钢铁生产调度智能优化与应用

1　绪论 1

1.1　钢铁生产工艺流程的发展 1

1.1.1 钢铁生产基本工艺流程 1

1.1.2　钢铁生产工艺流程的演变 3

1.2　钢铁生产调度系统的特征和发展 5

1.3　钢铁生产调度中所采用的技术 9

1.3.1 优化算法 10

1.3.2 仿真技术 16

1.3.3 离散事件动态系统 17

1.3.4　人工智能 18

1.3.5　控制理论 19

2　钢铁生产调度的分层赋时着色Petri网模型 22

2.1　Petri网基本理论 22

2.1.1　Petri网的基本概念 22

2.1.2 着色Petri网的定义 27

2.1.3　赋时Petri网的定义 27

2.2　分层赋时着色Petri网模型 28

2.3　钢铁生产调度的HTCPN模型 30

2.3.1 转炉TCPN子网 31

2.3.2　台车TCPN子网 33

2.3.3　精炼TCPN子网 34

2.3.4　连铸机TCPN子网 34

2.3.5　板坯库TCPN子网 35

2.3.6　热轧生产TCPN子网 36

3　钢铁生产调度问题的数学规划模型 38

3.1　炼钢调度问题的数学模型 38

3.1.1 最优炉次计划问题的工艺背景及工艺约束条件 38

3.1.2　最优炉次的数学模型 39

3.2　连铸调度问题的数学模型 41

3.2.1 浇次计划问题的工艺背景及工艺约束条件 41

3.2.2　最优浇次的数学模型 43

3.3　炼钢、连铸调度协调的数学模型 45

3.4.1 热轧带钢生产工艺简介及工艺约束条件 46

3.4　热轧带钢调度问题的数学规划模型 46

3.4.2　最优轧制单元的数学模型 48

3.5　连铸、连轧机调度协调的数学模型 49

4　遗传算法及其在钢铁生产调度中的应用 52

4.1　遗传算法概述 52

4.1.1 遗传算法的基本概念 52

4.1.2　遗传算法的原理 54

4.2　遗传算法分析 55

4.2.1 杂交算子 56

4.2.2 变异算子 59

4.3　一种新的求解TSP问题的遗传算法 60

4.3.1 求解TSP问题的杂交算子 61

4.3.2　实例仿真 64

4.4.1 聚类算法 66

4.4.2 动态杂交算子 66

4.4　炼钢生产调度问题的遗传算法 66

4.4.3 变异算子 67

4.4.4 实例仿真 67

4.5　连铸生产调度问题的遗传禁忌算法 88

4.5.1 聚类算法 88

4.5.2 基于禁忌搜索的杂交算子 88

4.5.3 基于禁忌搜索的变异算子 89

4.5.4　适应值的计算 90

4.5.5 实例仿真 90

5.1　禁忌搜索算法概述 93

5　禁忌搜索算法及其在钢铁生产调度中的应用 93

5.2　TSP问题的基于禁忌搜索和遗传算法的混合算法 97

5.2.1 遗传算法设计 98

5.2.2 禁忌算法设计 101

5.2.3 仿真算例 101

5.3　热轧生产调度的禁忌搜索算法 104

5.3.1 混合并行策略 104

5.3.2 调度算法的实施 107

6　微粒群算法及其在钢铁生产调度中的应用 115

6.1　微粒群算法概述 115

6.2.1 约束优化问题的转换 117

6.2　求解约束优化问题的微粒群算法 117

6.2.2 基于双微粒群的PSO算法 119

6.2.3 仿真算例 120

6.3　求解整数规划问题的微粒群算法 121

6.3.1 求解整数规划的PSO算法 122

6.3.2 仿真算例 124

6.4　求解0-1整数规划问题的微粒群算法 126

6.4.1　｛0,1｝n空间的PSO算法 127

6.4.2　0-1整数规划问题的PSO算法 128

6.4.3 实例计算 130

6.5　微粒群算法在最优炉次求解中的应用 131

6.6　微粒群算法在最优轧制单元求解中的应用 133

7　冶铸轧一体化生产调度的多智能体实现机制 143

7.1　多智能体概述 144

7.2　基于算法集成的调度系统多智能体实现框架 145

7.2.1 调度系统中的算法集成 145

7.2.2 多智能体体系结构 149

7.3　冶铸轧一体化生产调度的多智能体实现机制 156

7.3.1 协同进化思想概述 157

7.3.2　冶铸轧一体化生产调度多智能体实现机制 159

8　结论与展望 162

参考文献 165