一种钢铁冶炼过程的优化调度方法技术

本发明专利技术涉及一种钢铁冶炼过程的优化调度方法，属于冶金生产过程智能优化调度技术领域。本发明专利技术通过确定钢铁冶炼在生产过程中的调度模型和优化目标，并提出一种基于前端省略的完全局部搜索的优化调度方法对目标进行优化；其中，调度模型根据每个产品所要经过的加工操作数和相应操作的加工时间而建立，同时确定优化目标为最小化最大完工时间。本发明专利技术对于钢铁冶炼过程建立一种调度模型和优化方法，可在较短时间内获得钢铁冶炼过程调度问题的近似最优解，从而降低企业的生产成本，提高企业的经济效益。

【技术实现步骤摘要】
一种钢铁冶炼过程的优化调度方法
本专利技术涉及一种钢铁冶炼过程的优化调度方法，属于冶金生产过程智能优化调度

技术介绍
自上个世纪八十年代以来，钢铁行业的发展规模明显扩大，到了九十年代国际竞争变得越发激烈，随着最近几年西部大开发和振兴东北老工业基地战略逐渐打响，钢铁冶金行业受到了社会各级高度重视的同时也为其发展带来了新的机遇。为了提高企业效益，绝大多数的企业都将发展重点转向了降低消耗、减少成本、增加品种、提高生产质量以及绿色环保等方面。随着钢铁冶炼行业的发展以及新工艺的研发，待岗连铸连轧技术占据了钢铁企业发展的重要位置。因此在实际的生产中，冶炼过程对温度有着严格要求，即生产过程中的每个操作之间都有很强的连续性，不允许中间有等待时间。根据钢铁冶炼的过程，可以将一般的生产过程其分为化水、成型、脱模和浸水四个过程。那么，如何有效的优化调度产品的生产过程，将为钢铁行业的生产降低成本，提高企业的生产效益。但由于钢铁行业生产规模较大，又存在对温度的严格要求(零等待约束)，钢铁冶炼生产过程的调度问题属于是NP难问题，求解难度较大，因此对于此类问题的研究在理论和应用上都具有重要意义。钢铁冶炼生产过程通常根据产品规格及生产工艺的不同，使得产品在各个阶段的生产时间存在不同。因此，钢铁冶炼企业在批量生产产品时，不同的加工序列将对该批量产品生产的完工时间造成较大影响，这将直接影响企业的生产成本和生产周期。目前来说，对于一般的小型钢铁企业，往往根据产品的订单顺序进行生产，并未进行优化调度。对于具有较大生产规模的大型企业，工厂根据调度员的生产经验以及工件的最小加工时间进行排序。这种排序方法一定程度上可以减少企业生产计划的完工时间，但仍有很大提升的空间，且调度方案较单一，若对某些加急产品的生产进行调整时，极有可能影响整个生产计划的进度。因此，对于生产序列的调度显得极为重要，好的调度方案不仅能够降低企业的生产成本，同时也给企业的生产计划提供更多样的选择。本专利技术对于钢铁冶炼过程建立一种排列模型，设计一种基于前段省略的完全局部搜索的优化调度方法，可在较短时间内获得此类问题的近似最优解，从而降低企业的生产成本，提高企业的经济效益。
技术实现思路
本专利技术的目的是针对钢铁冶炼过程的调度问题，提出一种基于前端省略的完全局部搜索的优化调度方法，通过求得近似最优排序的方式降低企业的生产成本，并提供更多的调度方案，进而提高企业的经济效益。本专利技术的技术方案是：一种钢铁冶炼过程的优化调度方法，通过确定钢铁冶炼在生产过程中的调度模型和优化目标，并提出一种基于前端省略的完全局部搜索的优化调度方法对目标进行优化；其中，调度模型根据每个产品所要经过的加工操作数和相应操作的加工时间而建立，同时确定优化目标为最小化最大完工时间，即f1＝Cmax(π)；式中，工件的个数为n、需要的操作数为m，为工件πi在操作j结束后的完工时刻，pπik代表工件πi操作k需要的加工时间；Δ(Tπi)代表为了满足零等待工艺约束时工件πi的延迟开工时间；该优化调度问题的一个解为π＝{π1,π2,…,πn}，π表示工件的加工序列，πi为加工序列π中第i个加工的工件；工件在加工过程中除了零等待的约束外，还存在其他约束，即操作开始后不允许中断也不允许抢占加工；所述基于前端省略的完全局部搜索的优化调度方法具体为：Step1、种群初始化：采用随机生成的方法产生初始化种群并计算相应个体的目标值，直至初始解的数量达到要求的种群规模；其中，种群规模为NP；Step2、根据目标值对种群排序：对当前种群中的个体根据目标值进行从小到大的排序，目标值越小表示该个体所对应的排序越优；Step3、种群更新：对当前种群中的前25％的个体进行基于前端省略的Insert局部搜索生成新个体；基于前端省略的Insert局部搜索是指从序列的后半部分中随机抽取一个工件，然后插遍该序列的所有位置并计算相应序列的目标值，选择目标值最小的序列为新个体；前端省略是指没有被改变的部分序列，不需要重新计算，因此能够节省大量的计算时间；对当前种群中间50％的个体进行Insert和Swap的混合局部搜索产生新的个体；对当前种群剩下的25％的个体进行重生机制，即重新随机产生新的序列；Step4、重新计算并排序：重新计算种群中所有个体的目标值，并根据目标值进行从小到大的排序；Step5、终止条件：设定终止条件为算法迭代次数T，如果算法满足条件。则输出当前种群中第一个个体，即最优个体；否则跳转至步骤Step3，反复迭代，直至满足终止条件为止。本专利技术的有益效果是：本专利技术对于钢铁冶炼过程建立一种调度模型和优化方法，可在较短时间内获得钢铁冶炼过程调度问题的近似最优解，从而降低企业的生产成本，提高企业的经济效益。附图说明图1为本专利技术的整体设计流程图；图2为本专利技术的调度方法流程图；图3为本专利技术中问题解的表达示意图；图4为基于前端省略的“Insert”操作示意图；图5为基本“Swap”操作示意图。具体实施方式实施例1：如图1-5所示，一种钢铁冶炼过程的优化调度方法，通过确定钢铁冶炼在生产过程中的调度模型和优化目标，并提出一种基于前端省略的完全局部搜索的优化调度方法对目标进行优化；其中，调度模型根据每个产品所要经过的加工操作数和相应操作的加工时间而建立，同时确定优化目标为最小化最大完工时间，即f1＝Cmax(π)；式中，工件的个数为n、需要的操作数为m，为工件πi在操作j结束后的完工时刻，pπik代表工件πi操作k需要的加工时间；Δ(Tπi)代表为了满足零等待工艺约束时工件πi的延迟开工时间；该优化调度问题的一个解为π＝{π1,π2,…,πn}，π表示工件的加工序列，πi为加工序列π中第i个加工的工件；工件在加工过程中除了零等待的约束外，还存在其他约束，即操作开始后不允许中断也不允许抢占加工；所述基于前端省略的完全局部搜索的优化调度方法具体为：Step1、种群初始化：采用随机生成的方法产生初始化种群并计算相应个体的目标值，直至初始解的数量达到要求的种群规模；其中，种群规模为NP；Step2、根据目标值对种群排序：对当前种群中的个体根据目标值进行从小到大的排序，目标值越小表示该个体所对应的排序越优；Step3、种群更新：对当前种群中的前25％的个体进行基于前端省略的Insert局部搜索生成新个体；基于前端省略的Insert局部搜索是指从序列的后半部分中随机抽取一个工件，然后插遍该序列的所有位置并计算相应序列的目标值，选择目标值最小的序列为新个体；前端省略是指没有被改变的部分序列，不需要重新计算，因此能够节省大量的计算时间；对当前种群中间50％的个体进行Insert和Swap的混合局部搜索产生新的个体；对当前种群剩下的25％的个体进行重生机制，即重新随机产生新的序列；Step4、重新计算并排序：重新计算种群中所有个体的目标值，并根据目标值进行从小到大的排序；Step5、终止条件：设定终止条件为算法迭代次数T，如果算法满足条件。则输出当前种群中第一个个体，即最优个体；否则跳转至步骤Step3，反复迭代，直至满足终止条件为止。种群规模NP设置为50，最大迭代次数T＝300。上面结合附图对本专利技术的具体实施方式作了详细说明，但是本专利技术并不限于上述实施方式，在本领域本文档来自技高网...

【技术保护点】
1.一种钢铁冶炼过程的优化调度方法，其特征在于：通过确定钢铁冶炼在生产过程中的调度模型和优化目标，并提出一种基于前端省略的完全局部搜索的优化调度方法对目标进行优化；其中，调度模型根据每个产品所要经过的加工操作数和相应操作的加工时间而建立，同时确定优化目标为最小化最大完工时间，即f1＝Cmax(π)；

【技术特征摘要】
1.一种钢铁冶炼过程的优化调度方法，其特征在于：通过确定钢铁冶炼在生产过程中的调度模型和优化目标，并提出一种基于前端省略的完全局部搜索的优化调度方法对目标进行优化；其中，调度模型根据每个产品所要经过的加工操作数和相应操作的加工时间而建立，同时确定优化目标为最小化最大完工时间，即f1＝Cmax(π)；式中，工件的个数为n、需要的操作数为m，为工件πi在操作j结束后的完工时刻，代表工件πi操作k需要的加工时间；Δ(Tπi)代表为了满足零等待工艺约束时工件πi的延迟开工时间；该优化调度问题的一个解为π＝{π1,π2,…,πn}，π表示工件的加工序列，πi为加工序列π中第i个加工的工件；工件在加工过程中除了零等待的约束外，还存在其他约束，即操作开始后不允许中断也不允许抢占加工；所述基于前端省略的完全局部搜索的优化调度方法具体为：Step1、种群初始化：采用随机生成的方法产生初始化种群并计算相应个体的目标值，直至初始解的数量达到要求的种群规模；其中，种群规模为...

【专利技术属性】
技术研发人员：钱斌，姚友杰，胡蓉，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53