[发明专利]双蚁群智能对抗竞争实现机组作业调度方法

说明书

本发明公开了一种双蚁群智能对抗竞争实现机组作业调度方法，以冷轧企业生产数据和生产工艺为基础，建立了基于前后钢卷跳变的多目标约束模型，提出了双蚁群对抗竞争算法。通过综合考虑前后钢卷宽度前宽后窄的变化约束、厚度的平缓跳变约束，根据排产前期和后期蚁群算法的信息素和启发值的概率分布特征，在不同的搜索阶段，本算法采用不同的搜索策略，对于双蚁群都可达的钢卷节点，由双蚁群对抗选择待排产钢卷，并适时调整信息素和启发值，引导蚁群求解。通过在搜索过程中引入双蚁群对抗抢夺节点机制，提高蚁群节点搜索能力，更有利于建立合理的冷轧钢卷轧制顺序。

技术领域

本发明公开涉及冷轧机组作业排产的技术领域，尤其涉及一种双蚁群智能对抗竞争实现机组作业调度方法。

背景技术

冷轧薄板产品种类丰富，可用于汽车制造、食品包装、家电外壳、医疗包装等，为与市场相适应，大型冷轧薄板企业的生产过程，已经是典型的多品种、小批量、多批次连续共线生产。冷轧机组是整个冷轧薄板生产企业的瓶颈，除特殊产品外，几乎所有的产品都需要经过该机组，其生产状况将直接影响整个企业的生产效率、成本和质量，机组的生产作业计划几乎等同于冷轧企业的全流程生产计划，采用合适的方法，编制合理、可行的机组批量作业计划是提高整个企业生产能力和产品质量的有效方法。

针对冷轧生产过程中冷轧机组作业调度排产的问题，现有技术方案，是建立以满足工艺约束为基础的线性或者非线性的多目标模型、或者单目标模型，主要存在不足之处在于：模型中直接以最小化前后钢卷参数差异的欧氏距离、绝对值距离为目标，对于各参数跳变幅度差异对目标的影响考虑较少；单纯计算前后钢卷各参数前后跳变的工艺约束，没有同时考虑排产后钢卷序列各参数平滑变化的要求；对于钢卷不同参数之间的偶合关系考虑不周；忽略各子目标的非线性。算法实现中，主要问题有：多采用遗传算法、强化学习、模糊算法等，算法求解过程中，对于各待排产钢卷各参数对求解过程的引导作用利用不足；对于群智能搜索类的算法，已经搜索过的节点，设置禁忌表，虽然减少了当次搜索过程算法重复搜索同一节点的可能性，减小了搜索范围，但是却会增加搜索的轮次，而且与优秀的现场操作员人工排产中搜索、调整同步进行的方法不一致。

因此，如何研发一种新型合理的冷轧机组作业排产方法，成为人们亟待解决的问题。

发明内容

鉴于此，本发明提供了一种双蚁群智能对抗竞争实现机组作业调度方法，以解决以往排产方法不合理的问题。

本发明提供的技术方案，具体为，一种双蚁群智能对抗竞争实现机组作业调度方法，该方法包括如下步骤：

S1：获取各待排产钢卷的宽度指标、入口厚度指标以及出口厚度指标，并将所述宽度指标、入口厚度指标以及出口厚度指标进行归一化处理后，备用；

S2：依据跳跃指标的欧氏距离，将待排产钢卷按照最近邻原则进行排序；

S3：依据当前待排产钢卷的排序以及目标函数F，计算获得目标函数值；

S4：采用双蚁群对抗竞争算法，搜索当前排序下的可到达钢卷集合，确定节点，并获得新的待排产钢卷排序，其中，对于双蚁群可以同时到达的钢卷节点，采用对抗竞争策略争夺该钢卷节点；

S5：重复步骤S3、S4，直至计算的目标函数值与上一目标函数值的差值小于阈值，停止循环，输出对应待排产钢卷的排序，即为最终的排产结果；

所述目标函数F具体为：

其中，w_l表示指标参数重要程度的权重，V表示指标参数的数量，且

f(δ_l)表示钢卷厚度跳跃的方差；

N表示待排产钢卷总数；

f(w_k)表示前后钢卷宽度差的负双曲正切函数，且取值范围是(-1,1)。