钢铁生产调度及其人工蜂群算法研究

　　《钢铁生产调度及其人工蜂群算法研究》：
　　第1章 基本知识
　　钢铁行业是国民经济的支柱产业，其生产过程的优化对于企业有着重要的现实意义，可以有效降低能耗、提高设备利用率、减少工序提前/滞后加工的成本，提高企业生产效率，进而对国民经济产生深远影响。钢铁生产包含炼铁、炼钢-连铸和热轧三个主要生产过程，每个生产过程又包含多个加工阶段，每个加工阶段都需要使用多种并行加工设备。因而，可以把钢铁生产的主要过程看做包含多种约束条件的混合流水车间调度（hybrid flowshop scheduling，HFS）问题。
　　为便于理解《钢铁生产调度及其人工蜂群算法研究》阐述的问题和方法，首先需要介绍相关的基本知识。为此，本章将简要介绍HFS问题和优化方法的基本知识。
　　1.1 混合流水车间调度问题
　　经典HFS问题属于NP难问题，目标的搜索涉及解空间的组合爆炸，因而传统的精确求解算法难以应用于较大规模HFS问题的求解过程［12-18］。由于增加了特定的实际生产约束，实际钢铁生产过程存在的多约束HFS问题变得更为复杂，因而相比传统的HFS问题难度更大［1-11］。同时，多约束HFS问题具有良好的结构特征，智能优化算法可以有效利用这些约束特征、目标特点和问题结构特征，有助于设计出为实际钢铁生产中HFS问题求解的算法框架。
　　钢铁生产总流程如图1-1所示。其中，炼铁生产过程包括高炉生产、前扒渣处理、脱硫/脱磷处理、后扒渣处理、倒罐五个加工工序［19］。铁水分为普通铁水和特殊类型铁水两种，特殊类型铁水必须经过全部加工阶段，而普通铁水则需要根据前扒渣和后扒渣加工阶段中加工设备的处理能力动态选择是否跳跃这两个加工阶段。炼钢-连铸加工过程包括炼钢、精炼、连铸三道工序［11］。在连铸阶段，各个浇次的炉次必须连续加工。热轧过程是将连铸机产出的板坯加工为形状和规格符合特定要求的产品，一般为钢卷。在进行热轧加工之前，绝大多数板坯需要在加热炉中加热到一定温度才能进行后续加工。因而，热轧过程中保温要求比较高，如何降低热轧过程中的能耗成为企业提高竞争力的关键环节［20］。另外，炼钢-连铸是钢铁生产的核心，也是影响整个生产过程的关键环节，因而研究动态生产环境下的炼钢-连铸重调度问题具有重要的理论和实践价值。
　　图1-1 钢铁生产总流程示意图
　　综上所述，研究钢铁生产中HFS问题具有重要的现实意义。《钢铁生产调度及其人工蜂群算法研究》将针对静态生产环境下的铁水运输调度、炼钢-连铸、热轧等生产环节中存在的HFS问题，以及动态生产环境下的炼钢-连铸重调度问题，采用人工蜂群算法(artificial bee colony algorithm，ABC算法)开展研究。
　　……

钢铁行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是钢铁生产过程中的一种典型调度问题。《钢铁生产调度及其人工蜂群算法研究》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。《钢铁生产调度及其人工蜂群算法研究》是作者近几年在多项国家和省部级科研项目资助下取得的一系列研究成果的结晶。

目录
《智能科学技术著作丛书》序
前言
第1章 基本知识 1
1.1 混合流水车间调度问题 1
1.1.1 HFS问题建模 2
1.1.2 HFS问题复杂性分析 4
1.1.3 关键路径 4
1.2 优化算法 6
1.2.1 基本人工蜂群算法 6
1.2.2 迭代贪心算法的研究 9
1.2.3 禁忌搜索算法的研究 10
1.2.4 现有方法中存在的问题 12
参考文献 13
第2章 经典混合流水车间调度优化方法 22
2.1 HFS问题研究现状 22
2.1.1 经典HFS问题研究现状 22
2.1.2 多约束HFS问题研究 23
2.2 经典HFS问题算法研究 24
2.2.1 问题编码 24
2.2.2 初始解集的建立 25
2.2.3 邻域结构 25
2.2.4 局部搜索策略 26
2.2.5 雇佣蜂策略 26
2.2.6 跟随蜂策略 26
2.2.7 侦查蜂策略 27
2.2.8 结合人工蜂群和迭代贪心的混合离散算法 27
2.3 实验分析 28
2.3.1 实验设置 28
2.3.2 同型并行机实验结果分析 28
2.3.3 异构并行机实验结果分析 33
2.4 本章小结 33
参考文献 34
第3章 铁水运输调度优化方法 39
3.1 带动态工序跳跃约束的铁水运输调度问题的研究现状 40
3.2 铁水运输调度HFS问题描述 41
3.3 铁水运输调度HFS问题建模 42
3.3.1 问题特征 42
3.3.2 变量和下标 43
3.3.3 数学模型 44
3.3.4 铁水运输调度问题实例 44
3.4 铁水运输调度HFS问题算法研究 46
3.4.1 动态编码策略 46
3.4.2 柔性解码策略 48
3.4.3 右移策略 49
3.4.4 邻域结构 52
3.4.5 强化局部搜索策略 53
3.4.6 算法框架 53
3.4.7 DABC算法收敛性分析 54
3.5 实验比较与分析 55
3.5.1 实验设置 55
3.5.2 实验算例 55
3.5.3 实验参数 56
3.5.4 动态编码策略的有效性 56
3.5.5 解码策略的有效性 58
3.5.6 右移策略的有效性 59
3.5.7 跳跃邻域结构的有效性 59
3.5.8 与现有算法的比较 60
3.6 本章小结 64
参考文献 64
第4章 炼钢-连铸调度优化方法 68
4.1 带设备维修约束的炼钢-连铸HFS问题的研究现状 68
4.2 炼钢-连铸HFS问题描述 69
4.3 炼钢-连铸中HFS问题建模 70
4.3.1 问题假设 70
4.3.2 变量和下标 71
4.3.3 数学模型 72
4.4 炼钢-连铸中HFS问题的算法研究 73
4.4.1 问题编码 73
4.4.2 考虑设备维修时间约束的解码策略 74
4.4.3 邻域结构 78
4.4.4 自适应邻域选择机制 79
4.4.5 解集初始化 80
4.4.6 雇佣蜂策略 80
4.4.7 侦查蜂策略 80
4.4.8 全局搜索过程 80
4.4.9 算法框架 81
4.4.10 算法收敛性分析 81
4.5 实验比较与分析 82
4.5.1 实验设置 82
4.5.2 实验算例 82
4.5.3 实验参数 83
4.5.4 不考虑设备维修约束实验分析 84
4.5.5 带设备维修约束实验分析 88
4.6 本章小结 90
参考文献 90
第5章 热轧调度优化方法 92
5.1 有限缓冲区热轧调度问题的研究现状 92
5.2 有限缓冲区约束HFS问题描述 93
5.3 有限缓冲区约束的混合算法研究 94
5.3.1 基于TS的自适应邻域结构 94
5.3.2 基于TS的局部搜索策略 95
5.3.3 编码 97
5.3.4 考虑有限缓冲区约束的解码策略 98
5.3.5 雇佣蜂策略 100
5.3.6 跟随蜂策略 101
5.3.7 侦查蜂策略 101
5.3.8 算法框架 101
5.3.9 算法收敛性分析 101
5.4 实验分析 102
5.4.1 实验设置 102
5.4.2 实验算例 102
5.4.3 实验参数 103
5.4.4 自适应邻域结构性能分析 104
5.4.5 与其他算法对比分析 106
5.5 本章小结 111
参考文献 112
第6章 炼钢-连铸重调度优化方法 115
6.1 炼钢-连铸重调度问题的研究现状 115
6.2 炼钢-连铸重调度问题建模 116
6.2.1 问题特征 116
6.2.2 变量与下标 117
6.2.3 数学模型 118
6.3 炼钢-连铸重调度问题复杂度分析 119
6.4 炼钢-连铸重调度问题相关策略 120
6.4.1 启发式规则 120
6.4.2 工件分组 120
6.4.3 加工时间延迟策略 121
6.4.4 断浇消除策略 122
6.4.5 右移策略 124
6.5 炼钢-连铸重调度算法研究 126
6.5.1 编码策略 126
6.5.2 解码策略 127
6.5.3 邻域结构 129
6.5.4 解集初始化 130
6.5.5 算法流程 130
6.5.6 基于IG的局部搜索过程 132
6.5.7 算法收敛性分析 132
6.6 实验分析 132
6.6.1 实验设置 132
6.6.2 实验算例 133
6.6.3 实验参数 134
6.6.4 启发式规则的有效性 135
6.6.5 邻域结构的有效性 136
6.6.6 基于IG的局部搜索过程的有效性 139
6.6.7 与GA和TS的比较 140
6.6.8 与其他算法的比较 143
6.7 本章小结 146
参考文献 147
第7章 工业应用实例分析 150
7.1 铁水运输HFS问题实例分析 150
7.2 炼钢-连铸HFS问题实例分析 156
7.3 热轧过程HFS问题实例分析 160
7.4 炼钢-连铸重调度实例分析 162
参考文献 167
结束语 168
附录 机组标准测试实例数据 171