炼钢连铸作业计划的混合遗传优化与仿真分析

doi:10.3778/j.issn.1002-8331.2010.01.072

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (1): 241-245.DOI: 10.3778/j.issn.1002-8331.2010.01.072

炼钢连铸作业计划的混合遗传优化与仿真分析

朱道飞^1，2，郑忠²，高小强²

1.昆明理工大学冶金与能源工程学院，昆明 650093
2.重庆大学材料与科学工程学院，重庆 400045

收稿日期:2009-08-19 修回日期:2009-10-09 出版日期:2010-01-01 发布日期:2010-01-01
通讯作者: 朱道飞

Hybrid genetic algorithm optimization-based production planning and simulation analysis for steelmaking and continuous casting

ZHU Dao-fei^1，2，ZHENG Zhong²，GAO Xiao-qiang²

1.Faculty of Metallurgical and Energy Engineering，Kunming University of Science and Technology，Kunming 650093，China
2.College of Material Science and Engineering，Chongqing University，Chongqing 400045，China

Received:2009-08-19 Revised:2009-10-09 Online:2010-01-01 Published:2010-01-01
Contact: ZHU Dao-fei

摘要/Abstract

摘要： 为提高炼钢连铸作业计划制定的效率和质量，面向生产工艺流程网络图，建立了一种基于遗传算法与蚁群算法相结合的混合智能优化方法，进行炼钢连铸生产作业计划的编制，并可实现常见扰动情况下的重计划制定；利用基于元胞自动机思想建立的炼钢连铸流程仿真模型，进行生产作业计划的仿真分析和评价。将计划编制模型与仿真模型有机结合，为作业计划的在线动态评价和自动调整提供了一种有效手段。针对某钢厂的仿真实验研究表明：提出的智能优化方法能较好地解决炼钢-连铸生产作业计划的时间不确定性优化问题，可快速生成炉次间作业无冲突的优化生产作业计划。

关键词: 炼钢－连铸, 作业计划优化, 仿真分析, 遗传算法, 蚁群算法

Abstract: Based on procedure networks，a novel optimization model which combines ant colony algorithms and genetic algorithm is proposed to improve the performance and efficiency of production planning for steelmaking-continuous casting process.The production plan is analyzed and evaluated with the simulation model based on cellular automata.The integration of planning optimization model and simulation model provides a useful tool for online evaluating and adjusting production plan，and makes it possible to replan at common disturbances.This integrated system demonstrates ability to deal with time uncertainty in production planning and to set up a conflict-free production plan in simulating cases of a steel company.

Key words: steelmaking-continuous casting, production planning optimization, simulation analysis, genetic algorithm, ant colony algorithm

中图分类号:

TP278

F273

朱道飞^1，2，郑忠²，高小强². 炼钢连铸作业计划的混合遗传优化与仿真分析[J]. 计算机工程与应用, 2010, 46(1): 241-245.

ZHU Dao-fei^1，2，ZHENG Zhong²，GAO Xiao-qiang². Hybrid genetic algorithm optimization-based production planning and simulation analysis for steelmaking and continuous casting[J]. Computer Engineering and Applications, 2010, 46(1): 241-245.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[7]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[8]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[9]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[10]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[11]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[12]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[13]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[14]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[15]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.

炼钢连铸作业计划的混合遗传优化与仿真分析

Hybrid genetic algorithm optimization-based production planning and simulation analysis for steelmaking and continuous casting

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics