钢铁企业坯料的设计问题模型及算法.docVIP

钢铁企业坯料的设计问题模型及算法 　　[摘 要] 针对钢铁企业的坯料设计问题，建立了数学模型。针对模型特点，以标准粒子群算法为求解框架，通过线性加权法将多目标化为单一目标，引入基于三角函数的动态参数选择方法和邻域搜索以提升求解效率，设计了邻域搜索机制以提升求解效果。通过对比实验对算法的有效性进行了验证。 　　[关键词] 钢铁生产；坯料设计；粒子群算法；邻域搜索；动态参数选择 　　doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2012 . 23. 034 　　[中图分类号] TP27 [文献标识码] A [文章编号] 1673 - 0194（2012）23- 0053- 04 　　1 引 言 　　在市场需求日益多样化和钢铁生产工艺逐步柔性化的影响下，大规模定制生产已经成为钢铁企业的主要发展方向[1-3]。在大规模定制生产中，坯料设计处于连接客户需求和企业生产计划的核心地位。在钢铁企业的生产流程中，钢水通过精炼和连铸等工艺形成各类钢坯，钢坯通过轧制形成各类钢铁产品。所谓坯料设计就是针对需求各异的客户订单，在满足生产工艺要求的前提下，将基于量的产品需求转化为基于件次的坯料需求，以便于生产计划的编制，实现客户需求与生产组织的统一。 　　客户订单中对钢铁产品的要求主要有交货日期、钢种、重量、规格等，针对不同的订单要求，国内外学者提出了各自的问题模型以及求解方法。针对重量要求为固定值，客户订单分配过程中有最小重量限制的问题，张文学 等[4]建立了以最小化板坯数量为目标的约束满足模型，给出了变量选择策略和值选择策略，提出了基于约束满足技术的求解算法。针对重量要求为固定值，宽度和厚度要求为区间值的问题，Lee Kangbok等[5]将坯料设计问题归结为基于区间图的团划分问题，并提出了相应的算法进行求解。席阳 等[6]建立了最小化板坯数量和总盈余量的多目标板坯设计模型，并提出了一种两阶段算法对问题进行求解，其中第一阶段实现板坯数量最小的约束，第二阶段在满足第一阶段的基础上使板坯的盈余量最小；并在文献[7]中增加了最小加工重量的约束条件，并用粒子群算法对问题模型进行了求解。针对客户订单重量需求为固定值的问题，Antoine Gargani等[8]提出了基于全局和逻辑约束的，将具体的变量和值选择策略植入到深度搜索的问题求解模型，并通过使用大规模邻域搜索提升了求解速度。Hentenryck P. Van等[9]提出了一种打破对称性的搜索方法，此方法在不使用大规模邻域搜索的基础上，保证了求解方法的完整性和高效性。Dawand Milind等[10]建立了以板坯数量和总盈余量最小为优化目标的数学模型，并提出了一种基于匹配和装箱的启发式算法对问题进行求解。针对订单要求重量和宽度均为区间值的问题，张英杰 等[11]提出了基于合同—板坯矩阵的启发式算法。 　　本文考虑订单需求重量和规格为区间值，且具有最小加工重量限制的坯料设计问题，建立兼具一般性和特殊性的数学模型，采用改进的粒子群算法进行求解。 　　2 数学模型 　　对钢铁企业而言，客户订单对产品提出的要求有钢种、重量、最小加工重量、规格、交货日期等。对于不同类型的钢坯，其规格也有所不同，比如圆坯规格为直径，矩形坯则为宽度和厚度。坯料设计通常考虑钢坯与钢材之间的规格对应，钢种和交货日期等不在设计范围内，所以本文中客户订单对产品的约束主要包括订单需求重量、最小加工重量、订单规格3个方面，具体如下： 　　（1）客户订单的需求重量为区间值； 　　（2）最小加工重量为固定值，此值的设置是为了满足工艺要求； 　　（3）客户订单的规格要求为区间值。 　　坯料设计问题应追求以最少的坯料供应满足最多的订单需求，体现精益制造和精益管理的理念。 　　为了便于描述，对符号定义如下： 　　集合和索引 　　i：订单序号，i∈N+；j：坯料序号，j∈N+；O：订单集合，O={1，2，…，i，…，m}；S：坯料集合，S={1，2，…，j，…，n}。 　　参数 　　Gi：订单i的需求重量，为区间值，Gi=[ai，bi]，ai，bi∈Z+；Wi：订单i的需求规格，为区间值，Wi=[li，ri]，li，ri∈Z+；mi：订单i要求的最小加工重量，mi∈Z+；W：铸造临界值，即坯料的最大重量；Ωi：订单i的可容多元坯集合；Ω：所有订单的可容多元坯集合元素的集合。 　　变量 　　xij：坯料j中包含的订单i的重量，xij∈Z+；rwij：订单i在坯料j中的实际规格，rwij∈Z+。 　　2.3 模型建立 　　基于上述问题描述和符号说明，建立坯料设计问题的多目标优化模型[BD]如下： 　　maxF1=■■xij（1） 　　minF2=■（2） 　　s.t. 　　mi≤xij≤W，？坌i∈O，？坌j∈S（3）