專利名稱：加熱爐調(diào)度的優(yōu)化算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種加熱爐調(diào)度的模型和優(yōu)化算法。
背景技術(shù)：
目前，隨著能源問(wèn)題的日益突出，節(jié)能降耗已成為鋼鐵企業(yè)降低生產(chǎn)成本、提高企業(yè)競(jìng)爭(zhēng)力的重要手段。熱軋鋼板是鋼鐵企業(yè)的主流產(chǎn)品之一，其生產(chǎn)線上的加熱爐是高能耗設(shè)備。加熱爐在合理燃燒的情況下，對(duì)需要加熱的板坯進(jìn)行合理調(diào)度，有利于節(jié)約能源，提高產(chǎn)品的質(zhì)量和成材率，縮短產(chǎn)品生產(chǎn)周期，從而降低生產(chǎn)成本，提高企業(yè)生產(chǎn)率。加熱爐是熱軋鋼板生產(chǎn)過(guò)程中的關(guān)鍵設(shè)備之一。在加熱工序，板坯從加熱爐入口進(jìn)入加熱爐，從出口離開(kāi)加熱爐，板坯從入口到出口的移動(dòng)過(guò)程中被加熱，加熱爐內(nèi)的所有板坯在移動(dòng)過(guò)程中不能改變順序，且具有相同的移動(dòng)速度，該移動(dòng)速度由爐內(nèi)需要加熱時(shí)間最長(zhǎng)的板坯決定。板坯從進(jìn)入加熱爐到從加熱爐出來(lái)所經(jīng)過(guò)的時(shí)間稱作板坯住爐時(shí)間。板坯的裝爐溫度、目標(biāo)溫度和板坯的規(guī)格參數(shù)值決定了板坯的額定加熱時(shí)間，板坯住爐時(shí)間不能小于板坯額定加熱時(shí)間。另一方面，板坯住爐時(shí)間過(guò)長(zhǎng)會(huì)產(chǎn)生板坯過(guò)燒現(xiàn)象，影響產(chǎn)品質(zhì)量，因此，板坯住爐時(shí)間不能超過(guò)上限值。一般情況下，熱軋批量計(jì)劃是根據(jù)工藝規(guī)程和合同交貨期編制的，每個(gè)軋制單元軋制位需要的板坯對(duì)應(yīng)多個(gè)相同規(guī)格和鋼級(jí)的候選板坯，構(gòu)成了該軋制位的候選板坯集合。加熱爐調(diào)度主要解決的問(wèn)題是如何根據(jù)軋制批量計(jì)劃合理地從每個(gè)軋制位對(duì)應(yīng)的候選板坯集合中選擇板坯，并將選擇的板坯根據(jù)其規(guī)格及需要的加熱時(shí)間合理地分配給各加熱爐，使得加熱后的板坯在保證軋制順序和質(zhì)量要求的前提下，總的板坯住爐時(shí)間最短。目前，有關(guān)加熱爐的研究大多是基于熱能原理研究加熱爐內(nèi)溫度的預(yù)測(cè)方法與控制策略?，F(xiàn)有文獻(xiàn)中也有關(guān)于加熱爐優(yōu)化調(diào)度問(wèn)題的數(shù)學(xué)模型及優(yōu)化算法的報(bào)道，但現(xiàn)有方法存在以下問(wèn)題(1)僅考慮將板坯合理地分配給加熱爐的過(guò)程，未考慮選擇不同來(lái)源板坯的過(guò)程。在實(shí)際鋼鐵生產(chǎn)中每一軋制位對(duì)應(yīng)多塊板坯，只有合理地選擇板坯才能更好地降低加熱爐的能源消耗。(2)未考慮板坯住爐時(shí)間的最大值限制。如果板坯在爐加熱時(shí)間達(dá)到額定加熱時(shí)間后等待出爐的時(shí)間過(guò)長(zhǎng)，會(huì)出現(xiàn)板坯過(guò)燒或粘鋼等現(xiàn)象，影響板坯的質(zhì)量。(3)未考慮板坯的額定加熱時(shí)間最小的優(yōu)化目標(biāo)。每一塊板坯的額定加熱時(shí)間與板坯當(dāng)前溫度、目標(biāo)溫度、鋼種和分配加熱爐內(nèi)加熱的板坯等信息有關(guān)，所以同一板坯在不同加熱爐的額定加熱時(shí)間也不同。結(jié)合額定加熱時(shí)間最小的優(yōu)化目標(biāo)和板還對(duì)應(yīng)可交換集合的約束可充分保證降低加熱爐在加熱板坯過(guò)程中的能源消耗。加熱爐是熱軋生產(chǎn)中關(guān)鍵的能源消耗設(shè)備，其合理調(diào)度對(duì)于降低生產(chǎn)過(guò)程的能源消耗和生產(chǎn)成本具有重要作用。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種加熱爐調(diào)度的優(yōu)化算法，它可以合理調(diào)度對(duì)于降低生產(chǎn)過(guò)程的能源消耗和生產(chǎn)成本。
為了解決以上技術(shù)問(wèn)題，本發(fā)明提供了一種加熱爐調(diào)度的優(yōu)化算法；包括界面表示層、業(yè)務(wù)邏輯層和數(shù)據(jù)訪問(wèn)層，其中界面表示層負(fù)責(zé)收集業(yè)務(wù)邏輯層需要使用的數(shù)據(jù)，調(diào)用業(yè)務(wù)邏輯層提供的服務(wù)，并將業(yè)務(wù)邏輯層返回的數(shù)據(jù)以界面的方式呈現(xiàn)；業(yè)務(wù)邏輯層負(fù)責(zé)響應(yīng)界面的調(diào)用請(qǐng)求，獲取界面表示層的信息和數(shù)據(jù)訪問(wèn)層的數(shù)據(jù)，負(fù)責(zé)執(zhí)行特定的業(yè)務(wù)邏輯運(yùn)算，將結(jié)果返回給調(diào)用者和寫入數(shù)據(jù)庫(kù)；數(shù)據(jù)層由關(guān)系數(shù)據(jù)庫(kù)組成，負(fù)責(zé)存儲(chǔ)要持久化的數(shù)據(jù)。本發(fā)明的有益效果在于建立的加熱爐調(diào)度問(wèn)題的數(shù)學(xué)模型以板坯住爐時(shí)間最小為優(yōu)化目標(biāo)，考慮了選擇不同來(lái)源板坯的過(guò)程，并約束板坯的住爐時(shí)間的上限。結(jié)合選擇加熱板坯的過(guò)程和板坯的額定加熱時(shí)間最小的目標(biāo)，有效地保證了節(jié)約能源消耗的目標(biāo)。板坯住爐時(shí)間的上限約束和板坯達(dá)到額定加熱時(shí)間等待出爐時(shí)間最小的目標(biāo)，充分地保證了減少加熱過(guò)程中的熱能損失，有效地防止了加熱板坯出現(xiàn)過(guò)燒等現(xiàn)象，保證了板坯的質(zhì)量。在本發(fā)明中，界面表示層主要進(jìn)行軋制計(jì)劃選擇、設(shè)置數(shù)學(xué)模型和SS優(yōu)化算法的參數(shù)，調(diào)用業(yè)務(wù)邏輯層的分散搜索SS算法等操作。在本發(fā)明中，業(yè)務(wù)邏輯層對(duì)界面層選擇的軋制計(jì)劃、板坯制造計(jì)劃和板坯庫(kù)板坯信息進(jìn)行解析，生成加熱爐調(diào)度的數(shù)學(xué)模型。在本發(fā)明中，應(yīng)用分散搜索SS算法求解加熱爐優(yōu)化調(diào)度計(jì)劃，并將分散搜索SS算法求得的加熱爐調(diào)度計(jì)劃進(jìn)行解析，傳給界面表示層、存入到數(shù)據(jù)庫(kù)表，并對(duì)板坯制造計(jì)劃和板坯庫(kù)基本信息進(jìn)行同步更新。在本發(fā)明中，SS算法的基本組成部分為初始解生成方法，參考解集合，解的結(jié)合方法和改進(jìn)方法。

在本發(fā)明中，初始解的生成方法設(shè)計(jì)包括每個(gè)個(gè)體的編碼由兩個(gè)鏈表組成，其中，solL包含了被選中的板坯序列，solF對(duì)應(yīng)被選中的板坯指派的加熱爐；在初始解的產(chǎn)生過(guò)程中，鏈表solL中的第i個(gè)元素值sli從[1，…，|Ci I]的整數(shù)中隨機(jī)產(chǎn)生；solF中的元素值基于記憶頻數(shù)的方法產(chǎn)生；記f(sli，k)為板坯sli被指派到加熱爐k的頻數(shù)，則在生成新個(gè)體時(shí)板坯sli被指派到加熱爐k的概率與f(sli，k)成反比。在本發(fā)明中，所述組合算子為基于隨機(jī)變量序列的投票組合算子RVSBVC0或單點(diǎn)交叉組合算子0PCC0，其均由子集中的兩個(gè)個(gè)體生成一個(gè)新個(gè)體；基于隨機(jī)變量序列的投票組合算子RVSBVC0采用了基于概率的選舉機(jī)制，由子集中的2個(gè)個(gè)體來(lái)共同決定新個(gè)體的編碼；基于隨機(jī)變量序列的投票組合算子RVSBVC0首先對(duì)每個(gè)個(gè)體中的變量進(jìn)行隨機(jī)排序，然后基于選舉規(guī)則按照變量重新排定的位置順序從小到大地選舉產(chǎn)生新個(gè)體中每個(gè)變量的基因值；記Vl為個(gè)體I的變量位置，V2為個(gè)體2的變量位置，則選舉規(guī)則如下在同一輪投票中，變量位置小的個(gè)體獲勝，在變量位置相同的情況下，目標(biāo)函數(shù)值小的個(gè)體獲勝。


下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。圖1是加熱爐優(yōu)化調(diào)度裝置工作流程示意圖；圖2是連鑄與熱軋的連接方式示意圖；圖3是本發(fā)明實(shí)施例所述SS算法求解instl時(shí)的進(jìn)化過(guò)程示意圖；圖4是本發(fā)明實(shí)施例所述SS算法求解inst2時(shí)的進(jìn)化過(guò)程示意圖。
具體實(shí)施例方式本發(fā)明提供了了一種新的加熱爐調(diào)度模型和優(yōu)化算法，并基于該模型和算法發(fā)明了一種加熱爐優(yōu)化調(diào)度裝置。該裝置基于軋制計(jì)劃、板坯制造計(jì)劃、板坯庫(kù)板坯的信息、模型參數(shù)設(shè)置，應(yīng)用分散搜索(scatter search，以下簡(jiǎn)稱SS)優(yōu)化算法求解加熱爐的調(diào)度計(jì)劃并保存到數(shù)據(jù)庫(kù)表。根據(jù)加熱爐的生產(chǎn)工藝和約束條件建立了加熱爐優(yōu)化調(diào)度的數(shù)學(xué)模型，針對(duì)模型特點(diǎn)提出了 SS優(yōu)化算法，設(shè)計(jì)了基于隨機(jī)變量序列的投票組合算子和單點(diǎn)交叉組合算子。加熱爐調(diào)度裝置首先選擇軋制計(jì)劃、配置模型和算法參數(shù)；其次，應(yīng)用SS算法對(duì)模型進(jìn)行求解。加熱爐的調(diào)度計(jì)劃包含了軋制計(jì)劃每一軋制位選擇的板坯，并給出了每一板坯分配的加熱爐和板坯的入爐和出爐時(shí)間。加熱爐調(diào)度模型中考慮了板坯最小的額定加熱時(shí)間目標(biāo)，針對(duì)給定的軋制計(jì)劃選擇不同來(lái)源的板坯，充分保證了加熱爐加熱板坯過(guò)程中的節(jié)能降耗的目的。本系統(tǒng)整體可以劃分3個(gè)層次，界面表示層、業(yè)務(wù)邏輯層和數(shù)據(jù)訪問(wèn)層。I)界面表示層界面表示層負(fù)責(zé)收集業(yè)務(wù)邏輯層需要使用的數(shù)據(jù)，調(diào)用業(yè)務(wù)邏輯層提供的服務(wù)，并將業(yè)務(wù)邏輯層返回的數(shù)據(jù)以界面的方式呈現(xiàn)。2)業(yè)務(wù)邏輯層業(yè)務(wù)邏輯層負(fù)責(zé)響應(yīng)界面的調(diào)用請(qǐng)求，獲取界面表示層的信息和數(shù)據(jù)訪問(wèn)層的數(shù)據(jù)，負(fù)責(zé)執(zhí)行特定的業(yè)務(wù)邏輯運(yùn)算，將結(jié)果返回給調(diào)用者和寫入數(shù)據(jù)庫(kù)。3)數(shù)據(jù)訪問(wèn)層數(shù)據(jù)層由關(guān)系數(shù)據(jù)庫(kù)組成，負(fù)責(zé)存儲(chǔ)要持久化的數(shù)據(jù)。本系統(tǒng)包括軋制計(jì)劃的維護(hù)，板坯制造計(jì)劃的維護(hù)，板坯庫(kù)板坯基本信息維護(hù)，力口熱爐調(diào)度模型的建立，SS算法的設(shè)計(jì)，加熱爐調(diào)度計(jì)劃的創(chuàng)建與維護(hù)。該加熱爐優(yōu)化調(diào)度方法與裝置的工作流程如圖1所示，具體表述如下(I)界面表示層選擇軋制計(jì)劃、設(shè)置數(shù)學(xué)模型和SS優(yōu)化算法的參數(shù)，調(diào)用業(yè)務(wù)邏輯層的SS算法；(2)業(yè)務(wù)邏輯層對(duì)界面層選擇的軋制計(jì)劃、板坯制造計(jì)劃和板坯庫(kù)板坯信息進(jìn)行解析，生成加熱爐調(diào)度的數(shù)學(xué)模型；(3)應(yīng)用SS算法求解加熱爐優(yōu)化調(diào)度計(jì)劃，并將SS算法求得的加熱爐調(diào)度計(jì)劃進(jìn)行解析，傳給界面表示層、存入到數(shù)據(jù)庫(kù)表，并對(duì)板坯制造計(jì)劃和板坯庫(kù)基本信息進(jìn)行同步更新。數(shù)據(jù)庫(kù)方面的設(shè)計(jì)軋制計(jì)劃表，板坯制造計(jì)劃表，板坯庫(kù)基本信息表，加熱爐調(diào)度計(jì)劃表。其中，軋制計(jì)劃表保存了軋制計(jì)劃中每一軋制位需要板坯的鋼種、規(guī)格、溫度和板坯軋制順序等信息；板坯制造計(jì)劃表為對(duì)應(yīng)出鋼計(jì)劃的澆鑄板坯計(jì)劃，保存了鑄坯的計(jì)劃完成時(shí)間、規(guī)格、鋼種等信息；板坯庫(kù)信息表保存了當(dāng)前板坯庫(kù)、保溫坑存放板坯的基本信息；加熱爐調(diào)度計(jì)劃表保存了軋制計(jì)劃選擇的板坯、加熱爐加熱板坯的集合和板坯的加熱時(shí)間等信息。界面表示層的設(shè)計(jì)軋制計(jì)劃界面，板坯制造計(jì)劃界面，板坯庫(kù)板坯基本信息界面，加熱爐調(diào)度計(jì)劃界面，軋制計(jì)劃選擇和參數(shù)設(shè)置界面。其中，軋制計(jì)劃界面顯示不同軋制計(jì)劃的信息，并可對(duì)其進(jìn)行增、刪、改、查等操作；板坯制造計(jì)劃界面顯示不同出鋼計(jì)劃對(duì)應(yīng)的板坯切斷計(jì)劃，可對(duì)其進(jìn)行增、刪、改、查等操作；板坯庫(kù)板坯基本信息界面顯示當(dāng)前板坯庫(kù)、保溫坑存儲(chǔ)板坯的基本信息，可對(duì)其進(jìn)行增、刪、改、查等操作；加熱爐調(diào)度計(jì)劃界面顯示不同軋制計(jì)劃對(duì)應(yīng)的板坯選擇和板坯分配加熱爐的信息，可對(duì)其進(jìn)行增、刪、改、查等操作；軋制計(jì)劃選擇和參數(shù)設(shè)置界面用于選擇軋制計(jì)劃、設(shè)置加熱爐調(diào)度的數(shù)學(xué)模型和SS算法的基本參數(shù)信息，并調(diào)用業(yè)務(wù)邏輯層的SS優(yōu)
化算法。業(yè)務(wù)邏輯層的設(shè)計(jì)首先，對(duì)界面層選擇的軋制計(jì)劃與設(shè)置的參數(shù)進(jìn)行解析；其次，自動(dòng)生成加熱爐調(diào)度問(wèn)題的數(shù)學(xué)模型和相關(guān)的模型參數(shù)；再次，應(yīng)用SS算法對(duì)模型進(jìn)行求解；最后，將SS算法求得的加熱爐調(diào)度計(jì)劃進(jìn)行解析存入數(shù)據(jù)庫(kù)表，并返回到調(diào)度計(jì)劃界面進(jìn)行顯示。下面分別介紹加熱爐調(diào)度計(jì)劃的數(shù)學(xué)模型和SS優(yōu)化算法的實(shí)現(xiàn)過(guò)程。在一般鋼鐵企業(yè)的生產(chǎn)線布局中，加熱爐的上游生產(chǎn)工序是生產(chǎn)板坯的連鑄工序，下游生產(chǎn)工序軋制板坯的熱軋工序。根據(jù)連鑄機(jī)供給熱軋機(jī)鑄坯的供應(yīng)方式和溫度的不同，連鑄和熱軋之間的連接存在4種不同的工藝路徑冷裝(CCR)，熱裝(HCR)，直接熱裝(DHCR)，直接熱軋(HDR)，以上4種工藝路徑只有HDR不需經(jīng)過(guò)加熱爐，但HDR要求特殊的生產(chǎn)線配置和很高的生產(chǎn)組織水平，在現(xiàn)代鋼鐵生產(chǎn)中應(yīng)用很少。CCR、HCR和DHCR三種裝爐方式的生產(chǎn)工藝流程如圖2所示。圖2中生產(chǎn)線配備多臺(tái)并行的連鑄機(jī)或是一機(jī)多流的連鑄機(jī)，加熱能力不同的3臺(tái)加熱爐和I臺(tái)熱軋機(jī)。在加熱爐上游工序，根據(jù)連鑄板坯的物流實(shí)績(jī)，需要加熱的板坯可能來(lái)源于板坯庫(kù)、保溫坑或是連鑄機(jī)，板坯來(lái)源不同決定其裝爐溫度不同，再加上板坯規(guī)格不同，因此，板坯的標(biāo)準(zhǔn)加熱時(shí)間不同。在加熱爐下游工序，熱軋機(jī)組要求板坯按照軋制計(jì)劃指定的板坯順序出爐，而且相鄰兩塊板坯的出爐時(shí)間間隔要大于熱軋機(jī)組軋制一塊板坯的時(shí)間，小于熱軋機(jī)組軋制一塊板坯的時(shí)間加上熱軋機(jī)組的最大等待時(shí)間，以免造成熱軋機(jī)組停機(jī)損失和產(chǎn)品質(zhì)量較大的波動(dòng)。加熱爐調(diào)度過(guò)程需滿足如下工藝約束(I)每塊板坯的計(jì)劃住爐時(shí)間大于等于標(biāo)準(zhǔn)加熱時(shí)間，小于等于最大住爐時(shí)間。(2)同一時(shí)刻在加熱爐內(nèi)的板坯數(shù)量小于該加熱爐的額定容量。(3)同一臺(tái)加熱爐的板坯出坯順序與板坯的入爐順序一致。(4)加熱爐向熱軋機(jī)組提供板坯的順序必須與軋制單元計(jì)劃規(guī)定的順序一致。如圖1所示，軋制計(jì)劃要求的板坯順序?yàn)?、2、3、4、5、6，相應(yīng)地加熱爐出坯順序也為1、2、3、4、5、6。(5)相鄰兩塊板坯的出爐時(shí)間間隔要大于熱軋機(jī)組軋制一塊板坯的時(shí)間，小于熱軋機(jī)組軋制一塊板坯的時(shí)間加上熱軋機(jī)組的最大等待時(shí)間。加熱爐調(diào)度問(wèn)題的優(yōu)化目標(biāo)是在滿足以上約束前提下，使得所有被選中的板坯總的住爐時(shí)間最小，從而節(jié)省能源消耗，提聞生廣效率。SS算法已被廣泛應(yīng)用于求解組合優(yōu)化問(wèn)題，是一種基于種群搜索的啟發(fā)式算法?；舅枷胧腔诔跏冀獾姆N群生成參考解集合，選擇參考解集合中的兩個(gè)或更多的解組成子集合，對(duì)子集合中的解應(yīng)用結(jié)合方法生成新的更好的解，對(duì)結(jié)合生成的新解運(yùn)用改進(jìn)算法，對(duì)于應(yīng)用改進(jìn)算法改進(jìn)后的優(yōu)質(zhì)解來(lái)更新參考集。所以SS算法的基本組成部分為初始解生成方法，參考解集合，解的結(jié)合方法和改進(jìn)方法。初始解的生成方法設(shè)計(jì)每個(gè)個(gè)體的編碼由兩個(gè)鏈表組成，其中，solL包含了被選中的板坯序列，solF對(duì)應(yīng)被選中的板坯指派的加熱爐。在初始解的產(chǎn)生過(guò)程中，鏈表solL中的第i個(gè)元素值sli從[1，…，I Ci I]的整數(shù)中隨機(jī)產(chǎn)生；solF中的元素值基于記憶頻數(shù)的方法產(chǎn)生。記f(sli，k)為板坯sli被指派到加熱爐k的頻數(shù)，則在生成新個(gè)體時(shí)板坯sli被指派到加熱爐k的概率與f (sli, k)成反比。以上提出的初始解生成方法既能保證解的多樣性，又能根據(jù)加熱爐利用率進(jìn)行平均分配，防止出現(xiàn)加熱爐利用率不均衡的情況。解的組合方法設(shè)計(jì)組合算子是SS算法的基本組成部分，其作用是將子集中的解按照某種方法組合成一個(gè)或多個(gè)新解。由于子集中的解來(lái)源于參考集RefSet，因此，結(jié)合算子是將參考集中的優(yōu)質(zhì)解和多樣性解組合生成新解，合理設(shè)計(jì)組合算子既可以保證解的優(yōu)質(zhì)性又可以保證解的多樣性。本文針對(duì)問(wèn)題及編碼方式的特點(diǎn)設(shè)計(jì)了兩種組合算子，分別是基于隨機(jī)變量序列的投票組合算子(random variable sequence based voting combination operator,RVSBVC0)和單點(diǎn)交叉組合算子(one point crossover combination operator,0PCC0),兩者均由子集中的兩個(gè)個(gè)體生成一個(gè)新個(gè)體。RVSBVC0采用了一種基于概率的選舉機(jī)制，由子集中的2個(gè)個(gè)體(投票者)來(lái)共同決定新個(gè)體的編碼。RVSBVC0首先對(duì)每個(gè)個(gè)體中的變量(軋制位)進(jìn)行隨機(jī)排序，然后基于選舉規(guī)則按照變量重新排定的位置順序從小到大地選舉產(chǎn)生新個(gè)體中每個(gè)變量的基因值。記Vl為個(gè)體I的變量位置，V2為個(gè)體2的變量位置，則選舉規(guī)則如下在同一輪投票中，變量位置小的個(gè)體獲勝，在變量位置相同的情況下，目標(biāo)函數(shù)值小的個(gè)體獲勝。以上選舉規(guī)則實(shí)現(xiàn)了質(zhì)量越好的個(gè)體的變量值遺傳到下一代的概率越大的思想。局域搜索算法設(shè)計(jì)在SS算法中，局 域搜索算子用于改進(jìn)在初始化過(guò)程中隨機(jī)產(chǎn)生的解以及由組合算子產(chǎn)生的新解。輸入局域搜索算子的解和局域搜索算子輸出的解都不要求是可行解。本文計(jì)算評(píng)價(jià)函數(shù)時(shí)會(huì)對(duì)解的可行性進(jìn)行判斷，對(duì)于不可行的解，其目標(biāo)函數(shù)值為無(wú)窮大，以此濾掉不可行解。由于本文優(yōu)化目標(biāo)是板坯的總住爐時(shí)間最小，因此，在板坯選擇過(guò)程中選擇標(biāo)準(zhǔn)加熱時(shí)間小的板坯有利于改進(jìn)目標(biāo)函數(shù)值。在板坯被選定的情況下，將其指派到標(biāo)準(zhǔn)加熱時(shí)間最小的加熱爐同樣有利于改進(jìn)目標(biāo)函數(shù)值?；谝陨纤枷?，本文提出了兩階段局域搜索算子(I)保持solF不變改進(jìn)solL。軋制位i = I到m,依次嘗試標(biāo)準(zhǔn)加熱時(shí)間更短的候選板坯替換當(dāng)前被選中的板坯，如果替換后解的目標(biāo)函數(shù)值得到改進(jìn)，則接受替換，否則恢復(fù)原來(lái)的板還。(2)保持solL不變改進(jìn)solF。從軋制位i = I到m,依次嘗試標(biāo)準(zhǔn)加熱時(shí)間更短的加熱爐替換當(dāng)前被指派的加熱爐，如果替換后解的目標(biāo)函數(shù)值得到改進(jìn)，則接受替換，否則恢復(fù)原來(lái)的加熱爐。由于采用了上述技術(shù)方案，本發(fā)明實(shí)現(xiàn)了 1.建立的加熱爐調(diào)度問(wèn)題的數(shù)學(xué)模型以板坯住爐時(shí)間最小為優(yōu)化目標(biāo)，考慮了選擇不同來(lái)源板坯的過(guò)程，并約束板坯的住爐時(shí)間的上限。結(jié)合選擇加熱板坯的過(guò)程和板坯的額定加熱時(shí)間最小的目標(biāo)，有效地保證了節(jié)約能源消耗的目標(biāo)。板坯住爐時(shí)間的上限約束和板坯達(dá)到額定加熱時(shí)間等待出爐時(shí)間最小的目標(biāo)，充分地保證了減少加熱過(guò)程中的熱能損失，有效地防止了加熱板坯出現(xiàn)過(guò)燒等現(xiàn)象，保證了板坯的質(zhì)量。2.針對(duì)模型特點(diǎn)提出了 SS算法，設(shè)計(jì)了基于隨機(jī)變量序列的投票組合算子和單點(diǎn)交叉組合算子?；赟S優(yōu)化算法的參考集中解的多樣性和優(yōu)質(zhì)性特點(diǎn)，應(yīng)用結(jié)合算子和局域搜索算子有效地避免陷入局部最優(yōu)和快速搜索到全局最優(yōu)解。3.基于國(guó)內(nèi)某鋼鐵企業(yè)加熱爐生產(chǎn)過(guò)程的實(shí)績(jī)隨機(jī)生成的測(cè)試案例進(jìn)行實(shí)驗(yàn)，分析了參考集規(guī)模及不同組合算子對(duì)SS算法性能的影響，并與遺傳局域搜索(genetic localsearch，簡(jiǎn)稱GLS)算法的求解結(jié)果進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明模型和算法對(duì)解決本文研究的加熱爐調(diào)度問(wèn)題有效。圖3和圖4顯示了不同規(guī)模參考集SS算法的迭代過(guò)程。本發(fā)明并不限于上文討論的實(shí)施方式。以上對(duì)具體實(shí)施方式
的描述旨在于為了描述和說(shuō)明本發(fā)明涉及的技術(shù)方案?；诒景l(fā)明啟示的顯而易見(jiàn)的變換或替代也應(yīng)當(dāng)被認(rèn)為落入本發(fā)明的保護(hù)范圍。以上的具體實(shí)施方式
用來(lái)揭示本發(fā)明的最佳實(shí)施方法，以使得本領(lǐng)域的普通技術(shù)人員能夠應(yīng)用本發(fā)明的多種實(shí)施方式以及多種替代方式來(lái)達(dá)到本發(fā)明的目的。
權(quán)利要求
1.一種加熱爐調(diào)度的優(yōu)化算法；其特征在于，包括界面表示層、業(yè)務(wù)邏輯層和數(shù)據(jù)訪問(wèn)層，其中 界面表示層負(fù)責(zé)收集業(yè)務(wù)邏輯層需要使用的數(shù)據(jù)，調(diào)用業(yè)務(wù)邏輯層提供的服務(wù)，并將業(yè)務(wù)邏輯層返回的數(shù)據(jù)以界面的方式呈現(xiàn)； 業(yè)務(wù)邏輯層負(fù)責(zé)響應(yīng)界面的調(diào)用請(qǐng)求，獲取界面表示層的信息和數(shù)據(jù)訪問(wèn)層的數(shù)據(jù)，負(fù)責(zé)執(zhí)行特定的業(yè)務(wù)邏輯運(yùn)算，將結(jié)果返回給調(diào)用者和寫入數(shù)據(jù)庫(kù)； 數(shù)據(jù)層由關(guān)系數(shù)據(jù)庫(kù)組成，負(fù)責(zé)存儲(chǔ)要持久化的數(shù)據(jù)。
2.如權(quán)利要求1所述的加熱爐調(diào)度的優(yōu)化算法，其特征在于，界面表示層選擇軋制計(jì)劃、設(shè)置數(shù)學(xué)模型和SS優(yōu)化算法的參數(shù)，調(diào)用業(yè)務(wù)邏輯層的分散搜索SS算法。
3.如權(quán)利要求1所述的加熱爐調(diào)度的優(yōu)化算法，其特征在于，業(yè)務(wù)邏輯層對(duì)界面層選擇的軋制計(jì)劃、板坯制造計(jì)劃和板坯庫(kù)板坯信息進(jìn)行解析，生成加熱爐調(diào)度的數(shù)學(xué)模型。
4.如權(quán)利要求1所述的加熱爐調(diào)度的優(yōu)化算法，其特征在于，應(yīng)用分散搜索SS算法求解加熱爐優(yōu)化調(diào)度計(jì)劃，并將分散搜索SS算法求得的加熱爐調(diào)度計(jì)劃進(jìn)行解析，傳給界面表示層、存入到數(shù)據(jù)庫(kù)表，并對(duì)板坯制造計(jì)劃和板坯庫(kù)基本信息進(jìn)行同步更新。
5.如權(quán)利要求2-4中任何一項(xiàng)所述的加熱爐調(diào)度的優(yōu)化算法，其特征在于，SS算法的基本組成部分為初始解生成方法，參考解集合，解的結(jié)合方法和改進(jìn)方法。
6.如權(quán)利要求5所述的加熱爐調(diào)度的優(yōu)化算法，其特征在于，初始解的生成方法設(shè)計(jì)包括 每個(gè)個(gè)體的編碼由兩個(gè)鏈表組成，其中，solL包含了被選中的板坯序列，solF對(duì)應(yīng)被選中的板坯指派的加熱爐；在初始解的產(chǎn)生過(guò)程中，鏈表solL中的第i個(gè)元素值sli從[I, ···, Ci I ]的整數(shù)中隨機(jī)產(chǎn)生；solF中的元素值基于記憶頻數(shù)的方法產(chǎn)生；記f(sli，k)為板坯sli被指派到加熱爐k的頻數(shù)，則在生成新個(gè)體時(shí)板坯sli被指派到加熱爐k的概率與f (sli, k)成反比。
7.如權(quán)利要求5所述的加熱爐調(diào)度的優(yōu)化算法，其特征在于， 所述組合算子為基于隨機(jī)變量序列的投票組合算子RVSBVC0或單點(diǎn)交叉組合算子0PCC0，其均由子集中的兩個(gè)個(gè)體生成一個(gè)新個(gè)體； 基于隨機(jī)變量序列的投票組合算子RVSBVC0采用了基于概率的選舉機(jī)制，由子集中的2個(gè)個(gè)體來(lái)共同決定新個(gè)體的編碼；基于隨機(jī)變量序列的投票組合算子RVSBVC0首先對(duì)每個(gè)個(gè)體中的變量進(jìn)行隨機(jī)排序，然后基于選舉規(guī)則按照變量重新排定的位置順序從小到大地選舉產(chǎn)生新個(gè)體中每個(gè)變量的基因值； 記Vl為個(gè)體I的變量位置，V2為個(gè)體2的變量位置，則選舉規(guī)則如下在同一輪投票中，變量位置小的個(gè)體獲勝，在變量位置相同的情況下，目標(biāo)函數(shù)值小的個(gè)體獲勝。
全文摘要
本發(fā)明公開(kāi)了一種加熱爐調(diào)度的優(yōu)化算法；包括界面表示層、業(yè)務(wù)邏輯層和數(shù)據(jù)訪問(wèn)層，其中界面表示層負(fù)責(zé)收集業(yè)務(wù)邏輯層需要使用的數(shù)據(jù)，調(diào)用業(yè)務(wù)邏輯層提供的服務(wù)，并將業(yè)務(wù)邏輯層返回的數(shù)據(jù)以界面的方式呈現(xiàn)；業(yè)務(wù)邏輯層負(fù)責(zé)響應(yīng)界面的調(diào)用請(qǐng)求，獲取界面表示層的信息和數(shù)據(jù)訪問(wèn)層的數(shù)據(jù)，負(fù)責(zé)執(zhí)行特定的業(yè)務(wù)邏輯運(yùn)算，將結(jié)果返回給調(diào)用者和寫入數(shù)據(jù)庫(kù)；數(shù)據(jù)層由關(guān)系數(shù)據(jù)庫(kù)組成，負(fù)責(zé)存儲(chǔ)要持久化的數(shù)據(jù)。本發(fā)明可以合理調(diào)度對(duì)于降低生產(chǎn)過(guò)程的能源消耗和生產(chǎn)成本。
文檔編號(hào)G06F19/00GK103034773SQ20111030513
公開(kāi)日2013年4月10日 申請(qǐng)日期2011年10月10日 優(yōu)先權(quán)日2011年10月10日
發(fā)明者周維, 劉士新, 王森, 譚園園, 王蔚林, 高俊, 劉青云, 任靜, 許雯, 徐微, 魏震, 高壘, 李潔 申請(qǐng)人:上海寶信軟件股份有限公司