,690 北京科技大学学报 第35卷 2算法设计 决一体化计划编制问题，其中轧制单元Agent、炉 炼钢一连铸一热轧一体化计划编制是NP(non- 次Agent和浇次Agent内部的子群组合成协同进化 deterministic polynomial)难问题，传统的算法难以 算法中的三个子群，各子群内染色体分别表征轧制 有效地求解.随着近年来智能算法的发展和良好的 单元、炉次和浇次计划.通过合作型协同进化的方 应用效果，本文根据钢铁生产计划问题本质上的分 法来代替传统Multi--agent间的合同网协议方法，实 阶段性、复杂性而采用与之适应的基于Multi--agent 现Multi-agent系统的协作功能.把协同进化算法中 系统架构的协同进化算法来进行统一求解 的每个子群作为具有局部感知和协作的Agent,在 2.1 Multi--agent系统实现架构 进化过程中，各Agent内部的子群依次进化，进化 Multi--agent系统是一种分布式自主系统，它特 的子群为Agent提供行为决策支持，即子群中适应 别适用于多个实体相互共同求解某个共同的问题. 度值最大的染色体决定了该Agent的行为选择，子 本文利用Multi-agent系统的层次化结构12！来构 群的进化不断调整Agent的行为代表，并由管理 架一体化计划编制模型的求解算法.当编制一体化 Agent对各Agent计划目标函数的调整来达到一体 生产计划时，需要集成化的轧制单元、炉次和浇次 化计划编制的全局优化的目的，最终联合各Agent 编制的优化方案，不追求局部每个计划的目标惩罚 内保存的最优个体得到所求解问题的一个完整解. 最小化，而寻求一体化生产批量计划的全局优化. 参与协作的轧制单元Agent、炉次Agent和浇 基于Aget的建模是一种由底而上的建模方 次Agent都拥有一个独立的进化算法的种群，其中 法.Agent是整个系统的基本抽象，把一体化计划编 遗传操作如下. 制模型抽象为轧制单元Agent、炉次Agent和浇次 (1)染色体编码方式：轧制单元计划编制是以 Agent,并由管理Agent以最小化各Agent的目标 预定周期的合同池内生产合同为输入对象，轧制子 函数进行调整，如图2所示，各Agent按其自身目 群中染色体内基因表示为生产合同的板坯序号，其 标函数f(1)和f(2)并通过f(3)来协同相对应的 长度为合同池内板坯数量；炉次计划编制以轧制单 Agent. 轧制单元Agent与炉次Agent的目标协同 元子群染色体为输入对象，炉次子群中染色体内基 后经协同进化算法制定轧制单元计划，炉次Agent 因表示为板坯序号，其初始长度为轧制子群染色体 与浇次Agent的目标协同后经协同进化算法制定炉 长度，浇次子群中的染色体内基因则是由炉次子群 次单元计划，浇次Agent与轧制单元Agent的目标 的炉次所构成，其染色体基因长度为相对应炉次子 协同后经协同进化算法制定浇次计划， 群中染色体所表示的炉次数 (2)遗传算子：交叉算子采用两点交叉方式，即 管理Agent (min f:min f,min f) 在两条染色体内随机地在基因长度范围内产生两个 交叉点，并将位于交叉点之间的基因段互换.变异 Agent Agent Agent 算子采用两点变异方式，即在一条染色体内随机地 轧制单 协同 炉次 协同 浇次 在基因的长度范围内产生两个变异点，并将选中的 元计划 计划 计划 无(3) (3) 变异点交换位置 五(1) (1) A(1) (3)适应度函数：采用统一建模中各阶段对应 6(2) 5(2) 6(2) 的优化函数目标值联合其他计划共同求得相对适应 五(3) 度值 协同 (4)选择机制：采用精英选择和轮盘赌选择相 图2基于Multi--agent的一体化批量计划目标间协同关系 结合的混合策略 Fig.2 Coordination of integrated batch plan objectives based 炼钢一连铸一热轧一体化生产批量计划编制 on multi-agent 其流程如图3所示 2.2协同进化算法 算法详细实现步骤如下 协同进化【13-14是将待求解的问题映射为相 Step1:初始化算法参数及染色体，以生产合 互作用的各子群组成的系统，在进化过程中通过对 同池内一定时间内完工的生产合同为输入条件，用 个体评价时采用相对适应值计算，从而达到整个群 生产合同带钢序列号随机初始化轧制单元子群，需 体协同进化的目的.协同进化的特点正好与Multi-- 满足轧制单元约束条件 agent系统的特点相适应，因此把两者相集成来解 Step2:轧制单元子群进行遗传操作，其中相· · 北 京 科 技 大 学 学 报 第 卷 算法设计 炼钢一连铸一热轧一体化计划编制是 习 难 问题 , 传统的算法难 以 有效地求解 随着近年来智能算法 的发展和 良好的 应用效果 , 本文根据钢铁生产计划问题本质上 的分 阶段性 、复杂性而采用与之适应的基于 一 系统架构 的协同进化算法来进行统一求解 一 系统实现架构 一 系统是一种分布式 自主系统, 它特 别适用于 多个实体相互共 同求解某个共 同的问题 本文利用 系统 的层次化结构 来构 架一体化计划 编制模型的求解算法 当编制一体化 生产计划时, 需要集成化的轧制单元 、炉次和浇次 编制 的优化方案 , 不追求局部每个计划的 目标惩罚 最小化 , 而寻求一体化生产批量计划 的全局优化 基于 的建模是一种 由底而上 的建模方 法 是整个系统的基本抽象, 把一体化计划编 制模型抽象为轧制单元 、炉次 和浇次 , 并 由管理 以最小化各 的 目标 函数进行调整, 如 图 所示 , 各 按其 自身 目 标函数 五 和 九 并通过 二 来协 同相对应的 轧制单元 与炉次 罗 的 目标协 同 后经协 同进化算法制定轧制单元计划 , 炉次 与浇次 罗 的 目标协同后经协同进化算法制定炉 次单元计划 , 浇次 与轧制单元 的 目标 协同后经协 同进化算法制定浇次计划 管理 , 无, 轧制单 炉次 浇次 元计划 计划 「 一 计划 几 人 无 乃川 人 无 方 图 基于 一 的一体化批量计划 目标 间协同关系 一 协同进化算法 协同进化 阵一` 是将待求解 的问题映射为相 互作用的各子群组成的系统, 在进化过程中通过对 个体评价时采用相对适应值计算 , 从而达到整个群 体协 同进化的 目的 协 同进化的特 点正好与 系统的特点相适应 , 因此把两者相集成来解 决一体化计划编制问题 , 其 中轧制单元 、 炉 次 七和浇次 内部的子群组合成协 同进化 算法中的三个子群, 各子群 内染色体分别表征轧制 单元 、炉次和浇次计划 通过合作型协 同进化 的方 法来代替传统 一 间的合同网协议方法 , 实 现 一 系统的协作功能 把协同进化算法中 的每个子群作为具有局部感知和协作的 , 在 进化过程 中, 各 内部的子群依次进化, 进化 的子群为 提供行为决策支持, 即子群中适应 度值最大的染色体决定了该 的行为选择, 子 群 的进化不断调整 的行为代表 , 并 由管理 对各 计划 目标函数 的调整来达 到一体 化计划编制的全局优化的 目的, 最终联合各 内保存的最优个体得到所求解 问题的一个完整解 参与协作的轧制单元 、炉次 和浇 次 都拥有一个独立 的进化算法的种群, 其 中 遗传操作如下 染色体编码方式 轧制单元计划编制是 以 预定周期 的合 同池 内生产合同为输入对象, 轧制子 群 中染色体内基因表示为生产合 同的板坯序号, 其 长度为合同池 内板坯数量 炉次计划编制以轧制单 元子群染色体为输入对象, 炉次子群 中染色体 内基 因表示为板坯序号, 其初始长度为轧制子群染色体 长度 , 浇次子群 中的染色体内基因则是 由炉次子群 的炉次所构成, 其染色体基 因长度为相对应炉次子 群 中染色体所表示的炉次数 遗传算子 交叉算子采用两点交叉方式, 即 在两条染色体 内随机地在基因长度范 围内产生两个 交叉点, 并将位于交叉 点之间的基 因段互换 变异 算子采用两点变异方式 , 即在一条染色体 内随机地 在基 因的长度 范围内产生两个变异点, 并将选中的 变异点交换位置 适应度 函数 采用统一建模 中各阶段对应 的优化 函数 目标值联合其他计划共同求得相对适应 度值 选择机制 采用精英选择和轮盘赌选择相 结合的混合策略 炼钢 一 连铸 一 热轧一体化生产批量计划编制 其流程如图 所示 算法详细实现步骤如下 初始化算法参数及染色体 , 以生产合 同池 内一定时间内完工的生产合同为输入条件 , 用 生产合同带钢序列号随机初始化轧制单元子群 , 需 满足轧制单元约束条件 轧制单元子群进行遗传操作 , 其 中相