板坯热轧批量计划数学模型及求解算法

根据热轧工艺特点将板坯热轧批量计划编制问题归结为不确定旅行商数的多旅行商问题,建立了以生产成本最小化和产品质量最优化为主次目标且考虑加热区段能耗的生产调度数学模型,并采用遗传算法和禁忌搜索相结合的混合算法进行求解.基于实际生产数据的计算结果表明:该模型充分满足了现场热轧批量计划编制的需求,在轧制单元数最优的基础上,缩短了传搁时间,提高了热送热装率,优化了产品质量.与人机结合方式相比,本文模型的计算结果体现了更好的高产和节能效果.     

热轧带钢轧制批量计划的实例应用

应用轧钢厂生产批量计划的理论方法,从热轧带钢的实际生产工艺出发,建立了热轧生产批量的具体模型·对模型参数的结构进行了分析,给出了模型参数的具体表达,并应用遗传算法用来求解热轧带钢生产计划问题·组合了运筹学与人机协调系统,开发了实验性原形系统·这个系统不但改进热轧调度的质量,由调度系统产生的热轧调度优于手工系统产生的调度,平均改进在２０％以上,而且降低了产生热轧调度的时间·     

轧钢厂的精轧工序轧制批量调度的优化模型

轧钢厂生产作业计划是钢铁企业生产管理系统的一个重要组成部分,精轧工序轧制批量调度是生产作业计划的关键在分析轧钢厂生产作业计划的结构的基础上,建立了精轧工序轧制批量调度的旅行商模型。这一模型能够适合于带钢,型钢和钢管的轧制生产批量调度问题。     

炼钢连铸热轧一体化批量计划编制模型及实现

为解决钢铁企业生产计划一体化编制时能保证生产物流在各工序间的协调有序和高效运行,通过分析炼钢连铸热轧带钢各阶段的生产目标和工艺约束、物流变化及衔接关系,建立基于多目标优化的一体化批量计划数学模型。按照热轧带钢生产合同的要求,将一体化批量计划编制问题分解为热轧带钢的轧制单元计划、炼钢连铸的组炉和组浇计划。各计划之间既有独立又存在耦合,先编制完成轧制单元计划与组炉计划,然后再将轧制单元计划与组炉计划共同作用于组浇计划,运用基于改进协同进化的遗传算法设计模型求解策略。以某钢铁企业的带钢生产计划编制数据为例进行模型的仿真运行,测试结果表明了模型的可行性,为钢铁企业的一体化批量计划编制提供了一种有效手段。     

热轧调度的数学模型及解法

研究了钢铁厂的热轧调度问题 ,将其转化为带有能力约束的多旅行商问题 ,并对此给出一个启发式算法 .     

并行多机成组工件调度的启发式算法

N个成组工件将在M台并行一致的机器上加工,当一个工件接在不同组的工件之后时需要装设,而接在同组工件之后时不需要重新装设,目标函数是使总的通过时间最小·利用最优解的必要条件,将单个工件组成基本运行,在研究基本运行组合规则的基础上,提出了一个基于基本运行的并行多机成组工件调度的启发式算法·在中、小规模水平问题上,将启发式算法的结果与最优解的结果进行了比较·效果令人满意·实验证明该启发式算法能够有效地解决成组工件调度的实际问题,具有解决中大规模实际问题的潜力·     

基于免疫蜂群算法的冷轧生产调度优化方法

冷轧生产调度是一个复杂的约束组合优化问题,生产约束包括轧制板坯的宽度、厚度、硬度跳变及交货期提前和拖后惩罚等。基于TSP(多旅行商)问题,建立了冷轧生产调度问题的最小值模型,提出了一种免疫蜂群优化求解算法。通过给蜂群注射疫苗产生出代表新的解集的种群,避免算法在优化过程中陷于局部极值。针对工业数据的仿真结果表明:免疫蜂群优化算法明显优于人工蜂群优化算法的解,具有较好的收敛性和快速性。     

炼钢—连铸—热轧一体化生产调度管理的研究

基于一体化管理思想,在已编制的炼钢-连铸生产调度模型及轧制批量计划的基础上,建立了炼钢-连铸-热轧一体化生产调度模型。本文结合我国钢铁企业的具体情况,对炼钢—连铸—热轧一体化管理的生产工艺、技术条件、炼钢—热轧两工程之间协调技术、生产管理系统以及国外的情况进行阐述。     

并行流程式生产线调度问题的概率分析求解算法

并行生产线调度问题兼有并行机器和流程车间调度问题的特点 ,是一类新型的调度问题·针对工件在各工序具有任意加工时间的一般并行生产线调度问题 ,构造了整数规划模型 ,设计了基于概率分析的求解算法·对随机生成的测试问题进行求解的实验结果表明了算法的有效性     

TS求解多机成组工件调度

讨论并行多机成组工件的极小化最大通过时间调度问题·它是一个非常复杂的组合优化问题,是NP难题·为了解决此类问题,采用了两种智能优化算法方法·通过大量的仿真实验,将两种方法进行了比较·结果证明:禁忌搜索结合启发式的智能优化算法可靠性高、运算速度快,有能力有效地解决大规模实际问题·     

A novel method for solving the multiple traveling salesmen problem with multiple depots

Multi-traveling salesman problem(MTSP) is an extension of traveling salesman problem,which is a famous NP hard problem,and can be used to solve many real world problems,such as railway transportation,routing and pipeline laying.In this paper,we analyze the general properties of MTSP,and find that the multiple depots and closed paths in the graph is a big issue for MTSP.Thus,a novel method is presented to solve it.We transform a complicated graph into a simplified one firstly,then an effective algorithm is proposed to solve the MTSP based on the simplified results.In addition,we also propose a method to optimize the general results by using 2-OPT.Simulation results show that our method can find the global solution for MTSP efficiently.     

连铸组中间包问题的MTSP模型及混合优化算法

针对连铸计划中的组中间包问题,建立了多旅行商问题(MTSP)模型,提出了一种结合启发式、k-opt邻域搜索和EDA进化的混合优化算法.该算法首先利用启发式规则确定虚拟炉次的个数,从而确定染色体编码长度,每个染色体代表一种中包组合方案,然后设计了基于概率矩阵模型的EDA进化算法对染色体进行全局寻优,并使用k-opt邻域搜索进行局部优化.EDA算法不需要设计如遗传算法(GA)那样的交叉算子,避免了交叉导致的编码非法性问题.通过对企业实际生产数据进行仿真计算,其结果表明了算法具有良好的优化性能和实用性.     

基于阈值深度优先策略求解非对称旅行商问题的混合分枝定界算法

针对非对称旅行商问题(ATSP)模型计算难问题,提出了一种基于深度和广度方向混合搜索的启发式策略的分枝定界算法.该算法采取有阈值的深度优先加广度加权随机搜索的策略确定分枝节点,通过求解附加弧段约束的分配问题确定下界,通过消除子环的修补算法确定上界,从而有效综合了确定性方法的准确性和启发式方法的快速性.将此算法应用于求解经典TSPLIB库中的全部ATSP问题和热轧调度的仿真研究,表现出了较高的效率和可行性.     

热轧批量计划的模型与算法

针对钢铁企业中的热轧生产调度问题,考虑了生产工艺中的多重约束,建立了基于奖金收集车辆路径问题模型的批量计划模型。模型综合考虑了同宽轧制长度的限制和烫辊材的约束,并针对约束复杂冲突的特点,设计一种基于遗传算法和禁忌搜索的混合算法来求解。生产实际数据的仿真实验表明模型和算法的有效性。     

解TSP问题的蚁群算法及其收敛性分析

研究和证明求解旅行商问题(TSP)的蚁群算法收敛性.针对蚁群算法搜索时间长、收敛速度慢、易陷入局部最优等缺陷,改进Dorigo提出的基本蚁群算法.最后,用典型的旅行商问题CHN144进行仿真实验,结果表明,改进蚁群算法在收敛速度及求解能力上都有较大改善.     

基于巡回旅行商问题的遗传算法程序设计

提出了一种巡回旅行商问题的具体解决方案。它以大自然界生物进化发展的过程为依据，从遗传算法理论的角度，探讨了一种有效可行的巡回旅行商问题的解决策略。对于采用遗传算法理论进行演化程序开发设计的读，具有一定的参考价值。     

改善分支限界法求解旅行商问题效率的策略

叙述了NP完全问题的复杂性及分支限界法求解问题最优解的策略,分析了利用分支限界法求解旅行商问题过程中影响算法求解效率的主要原因。针对欧氏空间的旅行商问题求解,提出了通过化简初始边集的策略,改善算法的求解效率,通过实验说明了该策略的有效性。该策略可应用到求解旅行商问题的其他算法中。     

求解多起点多旅行商问题的-K-means聚类信息传播算法

多旅行商问题在实际生活中有着较为广泛的应用价值,该问题的求解受到越来越多学者的关注。信息传播算法是一类求解组合优化问题最为有效的方法,基于K-means聚类技术,给出了求解多起点多旅行商问题(Multiple depots Multiple Traveling Salesman Problem, MMTSP)的信息传播算法,该算法采用k-means聚类算法将旅行商问题进行聚类,从而形成若干类,对每一个类采用信息传播算法进行旅行商搜索,将每一个类的搜索结果进行综合,得到MMTSP问题的解。通过对旅行商标准测试数据集中的多种实例进行测试,并与其它同类算法进行试验对比分析,结果表明：该算法优于同类算法。