论文部分内容阅读
钢铁制造业作为世界上高产、高效和先进技术的代表性产业,对国家经济增长以及社会发展起着至关重要的作用。随着经济全球化的日益加深和科学技术的迅猛发展,我国钢铁企业面临着越来越大的竞争压力。炼钢-连铸作为钢铁企业生产的核心工序,其优良的调度计划可以帮助企业缩短生产周期,提高生产效率,从而增加经济效益。因此,研究炼钢-连铸生产调度问题具有重要的现实意义。在深入研究炼钢-连铸生产调度过程所涉及的目标和约束条件等问题的基础上,建立了调度计划编制的优化模型,采用带精英策略的快速非支配排序遗传算法(NSGA2)进行求解。针对NSGA2算法求出的帕累托解集,如何挑选最优解的问题展开了深入研究。首先,综述炼钢-连铸调度计划编制问题的研究成果及现状,深入研究炼钢-连铸生产技术工艺及其调度过程。在此基础上,依据实际生产要求抽象出调度计划约束及目标,建立包含炉次等待设备时间最小、断浇时间间隔最小,浇次偏离给定开浇时间最小以及同设备上炉次间的冲突时间最小的多目标优化调度模型。其次,采用经典的多目标优化算法—NSGA2算法求解所建立的模型。针对如何确定NSGA2算法所求得的帕累托解集中的最优解问题,提出优先级策略及基于优先级策略的最优解决策方法。采用钢厂的实际生产数据对模型及NSGA2算法进行仿真实验,运用基于优先级策略的最优解决策方法从帕累托解集中选取最优解,并与模糊隶属度法、最优折中解策略以及逼近理想解的排序方法(TOPSIS)进行不同规模的仿真实验和比较分析,结果均证明了基于优先级策略的最优解决策方法优于其它最优解决策方法。最后,针对NSGA2求得帕累托解集的速度慢,加之引入最优解决策方法会加长求得最优解的时间等问题,运用优先级策略对NSGA2算法内部进行改进,提出基于优先级策略的改进NSGA2算法,并与引入基于优先级策略的最优解决策方法的NSGA2算法进行多规模的仿真实验。结果表明,与原算法相比,改进后的算法能在保证求得最优解的前提下,求解速度更快、算法性能更加优越。