一種基于nsga-ii的煉鋼連鑄生產調度的多目標優化方法
【技術領域】
[0001 ]本發明屬于煉鋼-連鑄生產工藝領域，尤其涉及一種基于NSGA-II的煉鋼連鑄生產 調度的多目標優化方法。
【背景技術】
[0002] 煉鋼-連鑄生產過程是現代鋼鐵聯合企業生產流程中的核心環節，在該生產過程 中，來自高爐的鐵水首先經轉爐或電爐冶煉轉化為高溫鋼水，然后經過精煉爐進行精煉以 滿足鋼水的化學成分和溫度要求，最后送到連鑄機澆鑄成不同規格的板坯或方坯。煉鋼-連 鑄生產過程生產效率的提高對整個鋼鐵企業有重要影響，而制定合理的生產調度計劃，是 保證煉鋼-連鑄生產過程高效率運行的關鍵。
[0003] 以數學規劃的視角來看，煉鋼連鑄生產過程是一個多段生產、多段運輸、多段存儲 的離散和連續相混雜的大型高溫生產過程，加上生產過程的離散性、隨機性、多目標和多約 束性等特點，使該生產過程本身就具有相當程度的復雜性。此外，近年來，國內多數鋼鐵企 業都正在進行或者已經完成了鋼鐵產品的結構調整及產能升級，使原本不大的企業動輒上 升至千萬噸級的規模，前幾年新建和新規劃的鋼鐵基地，如首鋼曹妃甸、寶鋼湛江和武鋼防 城港的規模都基本達到或超過千萬噸產能的量級。鋼企規模的擴大進一步加大了煉鋼-連 鑄生產調度的難度。因而，如何設計可行、優化的工藝流程方案和生產調度計劃，保證各個 工藝環節(如脫硫、轉爐、精煉和連鑄等)的整體匹配和協調，實現生產物流暢通、高效，一直 是擺在國內外工程技術人員和研究學者們面前的技術難題。
[0004] 煉鋼-連鑄生產工藝流程方案或調度計劃可以分為兩類:一類是生產批量計劃，另 一類是生產時間計劃。生產批量計劃是以客戶合同數據為原始數據，根據工藝限制條件將 不同的合同需求進行最佳組合而生成的，包括爐次計劃和澆次計劃。生產時間計劃是在生 產批量計劃的基礎上，以爐次為最小計劃單位，在追求某一評價函數(如最小等待時間、最 小提前拖期費用、最小總流程時間）最佳的情況下的一類特殊的job-shop排序問題，其最終 結果是確定以何種順序，在何時、何種設備上安排鋼水從煉鋼爐到連鑄機的生產過程的各 個工序。
[0005] 已公開的專利和已發表的相關文獻中，一般都將煉鋼-連鑄生產調度問題表達為 某個單一目標下的數學規劃問題，然后應用某種精確算法或隨機搜索算法求解。上述傳統 方法的一個明顯不足在于:將煉鋼-連鑄工廠中各設備的無沖突情況表達為約束條件，而這 個約束條件是難于滿足的，具體求解時為滿足該約束，通常需要針對同一組輸入條件進行 大量繁雜的試湊、調整和往復迭代計算，并且求解計算的收斂性也得不到保證。
【發明內容】
[0006] 本發明實施例的目的在于提供一種基于NSGA-II的煉鋼連鑄生產調度的多目標優 化方法，至少可克服現有技術的部分缺陷。
[0007] 本發明實施例涉及的一種基于NSGA-II的煉鋼連鑄生產調度的多目標優化方法， 包括:所述方法包括：
[0008] 步驟100,將煉鋼-連鑄生產調度的約束優化問題轉化為包含兩個目標的多目標優 化問題，第一目標為最小化全廠完工時間與所有爐次等待時間之和，第二目標為最小化設 備沖突時間之和；
[0009] 步驟200,建立相應的煉鋼-連鑄生產智能調度的多目標優化模型，所述多目標優 化模型以最小化第一和第二目標函數值為特征；
[0010] 步驟300,定義進化種群中個體的支配關系；
[0011] 步驟400，采用多目標進化算法NSGA-II對所述步驟200中得到的所述煉鋼-連鑄生 產智能調度的多目標優化模型進行求解。
[0012] 作為實施例一涉及的一種基于NSGA-II的煉鋼連鑄生產調度的多目標優化方法， 所述步驟1〇〇之前還包括:獲取鋼鐵企業煉鋼-連鑄工廠的工序布置和設備配置，以及煉鋼-連鑄工廠所有冶煉鋼種的生產工藝的信息，接收上級信息系統下發的生產批量計劃。
[0013] 所述步驟200中建立的所述煉鋼-連鑄生產智能調度的多目標優化模型為：
[0022] 其中，式（1)為目標函數集，其中：fi表示全廠完工時間與所有爐次等待時間之和； f2表示設備沖突時間之和，?表示為各澆次的開澆時刻構成的優化變量；
[0023] i表示澆次編號，共有I個澆次，i = 1，2，…，I; j表示爐次編號，第i個澆次中包含的 爐次數為Ji，j = 1，2，…，Ji ; k表示工序編號，共有K道工序，連鑄工序編號為k = K，ki、kr和k。 分別為轉爐、真空精煉和連鑄工序的編號；
[0024] Θ表示全部澆次的集合，Θ = {i | i E [ 1，I ]} ; Φ,表示第i個澆次中的爐次集合，Φ, = {j| 表示全部處理工序的集合，W = {k|ke[l，K]};
[0025] (i，j，k)表示序號組合，用于唯一標識第i個澆次中的第j個爐次在第k道工序的處 理操作"Uj；)表示序號組合，用于唯一標識與第i個澆次中的第j個爐次在第k道工序使用 同一設備的緊前爐次的處理操作，對應第?個澆次中第]個爐次的第k道工序；
[0026] x(i, j，k)表示（i, j，k)的開始時刻;y(i, j，k)表示為（i, j，k)指定的設備序號；tw (i，j，k)表示（i，j，k)開始處理之前的等待時間，真空和連鑄工序處理開始前兩處的等待時 間分別為tw( i，j，kr)和tw( i，j，kc);
[0027] Ο%):表示爐次在真空精煉工序的等待時間上限；dt)表示爐次在連鑄工序的 等待時間上限；tP(i，j，k)表示（i，j，k)的處理時間；tt(i，j，k)表示第i個饒次中的第j個爐 次在工序k和后工序之間的運輸時間。
[0032] 其中，f1;1表示全廠完工時間;f1>2表示所有爐次等待時間。
[0033] 所述步驟300中定義進化種群中個體的支配關系的策略包括：
[0034] 對于任意兩個個體，第二目標函數值較小的個體占優；
[0035] 若兩個個體具有相等的第二目標函數值，第一目標函數值較小的個體占優；
[0036] 對于第一和第二目標函數值均相等的個體，聚集距離大的個體占優。
[0037] 所述步驟400中采用多目標進化算法NSGA-II求解步驟200中得到的煉鋼-連鑄生 產智能調度的多目標優化模型時，優化變量為各澆次的開澆時刻構成的向量，構成種群的 染色體由與澆次開澆時刻對應的基因拼接而成，每條染色體都有與第一和第二目標函數值 對應的適應度值。
[0038] 所述步驟400包括：
[0039]步驟401:初始化，輸入鋼鐵企業煉鋼-連鑄工廠的工序、設備參數，以及生產計劃 和鋼種信息，設置NSGA-II算法相關參數；
[0040] 步驟402:隨機產生指定數目的染色體，構成初始種群P(0);
[0041] 步驟403:針對初始種群中每條所述染色體，依次進行時間分配、設備指派和沖突 消解，計算其適應度值；
[0042]步驟404:按改進的Pareto支配關系對所述初始種群P(0)中的個體進行排序；
[0043]步驟405:采用聯賽選擇機制任選父代種群P(t)中的2個個體進行隨機配對，執行 多點交叉和多項式變異操作，生成子代個體；
[0044] 步驟406:將所述子代個體加入子代種群Q( t)中去，并重復所述步驟405，直至所述 子代種群被填滿；
[0045]步驟407:將所述父代種群P(t)和所述子代種群Q(t)并入臨時種群R(t)中；
[0046]步驟408:針對所述臨時種群R(t)中每條染色體，依次進行時間分配、設備指派和 沖突消解，計算其適應度值；
[0047]步驟409:依據邊界集和偏序集的構造方法，構造所述臨時種群R(t)的邊界集和偏 序集；
[0048]步驟410 :按照由偏序集確定的次序，依次選取所述臨時種群R (t)中個體加入下一 代種群P( t+1)中，直至填滿；
[0049]步驟411:用P(t+1)替換P(t)，作為下一次進化計算中交叉和變異操作的父代種 群；
[0050]步驟412:判斷是否達最大進化代數，或者種群中已出現與設備沖突時間對應的適 應度值f2為〇的個體且多代不進化，是，則執行步驟413，否則進化代數加1，并轉步驟405繼 續執行；
[0051 ]步驟413:輸出優化結果，算法結束。
[0052] 本發明實施例提供的一種基于NSGA-II的煉鋼連鑄生產調度的多目標優化方法的 有益效果包括：
[0053] 1、本發明實施例提供的一種基于NSGA-II的煉鋼連鑄生產調度的多目標優化方 法，應用多目標優化的基本思想，建立了新的煉鋼-連鑄生產智能調度模型，將煉鋼-連鑄生 產調度這一復雜的約束優化問題轉化為包含兩個目標的多目標優化問題，其中，第一目標 問題為最小化全廠