炼钢炉次计划仿真系统的设计与实现

炼钢炉次计划对于钢铁企业生产计划的编制起着承上启下的重要作用.针对炉次计划问题多目标、多约束的复杂特点,建立了整数规划模型,提出了基于现场计划编制人员经验规则的多阶段启发式算法对其进行求解,并以该模型和算法为核心开发了炼钢炉次计划仿真系统,讨论了其的结构与功能.利用生产现场的实际数据,对系统进行了离线仿真,并计算了炉次计划结果的评价指标.仿真结果表明:该模型及算法可以快速、高效的编制炉次计划;该仿真系统为炉次计划模型及求解算法的研究提供了仿真实验平台,并为进一步在实际工程中的应用奠定了一定的基础.     

混合Jobshop炼钢-连铸重调度方法及其应用

炼钢-连铸生产过程中加工设备起、停时间经常会出现严重延迟,导致调度计划不可行. 目前人工调整,存在响应速度慢和调整结果不优化的问题. 对炼钢-连铸混合Jobshop重调度问题进行了分析,提出了正在作业炉次已分配设备不变的重调度方法. 并提出了求解策略,将原调度分解为两个子调度问题. 引入炉次操作状态参数β,建立了正在作业炉次的时间修正模型,构造了启发式方法进行求解.对于未作业炉次,建立了多目标非线性0-1 整数规划模型,构造了并行逆推启发式算法进行设备指派,采用线性规划求解各操作的开工时间.基于上述方法开发了动态调度软件应用于国内某大型钢铁企业,在缩短动态调度时间、减少钢水冗余等待时间方面取得了显著成效.     

基于状态集分解的一类车间计划、调度算法

针对集成生产计划,调度中的一类强NP-hard问题,提出了基于状态集分解的分层混合优化算法.通过状态集分解将计划、调度一体化模型转化为一系列的最小网络流模型,上层搜索通过建立可行性必要条件和启发式规则,迅速排除劣解或不可行解,缩小搜索范围.底层搜索主要依靠网络流算法及对偶再优化算法,辅以启发式策略,做小范围的局部精确寻优.数据仿真说明了算法的有效性.     

炼钢-连铸生产调度模型及启发式算法

在炼钢-连链生产工艺的约束条件下，针对多阶段均有并行机的生产环境，建立综合考虑炉次的设备指派和作业排序的混合整数线性规划（MILP）模型。在探讨炉次设备指派规则、缓解资源冲突的方法的基础上，提出面向实际应用的启发式算法。算例表明该算法行之有效的。     

多目标中间包计划模型及混合优化算法

中间包计划是重要的炼钢-连铸批量计划之一,其功能是在给定的炉次计划中,根据炼钢-连铸生产能力及下游工序生产所需材料的数量,挑选出待生产的炉次并制定出合理的中间包使用数量及每个中间包内生产的炉次.在对中间包计划问题描述的基础上及现有文献中未考虑中间包利用率及中间包内炉次宽度差异性,建立了多目标中间包计划数学模型.为了求解模型将模型分解为两个子模型,并针对两个子模型设计了迭代局部搜索算法(iterated local search,ILS)及变邻域搜索算法(variable neighborhood search,VNS)相结合的双层混合算法,考虑到中间包利用率及多目标权重对解的影响,在算法中加入了可调整模型参数的方法,最后用实际生产数据对模型及算法进行验证.     

钢卷装炉组合模型及算法仿真研究

分析了宝钢冷轧薄板厂罩式炉退火车间钢卷装炉的工艺特点和约束,建立了多炉型、不确定炉数下的装炉组合多背包模型.该模型考虑了最佳装炉量和最大炉高约束,将装炉数作为一个不确定数量.对于模型的求解,首先利用拉格朗日松弛启发式算法求得装炉数的上界,缩小解的搜索空间,然后构造了一种基于局部基因片段保留算子和反序-杂交遗传算子的新型单亲遗传算法进而求解.生产数据的仿真结果及试运行表明,提出的模型和算法切实可行,应用效果良好.     

震害紧急响应阶段应急物流系统中的LRP

针对震后紧急响应阶段的应急物流系统优化问题, 建立了一个两级设施定位-运输路线安排问题模型(LRP), 据此进行应急设施定位-分配和救援物资运输路线安排决策. 根据该模型的特点, 提出一种基于两阶段分解思想的“三角”启发式算法, 对算法的复杂性进行了分析, 并与改进遗传算法进行了对比研究. 算例分析结果表明, 该模型和算法可以解决震后应急物流系统中的 LRP, 所设计的“三角”启发式算法性能优越, 具有较高的运算效率.     

基于宽度柔性的连浇组批计划模型及算法

高效的利用连铸生产设备的能力是炼钢—连铸生产计划优化技术的主要目标。在描述了炼钢—连铸生产计划调度编制步骤的基础上,重点分析连铸计划编制中问题。针对未充分利用虚拟板坯区间宽度属性及炉次区间宽度因素,并同时考虑浇次中炉次间钢级限制、连浇规程、中间包使用寿命限制、浇铸宽度跳跃限制的条件,建立了连铸计划优化数学模型。根据模型的特点,以蚁群优化算法为基础,设计了双层蚁群优化求解算法,并采用实际生产数据对模型及算法的有效性进行了验证。     

基于两阶段算法的大规模成品油二次配送优化

本文以大规模成品油二次配送路径规划为对象,研究了具有成品油物流特征的多车场带时间窗的车辆路径问题的数学模型,提出了新的基于子问题分解的两阶段优化算法.首先采用改进的系统聚类算法将配送需求合并分载,随后设计了改进的遗传算法生成最终的配送路径.针对客户划分问题,提出了‘期望节约里程'指标,用以描述客户的地理空间分布特征,并以此为特征信息设计了启发式的遗传算子,提升了大规模问题优化收敛的速度、质量和稳定性.仿真实验结果验证了模型和算法的可行性和有效性.     

提箱作业优化问题的嵌套启发式算法

针对集装箱堆场进口集装箱的提箱作业计划问题,建立了以作业总成本最小为目标的多阶段决策优化模型,构造了内外嵌套两层结构的优化算法,内层算法实现最短路径搜索子模型,外层算法实现倒箱策略优化子模型.对内外层优化算法,设计了基于启发式A*与GA算法分别组合的4种方案.实例分析表明:各算法组合方案具有相同的有效性,当问题规模较小时,A* A*较好,但问题规模增大时,GA GA较好.     

运输问题新解法的探讨

在求解运输问题中，传统的解法比较繁琐，为了克服这一缺陷，提出了快捷新解法，快捷法求解运输问题不仅比表上作业法计算步骤少、简单，而且比广义匈牙利法(常规法)的计算步骤还少、还简单、快捷法是根据约束条件的要求，基本上是一步到位造出每行及每列所需要的零元素，然后检验是否满足约束条件，满足可得最优解，否则需进一步造零，快捷法总是比表上作业法计算步骤少、简单且便于掌握。     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

生物免疫理论及其在网络入侵检测系统中的应用研究

生物免疫理论被深入研究并广泛应用于计算机安全等领域。通过对基于生物免疫理论的G-T算法和线性时间算法的介绍，提出了多特征匹配算法并将其应用于网络入侵检测系统中。实验表明，优化的算法不仅解决了G—T算法生成检测器的效率过于低下的问题，而且克服了线性时间算法在处理较大的l和r时过于缓慢且需要较大空间的缺点。     

煤矿物资配送车辆路径问题的人工鱼群算法

对郑州煤电物资供销公司危险品运送的车辆路径问题进行了分析,建立了相应的数学模型,运用人工鱼群算法求解出运费最小的方案。该算法首先初始化一个鱼群,并在初始化的过程中给出了一种修复算子,使鱼群中每条鱼当前的状态代表一种可行的配送方案,然后执行本文设计的随机行为、觅食行为、聚群行为和追尾行为进行全局寻优。最后,把该算法与扫描算法、遗传算法求解进行比较,证明了人工鱼群算法求解车辆路径问题的有效性;同时,该算法也拓展了求解VRP问题的算法空间。     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

A GREEDY GENETIC ALGORITHM FORUNCONSTRAINED GLOBAL OPTIMIZATION

The greedy algorithm is a strong local searching algorithm. The genetic algorithm is generally applied to the global optimization problems. In this paper, we combine the greedy idea and the genetic algorithm to propose the greedy genetic algorithm which incorporates the global exploring ability of the genetic algorithm and the local convergent ability of the greedy algorithm. Experimental results show that greedy genetic algorithm gives much better results than the classical genetic algorithm.     

可计算一般均衡CGE模型的遗传算法研究

简单讨论了求解 CGE模型的早期 Scarf算法和牛顿算法、以及新近流行的 CGE模型求解工具软件 GAMS和 GEMPACK中的典型算法 ,并且分别指出它们的优缺点 ;最后给出了一个基于模拟进化思想体系的 CGE模型竞争求解算法 ,并给出了算例.     

组合式全局寻优算法研究

分析了当前用于连续变量全局优化的各种智能算法的特点，指出他们互相融合发展的趋势，提出了一种体现大融合思想的组合式全局寻优算法，将目前各种智能优化算法有机组合在一起，使它们能够共享优化信息，协同寻优，从而形成最丰富的寻优机制，达到最强的全局寻优能力。最后用一个算例验证了该算法的有效性。     

采用梯度平滑措施的自适应符号算法

以自适应回波对消为对象 ,讨论了两种自适应符号算法的梯度估计平滑方法。从理论上对其中一种平滑方案导出的自适应算法的性能进行了详尽的分析。在输入为联合高斯的情况下 ,给出了权值一阶矩和二阶矩的收敛特性公式。结果表明 ,与符号算法相比 ,平滑算法的收敛速度与符号算法基本一致 ,但稳态误差更小 ,自适应步长的取值范围更大。     

几种现代优化算法的比较研究

现代优化算法主要包括遗传算法、蚁群算法、禁忌搜索算法。这些算法主要是解决优化问题中的难解问题。由于这些算法在求解时不依赖于梯度信息 ,因而特别适用于传统方法解决不了的大规模复杂问题。介绍了3种算法的基本思想 ,阐述了它们的特点并进行了比较 ,提出了今后研究的方向