程序性细胞死亡的算法模拟在钢铁产能规划中的研究

摘要

产能规划是关系到从企业资源计划(ERP)到企业生产控制的整体优化，实现着连接企业管理与实际生产的重要环节。全面准确有效的钢铁产能规划，有助于钢铁企业减少不良生产、提高生产效率、降低实际成本以及提升企业的整体调控能力。近年来，我国总体经济增长放缓、结构进行调整，钢铁行业产能过剩超乎想象，利润不足1％；加之自2013年起我国中东部地区先后遭遇多次大范围持续雾霾天气，首要源头之一的钢铁行业更是备受责难，致使原本举步维艰的钢铁行业面临的局面变得更为复杂，国家相关污染治理政策与产业转型升级等政策已然不能被忽视，亟需有效压缩产能、主导钢铁产能规划的方法进行科学指导与实施。
　　本文提出了应用模拟程序性细胞死亡改进后的遗传算法进行解决钢铁产能规划问题的方案，论文首先对遗传算法进行介绍，然后针对以遗传算法的过早收敛缺陷进行讨论；并对遗传算法进行改进，通过模拟生理学最新研究成果的程序性细胞死亡的基因控制理论，改进基本遗传算法后，对基本遗传算法中的适应度函数人工模拟基因ced-3、ced-4、ced-9的生理学作用，控制包含优秀基因的细胞不会因为总体表现偏差而过早被细胞淘汰时消亡，既增强了包含该种基因的细胞保存下来的比率，又增加了种群的基因的多样性，有效的控制与避免了“早熟”现象，算法也就进一步能够收敛到全局最优解；同时，在程序性细胞死亡的基因控制的模拟过程中，通过将适应度函数中的多个指标进行子函数分解，将评价因子单独分别进行判断后，算法模拟将不再只得到单一的最优解，而是在原有基础上得到若干个全局次优解。对程序性细胞死亡的算法模拟在钢铁产能规划中的应用从策略角度进行分析研究。在实际的企业生产规划、项目建设过程中，决策规划者往往需要考虑的是众多纷繁的影响因素，不仅仅也不可能是某种情况下的一成不变的单一优化，将关键的多种指标有机而高效的进行评估之后进行决策，才是决策者能够达到最完美结果的必由之路。因此，在实际生产规划、项目建设中，进行全局最优解与全局次优解的全方面的、多维度的综合性优化筛选就成为了对规划者的必然要求。在基本遗传算法求解综合性优化问题的基础上，设计了应用模拟程序性细胞死亡的遗传算法的钢铁生产企业产能规划的设计方案。并通过实际验证，证明了利用程序性细胞死亡的算法模拟求解企业产能规划中有关问题优化的可行性和全局性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1引言

1.2钢铁产能规划研究背景

1.3课题的研究现状与意义

1.4本文研究方案

第二章 程序性细胞死亡的算法模拟

2.1遗传算法

2.2程序性细胞死亡

2.3程序性细胞死亡的算法模拟

第三章 基于程序性细胞死亡的钢铁产能规划

3.1河北钢铁产能应用背景

3.2产能规划方案的制定

3.3产能规划方案

第四章 产能规划仿真效果

4.1适应度分析

4.2产能控制

第五章 总结与展望

5.1总结

5.2展望

致谢

参考文献

附表: