热轧计划中多旅行商问题及其计算方法.docVIP

热轧计划中多旅行商问题及其计算方法 　　摘要：针对热轧批计划问题进行了MTSP（多旅行商问题）建模，并对该问题设计了混合遗传算法，经某大型钢厂实例数据进行了仿真测试。计算结果表明，该算法给出了较优的轧制批计划方案，解决了热轧轧制批计划的编制问题。 　　关键词：多旅行商问题; 数学模型; 热轧轧制计划; 遗传算法 　　中图分类号：TP391； TH122文献标志码：A 　　文章编号：1001－3695(2007)07－0043－03 　　 　　0引言?? 　　 　　多旅行商问题是旅行商问题（TSP）的扩展和延续，它也是一个NP－难问题。MTSP通常可以描述如下：??M??个旅行商从同一城市（或不同城市）出发，分别各走一条旅行路线，使得每个城市有且仅有一个旅行商经过（出发城市除外），且总旅行路程最短。在实际生活中，钢铁热轧调度、铁路运输、管道敷设、物流配送路线选择、计算机网络拓扑设计等均可以归结为MTSP。因此对MTSP进行研究具有重大意义。?? 　　对于MTSP这种组合优化问题，使用运筹学方法很难得到满意解。目前，国内外对于MTSP的研究主要集中在传统MTSP算法的设计上，且算法较少。文献[1,2]用神经网络方法求解；文献[3]用混合遗传算法求解。对 MTSP各种情况分析和其他算法的研究还较少，主要是通过把MTSP转换为TSP来解决[4]。?? 　　钢铁企业在实际编制热轧生产调度时，一般都是从合同订单预选池中挑选订单，依次编制出??M??个轧制计划单元[5]。这种策略模拟人工编制计划的思想，采用串行策略建立了单旅行商模型[6]。但是这种策略类似于贪婪方法，有可能陷入局部最优。一种合理的办法是并行方法，即从订单池中同时编制出??M??个轧制单元计划。并行方法可以归结为MTSP。?? 　　 　　1热轧计划的MTSP模型?? 　　 　　1．1问题描述?? 　　热轧轧制批计划的编制过程通常为：从多个用户订单（热轧板坯）中，按照其交货期、订单处理紧急程度及优先级别，一次编制出多个满足轧制规范的加工生产合同序列的轧制单元，即轧制顺序（板坯的先后轧制次序）序列；在同一加工序列中，前后加工的板坯必须满足轧制规范要求，如相邻板坯的宽度、厚度、硬度等必须满足一定的约束条件。为简化问题，设定每一板坯对应一个用户订单合同。根据轧制工艺的要求，以一定数量的连续轧制板坯序列作为一个生产轧制单元，不同的生产轧制单元对应不同的轧辊，即在生产完一个轧制单元后需要停机更换轧辊。从产能角度考虑，更换次数越少、产能越高。因此，追求生产轧制单元的最大轧制量也是热轧计划优化的一个重要的衡量指标。?? 　　一个轧制计划（轧制单元）的好坏有多种评价标准，但一般而言可归结为在轧制单元中相邻板坯满足轧制规范的某种评价之和[7]。将全部板坯看成一个个节点（相当于TSP中的城市），一个轧制生产单元看成是经过一定数目节点的一条旅行路径，节点之间的距离（评价值）可定义为轧制规范的评价值，则上述热轧计划编制与优化问题可归结为非对称旅行商模型。将一个轧制单元看成是一个不闭合的TSP（最后不要求返回原出发节点），则轧制批计划可归结为非对称多旅行商模型。由于热轧计划编制与优化问题中的轧制单元计划是一条开放路径，每一个订单只能轧制一次。如果一个热轧调度包括M条轧制单元计划，则存在M个开放路径。需要注意的是，与标准MTSP不同，MTSP中基于每个旅行商的出发城市已知；而对于热轧计划编制问题，任意两个轧制单元计划的开始和结束点的订单都不相同。这意味着任意两个轧制单元计划之间没有相同的点(订单)，开始订单也不确定，所以必须建立全新的轧制计划模型。在求解这类模型时，一般是先把MTSP转换为TSP，再对TSP求解。在转换过程中，由于初始板坯不确定，需要加入M个虚拟节点，才能把TSP转换为相对简单的TSP。?? 　　 　　1．2评价指标、变量和参数定义?? 　　提高产品质量、产出率和生产效益是企业生产追求的目标。对轧制计划编制与优化的质量评价可选用一个综合衡量指标：在同一轧制单元内，根据轧件（板坯）来对轧制的磨损程度进行衡量。影响轧辊磨损的因素包括板坯的规格、钢种以及相邻板坯之间的宽度、厚度和硬度变化等。按照轧制工艺规范约束，相邻板坯之间的宽度、厚度和硬度等的变化越小，综合衡量的指标越优。因此，两节点之间的距离可定义为相邻轧件轧制参数的改变（跳跃）值；将相邻板坯之间的宽度、厚度和硬度跳跃值之和作为惩罚值，对超出轧制规范约束的赋予一个较大的惩罚值。对任一轧制计划单元，其优化目标可定义为：每个轧制单元的总评价惩罚值（相邻节点评价值之和）最小。?? 　　 　　2．2混合算法设计?? 　　遗传算法把握总体的能力较强，但局部搜索能力较差；模拟退火算法具有较强的局部搜索能力。