空状态与毁伤特性确定打击阶段、标记可松弛性。在模拟退火的框架下，基于目标的松弛性调整攻击阶段，再通过匈牙利算法计算每个阶段武器和目标的精确匹配方案。通过启发式算法和精确求解技术的结合，在保证求解质量的前提下，极大减少了计算时间。通过计算实验，与变邻域搜索算法进行了对比分析，验证了该算法在求解多阶段武器目标分配问题的有效性。仿真结果表明，所提算法在计算时间和求解效果上优于变邻域搜索算法。     

面向收益不均等区域目标的多星调度问题

利用多星对区域目标的协同观测在工程应用方面的需求日益复杂化,当目标区域内待观测目标的重要性不同,其对应的观测收益不同。那么如何在资源有限的情况下,安排观测方案使观测总收益最大是亟待解决的问题。考虑区域目标内部观测收益不均等的实际情况,建立了区域目标内部收益随时间可变的多星调度优化模型,设计了条带动态分割方法(dynamic stripe segmentation method, DSSM),提出了基于权重优先策略的启发式算法(weight priority strategy heuristic, WPSH)和基于随机邻域的局部搜索算法(random neighborhood local search, RNLS),使求解结果对应的观测收益最大,最后通过仿真实验验证DSSM算法比并行分割算法观测收益提高约19%,覆盖率提高约22%;RNLS算法比WPSH算法的基础上平均提升观测收益约4.5%,且求解质量较稳定。     

带时间窗和调货特性的多品类取送货优化算法

为了满足快时尚品连锁门店多品类的销售需求,综合考虑载重限制、多货品、门店相互调货和服务时间窗等因素,研究了同时取送货车辆路径问题。为了有效降低库存管理和运输成本,通常鼓励门店间的货品相互调配,且需要控制用车数。为此,以最小化车辆数为第一优化目标,最小化转运成本（运输成本和仓库处理成本）为第二优化目标,构建了混合整数规划模型,并设计了两阶段启发式求解算法。算法采用最短路径插入规则生成初始解,并配合8个邻域操作算子进行迭代搜索。采用该算法求解标准算例,对比文献中结果表明,其具有较好的寻优能力。基于某女鞋连锁门店的实际运营数据设计了72个算例,计算分析表明,该算法的求解能力与效率均优于整数规划模型。