考虑板坯设计的组炉优化模型

针对炼钢生产中的组炉优化问题,建立了一种考虑板坯设计的混合整数规划模型,并提出了一种基于非二分图匹配算法、二分图匹配算法、装箱算法、网络最大流算法的启发式求解算法。该算法首先使用非二分图匹配算法确定炉次,然后使用二分图匹配算法和装箱算法将剩余合同匹配到已有炉次中,最后使用网络最大流算法调整炉次中合同对应的板坯重量。实验结果表明利用该算法可以在较短的时间内给出较优的组炉方案,为计划员提供足够的决策支持。     

基于PBIL与网络最大流的组炉算法

针对炼钢生产组炉计划编制问题,建立了相应的数学模型,并提出了基于PBIL与网络最大流的求解算法.该算法首先利用启发式规则获取炉次上界,并以此为基础,设计0-1染色体编码的PBIL算法,每个染色体代表一个炉次选择方案,并使用网络最大流理论求解染色体的具体组炉策略,给出染色体适应值,迭代后得到合同与炉次的最优匹配方案.经实际生产数据测试,利用该算法可以在较短的时间内给出较优的组炉方案,为计划员提供足够的决策支持.     

层流冷却系统过程优化控制仿真实验平台

层流冷却系统具有强非线性、工况变化频繁、带钢温度不能连续测量等综合复杂性。由于复杂的优化控制算法难以直接在冷却装置上进行验证,从工程化角度出发,开发了分布式的层流冷却系统过程优化控制仿真实验平台。该平台由模拟现场层流冷却过程的虚拟对象仿真子平台、仪表与执行机构虚拟装置子平台、回路控制系统和过程监控实验子平台、优化控制实验子平台组成。平台之间交换的所有过程信号均为标准工业信号,实验结果表明该平台可以从工程角度进行优化控制算法的有效验证。     

热轧轧制计划的多目标优化模型及算法

针对热轧轧制计划优化问题,建立基于奖金收集车辆路径问题（PCVRP）的多目标优化模型,其中包含两个目标：目标1为最小化相邻板坯的宽度、厚度与硬度的跳跃惩罚;目标2为最大化收集的奖金,即使得尽可能多的板坯编入轧制计划。在此基础上,提出一种基于Pareto最优的多目标蚁群系统算法（MOACS）,避免了传统加权法需要确定目标权重系数的缺点,一次运行可产生多个Pareto最优解,给决策者带来了更大的决策自由度。现场数据测试表明该算法具有良好的优化性能和实用性。