基于人工蜂群算法的钢铁生产调度问题研究

摘要

钢铁业是我国国民经济的重要支柱产业，高效的优化方法对于钢铁企业生产调度有着重要的现实意义。混合流水车间调度问题(Hybrid flowshop scheduling，HFS)是钢铁生产过程中的一种典型调度问题。论文针对炼铁、炼钢-连铸、热轧等生产环节的混合流水车间调度问题，分别建立了混合整数规划模型，研究了问题的先验知识和结构特性，探索了人工蜂群优化(Artifical bee colony optimization，ABC)解决调度问题的关键理论与技术，提出了一系列具有创新性的优化调度理论，并设计了多种高效的调度方法，取得的主要成果如下: 1.针对宝钢铁水运输过程，提炼出带有动态工序跳跃约束的HFS问题，并建立了数学规划模型。设计了一种双向量结构的动态编码机制，在算法进化初期阶段，采用工件排列的编码方法，提高了算法的搜索效率;在算法进化的后期阶段，采用完整的编码策略，提高了算法的搜索精度;提出了基于参考权重的柔性解码方案，解决了工序排列的编码机制在解码过程中出现搜索“盲区”的问题;设计了工件右移启发式规则，对给定的解码方案进一步改进，降低了解的提前倒罐惩罚目标值;提出了跳跃邻域和调度邻域相结合的两层次邻域结构，进一步加强了算法的全局搜索能力;构建了一种基于迭代贪心(Iterated greedy，IG)算法的强化局部搜索策略，进一步提高了算法的局部搜索能力。最后，通过铁水运输调度的仿真实验，验证了所提算法显著优于相关文献中的其他智能优化方法。 2.针对炼钢-连铸生产过程，提炼出带设备维修约束和连铸约束的HFS问题，建立了数学规划模型，并构建了混合ABC算法框架。采用工序排列的编码方法，在解码过程中充分考虑设备维修约束，设计了前向和后向相结合的解码方案，前向策略有效降低了滞后惩罚目标值，后向策略则有效降低了平均等待时间目标值;给出了成对交换、前向插入、逆转、多交换和多插入等五种邻域结构，并设计了一种基于双向量表的自适应邻域选择机制，有效平衡了算法全局和局部搜索能力。最后，通过炼钢-连铸生产过程的仿真实验，验证了所提算法显著优于相关文献中的其他智能优化方法。 3.针对热轧生产过程，提炼出带有限缓冲区约束的HFS问题，并设计了结合ABC和禁忌搜索(Tabu Search，TS)的混合优化算法框架。采用工序排列的编码方法，提出了一种考虑有限缓冲区约束的解码策略，保证了调度方案的有效性和可行性;设计了基于禁忌搜索的自适应邻域选择机制，有效地提高了算法的全局搜索能力;构建了基于禁忌搜索的局部搜索策略，并用于雇佣蜂、跟随蜂和侦查蜂的搜索过程，进一步提高了算法的局部搜索能力。最后，通过热轧过程的仿真实验，验证了所提算法的有效性和实用性。 4.针对炼钢-连铸重调度问题，综合考虑设备随机故障和工件加工时间随机变化两种突发事件，提出了结合ABC和IG的混合优化算法框架。设计了一种设备分配向量和调度向量相结合的编码机制，保证了调度方案的有效性和可行性;构建了前向策略和后向策略相结合的两阶段解码方案，前向策略有效降低了滞后惩罚目标值，后向策略则有效降低了提前惩罚、平均等待时间和断浇惩罚等三个目标值;设计了加工时间延迟、断浇消除、工件右移等三种启发式规则，有效改善了原有调度方案;建立了基于外部存储集的设备选择邻域结构，有效提高了算法的全局搜索能力;结合迭代贪心算法的局部搜索过程，进一步增强了算法的局部搜索能力。最后，通过炼钢-连铸重调度的仿真实验，验证了所提算法显著优于相关文献中的其他智能优化方法。