摘要: 热轧调度问题的研究对于钢铁行业的生产效率和经济效益有着重要的现实意义，也有助于推动钢铁行业现代化管理和产业升级的可持续发展。热轧调度是指在一定的时间和资源约束条件下，对热轧生产过程中的钢板生产顺序、生产时间、生产数量等进行合理的安... 展开 热轧调度问题的研究对于钢铁行业的生产效率和经济效益有着重要的现实意义，也有助于推动钢铁行业现代化管理和产业升级的可持续发展。热轧调度是指在一定的时间和资源约束条件下，对热轧生产过程中的钢板生产顺序、生产时间、生产数量等进行合理的安排和调度，以实现生产效益最大化。本文研究了基于人工蜂群算法(ArtificialBeeColony,ABC)的求解方法在带钢热轧生产过程中的三类调度问题上的应用，主要工作如下： (1)将热轧生产过程建模为带有限缓冲区约束的混合流水车间调度问题(Hybridflowshopschedulingproblemwithlimitedbuffer,HFSP_LB)，进而提出一种改进人工蜂群算法(Improvedartificialbeecolony,IABC)进行求解。在IABC中，采用工件加工顺序排列表示调度解，并设计了一种逆向调度策略实现解码和评价；在局部搜索策略中，结合自适应机制引导算法执行可能改进当前解的搜索操作，同时嵌入了模拟退火机制以防止算法过早陷入局部最优解。 (2)针对实际生产中广泛存在的紧凑型带钢生产热轧调度问题(Hot-rollingschedulingproblemincompactstripproductionprocess,HRSP_CSP)，设计两阶段智能优化算法(Two-stageintelligentoptimizationalgorithm,TIOA)进行求解。HRSP_CSP在委托带钢种类和数量确定的前提下，为合理控制成本并确保企业经济效益，采用主次目标进行优化。其中，主目标为如何加入尽可能少的无委托带钢来构成最小轧制批次，以控制成本并满足热轧工艺要求的平滑轧制工艺约束；次目标为考虑如何在主目标确定的轧制批次中确定各批次内带钢集合和带钢轧制顺序，以实现轧制平均平滑率最小,从而确保最优的轧制品质。基于HRSP_CSP的特点，TIOA设计为两阶段寻优算法。在TIOA的前一阶段，分析问题特征，提出启发式算法获取问题的最优解(即最小轧制批次)。后一阶段，分析问题性质，提出改进人工蜂群算法(Improvedartificialbeecolony,IABC)在较短时间内获取问题的优质解。IABC采用基于集合的编码方式，并设计问题解的最优解码策略来提升解的质量，同时设计结合无效邻域判断策略的两类Swap邻域操作和自适应局部搜索策略以增强局部搜索效率。 (3)在(1)的基础上，建立了热轧生产-运输配送集成调度问题(Integratedschedulingproblemofhotrollingproductionandtransportation,ISP_HRPT)模型，并提出一种超启发式人工蜂群算法(Hyper-heuristicartificialbeecolony,HH_ABC)进行求解。根据ISP_HRPT特性，设计了多矢量编码方式来表示可行的调度解，进而构造了10种启发式操作实现对问题解空间的深入搜索。同时，将10种启发式操作构成的排列作为高层策略域个体与低层问题域个体一一对应，人工蜂群算法通过搜索高层个体表征的启发式操作序列，进而实现对低层个体的深入搜索。 最后，通过仿真实验和算法对比，验证了所提三种算法求解热轧生产过程中对应的三类调度问题的有效性。 收起