[发明专利]一种高效求解炼钢-连铸炉次批量计划的优化方法

说明书

本发明涉及一种高效求解炼钢‑连铸炉次批量计划的优化方法，步骤为：在炉次批量计划多耦合约束条件解耦机制下获取以订单为单元的批量计划子模型；构造订单聚类惩罚值分布矩阵Q^N×N，N个订单两两聚类因属性不同生成订单聚类惩罚值分布矩阵Q^N×N，该矩阵是为N阶；判断矩阵Q^N×N类型为γ型矩阵、β型矩阵还是α型矩阵，当矩阵Q^N×N为γ型矩阵时，采用γ型矩阵启发式乘子寻优方法；当矩阵Q^N×N为β型矩阵时，采用β型矩阵启发式乘子寻优方法；当矩阵Q^N×N为α型矩阵时，采用α型矩阵启发式乘子寻优方法。本发明所提优化方法用来解决现有炉次批量计划优化问题中求解速度慢、求解质量低的问题，随着钢铁生产批量计划订单数量大幅增长时，该方法优势更加明显，为企业的生产效益提供了保障。

技术领域

本发明涉及一种工业生产管理优化技术领域，具体为一种高效求解炼钢-连铸炉次批量计划的优化方法。

背景技术

炉次批量计划优化是钢铁生产管理的重要环节之一，其作用是考虑炼钢-连铸的日生产能力以及后续工序对加工板坯的需求，选择一定量的板坯并根据其属性组成炉次，提供给后续的中间包批量计划和浇次批量计划。组合为同一炉次的合同需要考虑其及交货日期是否相近、钢级序列是否相同、轧制宽度是否不超出该炉次应满足的宽度范围以及该炉次中无委材生成量是否最少等诸多因素，炉次批量计划优化问题因此而变得复杂。高效、快捷的编制炉次批量计划能够减少企业的物资能源消耗，同时提供最优的炉次批量计划以便于后续中间包批量计划以及浇次批量计划的编制，进而影响企业生产效益，提高企业市场竞争力。

针对炼钢-连铸生产批量计划问题很多学者已经做出了研究。其中：

1.(Tang L,Wang G.Decision support system for the batching problems ofsteelmaking and continuous-casting production☆[J].Omega,2008,36(6):976-99)在求解炉次模型时，针对同一出钢记号的板坯运用动态规划方法将板坯组成炉次。考虑实际的约束条件和要求，然后针对相应的组合问题开发两种启发式算法。

2.(黄可为,卢克斌,汪定伟.炼钢组炉问题优化模型及其动态规划算法[J].东北大学学报(自然科学版),2006,27(2):138-141)针对炉次批量计划编制中的集约优化问题，建立了以余材最小化或以出钢记号替代成本最小化为目标的数学模型，并采用动态规划方法对模型进行求解，此方法可以显著降低组炉余材量，提高经济效益。

3.(汪恭书.基于列生成的铁钢区批量计划与物流调度[D].东北大学,2008)基于动态规划启发式方法研究了具有宽度柔性的炉次批量计划问题，提出基于拉格朗日松弛算法和列生成算法的混合求解策略，结合二者优势，以获得原始问题的最优解。但是在实际生产过程中，动态规划算法耗时较大，编制炉次批量计划问题效率较低。

基于现代智能方法的炉次批量计划优化问题的研究包括遗传算法，模拟退火算法，蚁群算法和粒子群算法：

4.(唐立新,杨自厚,王梦光.炼钢-连铸最优炉次计划模型与算法[J].东北大学学报:自然科学版,1996(4):440-445.)建立了炉次数量已知情况下的炉批量次计划混合整数规划模型，并用遗传算法进行了求解。在此基础上——

5.(Tang L,Jiang S.The Charge Batching Planning Problem in SteelmakingProcess Using Lagrangian Relaxation Algorithm[J].IndustrialEngineeringChemistry Research,2009,48(16):7780-7787.)构造了两种不同的拉格朗日松弛方法对炉次批量计划进行求解。在实际生产中预编炉次数目未知，但是上述文献是基于炉次批量计划数目已知的情况下进行建模，难以满足实际生产需求。