第5期 郑忠等：炼钢一连铸一热轧生产计划编制的统一模型及智能算法 691· 邻轧制对象按宽度、厚度和硬度的顺序进行罚值计 适当考虑物流对象α与其前后基因之间关系形成 算，保留较优子代. 的惩罚值较大：如果未找到这样的生产物流对象， Step3:以轧制单元子群中较优子代随机初始 则选择多个重量较小的生产物流对象形成对象集 化炉次子群，执行炉次子群的遗传操作，保留较优 C={a,b,…},直到该基本单元满足最大容量限制 子代 要求 Step4:利用炉次子群中较优子代随机初始化 Step3:将取出的生产物流对象集C中的物流 浇次子群，执行浇次子群的遗传操作 对象a与其他基本单元中最小的生产物流对象g进 Step5:对各子群对应的目标函数进行综合评 行互换，然后进行重新判断是否满足约束条件，如 价，判断达到进化代数则终止算法，得到最优轧制 果互换后都满足约束要求并且C=0则转向Step4; 单元计划、炉次计划和浇次计划组合而成的一体化 否则直接将物流对象α插入到离满足最大容量限制 计划；否则跳转到Step2,进行下一次协同进化算 最远的一个基本单元中相应基因位上，如果C≠0 法 则转向Step3. Stp4:如果所有基本单元都满足约束要求，则 开始① 修复结束：否则转向Step1. 初始算法参数 初始轧制子群 3仿真实例 适应度计算 输出炉次 计划 本文以某钢铁联合企业为研究对象进行测试 遗传操作☐ 目前该企业对应板坯生产线拥有三座有效容量 初始浇次子群】 130~140t转炉、两台铸机和一条热轧生产线，热 满足进 化代数 适应度计算☐ 轧机组单位产能350~450t-h-1,实际作业率在 Y是 遗传操作☐ 输出轧制7 60%~80%,轧制单元长度限制60km.系统使用 单元计划 满足进 VC++编程实现算法，以某天批次实际生产合同共 、化代数 457卷带钢对应的板坯为模型，输入条件如表3所 初始炉次子群 是 输出浇次了 示 适应度计算 计划 遗传操作☐ 表3生产合同参数规格 综合评价 满足收敛条件 Table 3 Parameters of production contracts 满足进 化代数 了是 钢种 板坯数宽度/mm厚度/mm硬度等级 是 结束● Q235A 110 105012501.44.0 21 图3一体化生产批量计划编制模型算法求解流程图 Q235B 168 10001250 1.53.0 21 DX51D+Z 119 9301100 1.01.8 11 Fig.3 Flow chart of solving the model for integrated batch St12 29 10001175 1.52.5 planning St13 31 110012401.84.0 11 2.3进化操作中不可行染色体修复策略 仿真过程中协同进化算法参数设置：每个子群 由于进化算法的初始种群建立、交叉和变异算 大小为30，交叉概率为0.9，变异概率为0.04，最大 子的随机性，可能所得到的子代染色体不能满足生 协同进化代数为50，在CPU Intel T54701.6GHz,2 产工艺的强制约束而导致该子代染色体成为不可行 GB内存，Windows XP系统的环境下进行多次实 解，因此使用附加的修复策略，将不可行解转换为 验，该算法能在3min内完成得到6个轧制单元计 可行解，具体修复方法如下， 划、63个炉次计划和7个浇次计划，而人工编制一 Step 1:在该计划编制的染色体内以基本单元 体化生产计划则需要约45min. (一个轧制单元、炉次或浇次)为单位，按基本单元 在充分满足各阶段生产工艺约束的条件下，该 的容量按从大到小进行排序，选中违反容量限制的 系统模型运行制定的一体化生产计划中，由实验结 基本单元A. 果表4和表5可知，经优化协调后编制出6个轧 Step2:在基本单元A中，从小到大搜索选 制单元及轧制单元板坯数，平均轧辊利用率达到了 择一个物流对象a待修复，C={a},其重量大于 96.5%,较实际生产过程轧辊的平均利用率91.6%略 该基本单元中超出容量限制的那部分多余重量且高：所编制出的7个浇次、63个炉次及浇次对应的第 期 郑 忠等 炼钢 一 连铸 一 热轧生产计划编制的统一模型及智能算法 邻车制对象按宽度 、厚度和硬度的顺序进行罚值计 算, 保留较优子代 以轧制单元子群 中较优子代随机初始 化炉次子群 , 执行炉次子群 的遗传操作 , 保留较优 子代 叩 利用炉次子群中较优子代随机初始化 浇次子群 , 执行浇次子群的遗传操作 对各子群对应的 目标函数进行 综合评 价 , 判断达到进化代数则终止算法 , 得到最优轧制 单元计划 、炉次计划和浇次计划组合而成的一体化 计划 否则跳转到 印 , 进行下一次协 同进化算 法 初始算法参数 初始轧制子群 遗传操作 初始浇次子群 遗传操作 初始炉次子群 遗传操作 适当考虑物流对象 与其前后基 因之 间关系形成 的惩罚值较大 如果未找到这样的生产物流对象 , 则选择多个重量较小 的生产物流对 象形成对象集 ,乙, … , 直到该基本单元满足最大容量限制 要求 印 将取出的生产物流对象集 中的物流 对象 与其他基本单元 中最小的生产物流对象 进 行互换 , 然后进行重新判断是否满足约束条件 , 如 果互换后都满足约束要求并且 则转 向 否则直接将物流对象 插入到离满足最大容量 限制 最远的一个基本单元中相应基因位上 , 如果 务 则转向 即 如果所有基本单元都满足约束要求, 则 修复结束 否则转 向 叩 仿真实例 本文以某钢铁联合企业为研 究对象进行测试 目前该 企 业对 应板 坯 生产 线拥 有 三座 有 效容 量 、 转炉 、两 台铸机和一条热轧生产线, 热 轧机 组单位产 能 五一', 实 际作 业率在 、 , 轧制单元长度限制 系统使用 编程实现算法 , 以某天批次实际生产合同共 卷带钢对应的板坯为模型, 输入条件如表 所 不 表 生产合同参数规格 钢种 板坯数 宽度 、 、 、 、 厚度 硬度等级 图 一体化生产批量计划编制模型算法求解流程图 、 刀 、 刀 、 、 石 、 四 进化操作 中不可行染色体修复策略 由于进化算法的初始种群建立 、交叉和变异算 子的随机性 , 可能所得到的子代染色体不能满足生 产工艺的强制约束而导致该子代染色体成为不可行 解, 因此使用附加的修复策略, 将不可行解转换为 可行解 , 具体修复方法如下 在该计划编制 的染色体 内以基本单元 一个轧制单元 、炉次或浇次 为单位, 按基本单元 的容量按从大到小进行排序 , 选中违反容量限制的 基本单元 在基本单元 中, 从小到大搜索选 择一个物流对 象 待修复 , , 其重量大于 该基本单元 中超 出容量限制的那部分多余重量且 仿真过程 中协同进化算法参数设置 每个子群 大小为 , 交叉概率为 , 变异概率为 , 最大 协 同进化代数为 , 在 , 内存 , 系统的环境下进行多次实 验 , 该算法能在 内完成得到 个轧制单元计 划 、 个炉次计划和 个浇次计划 , 而人工编制一 体化生产计划则需要约 在充分满足各阶段生产工艺约束的条件下 , 该 系统模 型运行制定的一体化生产计划中, 由实验结 果表 和表 可知 , 经优化协调后编制出 个轧 制单元及轧制单元板坯数, 平均轧辊利用率达到了 , 较实际生产过程轧辊的平均利用率 略 高 所编制 出的 个浇次 、 个炉次及浇次对应 的