基于超启发式遗传算法炼钢-连铸生产调度优化设计_王飞鸿.pdf

书书书研究与设计基于超启发式遗传算法炼钢-连铸生产调度优化设计王飞鸿1，2，3蒋国璋1，2，3向峰1，2，3陈小武1，2，3(1:武汉科技大学冶金装备及其控制教育部重点实验室湖北武汉 430081;2:武汉科技大学机械传动与制造工程湖北省重点实验室湖北武汉 430081;3:武汉科技大学精密制造研究院湖北武汉 430081)摘要当前，个性定制化与智能信息化是钢铁工业的发展趋势，高效的智能算法可以提高钢铁生产调度的灵活性。本文提出了一种超启发式遗传算法(Hyper-Heuristic-Genetic Algorithm，HH-GA)用于求解加工设备空闲时间最小为优化目标的炼钢 连铸生产调度模型。针对模型构建低层启发式算子，利用自适应遗传算法选择策略对低层启发式算子进行排列组合优化，同时加入模拟退火接受准则，避免算法陷入局部最优。以某炼钢厂主要生产模式下的实际生产计划为仿真算例进行实验，通过案例分析和算法对比，验证了超启发式遗传算法的性能。结果表明，在大规模的案例情况下，超启发式遗传算法的综合性能比遗传算法更优。关键词炼钢-连铸生产调度超启发式算法遗传算法中图法分类号TF777文献标识码ADoi:10.3969/j.issn.1001 1269.2022.06.001Optimization Design of Steelmaking Continuous Casting ProductionScheduling based on Hyper-heuristic Genetic AlgorithmWang Feihong1，2，3Jiang Guozhang1，2，3Xiang Feng1，2，3Chen Xiaowu1，2，3(1:Key Laboratory of Metallurgical Equipment and Control Technology，Ministry of Education，WuhanUniversity of Science and Technology，Wuhan 430081;2:Hubei Key Laboratory of Mechanical Transmissionand Manufacturing Engineering，Wuhan University of Science and Technology，Wuhan 430081;3:Precision Manufacturing Institute，Wuhan University of Science and Technology，Wuhan 430081)ABSTRACTAt present，personalized customization and intelligent informatization are the developmenttrend of steel industry，and the efficient intelligent algorithm can improve the flexibility of steel productionscheduling In this paper，a hyper-heuristic genetic algorithm is proposed to solve the steelmaking continuouscasting production scheduling model with the objective of minimizing the idle time of processing equipmentAccording to the model，the low-level heuristic operators are constructed，and the selection strategy of adaptivegenetic algorithm is used to optimize the arrangement and combination of low-level heuristic operators At the sametime，the simulated annealing acceptance criterion is added to avoid the algorithm falling into local optimizationTaking the actual production plan under the main production mode of a steel plant as a simulation example，theperformance of hyper-heuristic genetic algorithm is verified through case analysis and algorithm comparison Theresults show that in large-scale cases，the comprehensive performance of hyper-heuristic genetic algorithm is betterthan heuristic algorithm1Total No 280December 2022冶金设备METALLURGICAL EQUIPMENT总第 280 期2022 年 12 月第 6 期基金项目:科协自然科学基础性、高科技学术期刊 及国家自然科学基金委员会 重点学术期刊专项基金(NO71271160;51975431)作者简介:王飞鸿，男，1997 年生，武汉科技大学在读硕士研究生，邮箱:1041963518 qq comKEYWORDSSteelmaking-continuous castingProduction schedulingHyper-heuristic algorithmGeneticalgorithm1前言钢铁工业是重要的支柱产业之一，钢铁生产系统是典型的多工序、多设备、多物流、多产品的连续/离散混合工艺流程系统，钢铁生产调度是最复杂的工业调度问题之一。我国一些钢铁生产企业因为计划与调度的不准确、不及时，严重影响了生产成本、产品质量与交货期等，成为制约企业管理与发展的瓶颈。而且，随着技术的发展，钢铁生产呈现个性定制化与智能信息化的发展趋势，钢铁生产调度难度越来越大，调度规则和模型越来越复杂，如何快速准确地进行钢铁生产调度迫待解决。近年来，各种智能算法(遗传算法1，2、人工蜂群算法3、混合果蝇算法4、GWO 算法5 等)、启发式方法6，以及启发式规则和智能算法融合的新方法7 等被逐渐应用于炼钢-连铸生产调度问题的求解。文献8 构造了以有向图网络为基础的炼钢-连铸柔性调度模型，并提出一种基于OCBA-EDA 的优化调度算法求解该模型。文献9 提出了一种两级算法，顶层通过求解松弛的混合整数线性模型来解决规划问题，底层由一种结合了并行模拟退火和混合蛙跳算法思想的算法来解决钢铁生产调度问题。目前有学者研究一种新的智能算法超启发式算法(Hyper-HeuristicAlgorithms，HHA)，可以简单阐述为“寻找启发式算法的启发式算法”10，并将其应用于许多领域。如应用求解运输能力受限的跨单元调度问题11、LRP 路径规划问题14 15、车间调度问题16、多技能资源受限项目调度问题18、2D 装箱问题19 等。基于上述研究，运用算法求解炼钢 连铸生产调度问题存在的不足可总结为以下三种:(1)问题过于抽象，与实际生产调度情况有些不符，不具有很大的参考价值;(2)算法在求解大规模问题时，可能不具备预期的高效性和灵活性;(3)算法策略较少深入结合炼钢 连铸生产过程的一些根本问题，如优化的生产模式、工序/设备间对应匹配关系。因而往往很难应用到目前现代大型炼钢厂复杂的多台转炉、多台精炼炉、多台连铸机，多重精炼混合的多种精炼模式，难以适用于目前大型炼钢-连铸生产调度过程的需要。同时，每个钢厂的生产模式可能存在不一样，如何设计一定通用性的算法，从而避免反复地修改问题模型和相匹配的算法，是一个值得研究的方向。本文从上述几个问题入手，针对国内某炼铁厂的三重精炼方式的炼钢-连铸生产调度问题进行研究，以加工设备的空闲时间最小化为目标，建立了炼钢-连铸生产调度的混合流程规划模型，并提出了一种超启发式遗传算法用以快速高效地求解模型，该算法也能确保在每次应用至不同钢厂和不同炼钢-连铸生产调度模型时，由生产专家修改问题域模块，对控制域模块只需算法专家进行微调即可，大大地提高了炼钢-连铸生产调度的灵活性。2问题描述炼钢 连铸生产调度问题是影响钢铁生产流程高效运行的关键问题之一，典型的炼钢 连铸生产流程主要包括炼钢、精炼和连铸等多个工序/环节，其中精炼工序根据钢种需求选择合适的设备，每个工序同时存在着多台生产设备。图 1 为炼钢 连铸三重精炼方式的生产流程示意图，其中 BOF、LF、RH、CC 分别为转炉、LF 精炼炉、RH精炼炉及连铸机。在满足约束条件的基础上，为了确保生产流程的高效稳定运行，调度问题主要是根据生产计划为每个工序上的炉次在多台并行设备中选择最合适的设备，确保设备空闲时间最小化，提高设备的利用率。图 1炼钢 连铸三重精炼方式的生产流程示意图21问题假设本文考虑的最小化设备空闲时间的炼钢-连铸生产调度问题基于以下假设:1)浇次数量、每组浇次的钢种类别和组浇炉数均为已知;2)炉次在冶炼、精炼工序上的设备指派不受限制;22022 年 12 月第 6 期总第 280 期冶金设备3)不考虑各设备突发故障的情况。22符号与参数定义问题模型中用到的符号与参数定义如下。浇次序号i，i=1，2，;炉次序号j，j=1，2，;工序序号k，k=1，2，;操作符号Oijk，第 i 个浇次中第 j 个炉次的第 k 个工序的操作，当 k=时，表示工序操作为连铸;设备符号mijk，第 i 个浇次中第 j 个炉次的第 k 个工序在设备 m 上加工，m=1，2，M;运输时间Tmij，k+1mijk，第 i 个浇次的第 j 个炉次中第 k 个工序结束到第 k+1 个工序加工设备间的运输时间。由于设备固定，设备间的运输时间可设置为常量;处理时间Pijk，第 i 个浇次的第 j 个炉次的第 k 个操作的处理时间;开浇时间Si，第 i 个浇次的开浇时间;非常大的正整数N。为获得可行的调度解，需要确定如下决策变量:(1)xijk:第 i 个浇次的第 j 个炉次的第 k 个工序的开工时间;(2)Lmijk:0/1 变量，当且仅当第 i 个浇次的第 j个炉次的第 k 个操作在第 m 台设备上加工时，Lmijk=1;否则 Lmijk=0;(3)Hi2，j2，k2i1，j1，k1:0/1 变量，当且仅当同一台设备上第 i1个浇次的第 j1个炉次的第 k1个操作在第i2个浇次的第 j2个炉次的第 k2个操作之前加工时，Hi2，j2，k2i1，j1，k1=1;否则 Hi2，j2，k2i1，j1，k1=0。23数学模型基于上述描述和假设，建立以所有加工设备的空闲时间最小为优化目标的炼钢-连铸生产调度的混合流程规划数学模型，目标函数如式(1)所示。minf=k=1ii=1jj=2xijkii=1j1j=1xijk+P()ijk(1)式中:xijk开工时间，min;Pijk处理时间，min。约束条件如下:1)每个浇次准时开浇:xi，1，=Si，i=1，2，(2)式中:xi，1，开工时间，min;Si开浇时间，min。2)同一个炉次的前一个操作加工结束后，后一个操作才能开工:xij，k+1(xijk+Pijk)Tmijk，mij，k+1+N(2 Lm1ijkLm2ijk)0，i=1，2，;j=1，2，(3)式中:xij，k+1开工时间，min;Tmijk，mij，k+1运输时间，min;N非常大的正整数，无量纲;Lm1ijk/Lm2ijk0/1 变量，无量纲。3)在连铸