一种基于nsga-ii的炼钢连铸生产调度的多目标优化方法
【技术领域】
[0001 ]本发明属于炼钢-连铸生产工艺领域，尤其涉及一种基于NSGA-II的炼钢连铸生产 调度的多目标优化方法。
【背景技术】
[0002] 炼钢-连铸生产过程是现代钢铁联合企业生产流程中的核心环节，在该生产过程 中，来自高炉的铁水首先经转炉或电炉冶炼转化为高温钢水，然后经过精炼炉进行精炼以 满足钢水的化学成分和温度要求，最后送到连铸机浇铸成不同规格的板坯或方坯。炼钢-连 铸生产过程生产效率的提高对整个钢铁企业有重要影响，而制定合理的生产调度计划，是 保证炼钢-连铸生产过程高效率运行的关键。
[0003] 以数学规划的视角来看，炼钢连铸生产过程是一个多段生产、多段运输、多段存储 的离散和连续相混杂的大型高温生产过程，加上生产过程的离散性、随机性、多目标和多约 束性等特点，使该生产过程本身就具有相当程度的复杂性。此外，近年来，国内多数钢铁企 业都正在进行或者已经完成了钢铁产品的结构调整及产能升级，使原本不大的企业动辄上 升至千万吨级的规模，前几年新建和新规划的钢铁基地，如首钢曹妃甸、宝钢湛江和武钢防 城港的规模都基本达到或超过千万吨产能的量级。钢企规模的扩大进一步加大了炼钢-连 铸生产调度的难度。因而，如何设计可行、优化的工艺流程方案和生产调度计划，保证各个 工艺环节(如脱硫、转炉、精炼和连铸等)的整体匹配和协调，实现生产物流畅通、高效，一直 是摆在国内外工程技术人员和研究学者们面前的技术难题。
[0004] 炼钢-连铸生产工艺流程方案或调度计划可以分为两类:一类是生产批量计划，另 一类是生产时间计划。生产批量计划是以客户合同数据为原始数据，根据工艺限制条件将 不同的合同需求进行最佳组合而生成的，包括炉次计划和浇次计划。生产时间计划是在生 产批量计划的基础上，以炉次为最小计划单位，在追求某一评价函数(如最小等待时间、最 小提前拖期费用、最小总流程时间）最佳的情况下的一类特殊的job-shop排序问题，其最终 结果是确定以何种顺序，在何时、何种设备上安排钢水从炼钢炉到连铸机的生产过程的各 个工序。
[0005] 已公开的专利和已发表的相关文献中，一般都将炼钢-连铸生产调度问题表达为 某个单一目标下的数学规划问题，然后应用某种精确算法或随机搜索算法求解。上述传统 方法的一个明显不足在于:将炼钢-连铸工厂中各设备的无冲突情况表达为约束条件，而这 个约束条件是难于满足的，具体求解时为满足该约束，通常需要针对同一组输入条件进行 大量繁杂的试凑、调整和往复迭代计算，并且求解计算的收敛性也得不到保证。
【发明内容】
[0006] 本发明实施例的目的在于提供一种基于NSGA-II的炼钢连铸生产调度的多目标优 化方法，至少可克服现有技术的部分缺陷。
[0007] 本发明实施例涉及的一种基于NSGA-II的炼钢连铸生产调度的多目标优化方法， 包括:所述方法包括：
[0008] 步骤100,将炼钢-连铸生产调度的约束优化问题转化为包含两个目标的多目标优 化问题，第一目标为最小化全厂完工时间与所有炉次等待时间之和，第二目标为最小化设 备冲突时间之和；
[0009] 步骤200,建立相应的炼钢-连铸生产智能调度的多目标优化模型，所述多目标优 化模型以最小化第一和第二目标函数值为特征；
[0010] 步骤300,定义进化种群中个体的支配关系；
[0011] 步骤400，采用多目标进化算法NSGA-II对所述步骤200中得到的所述炼钢-连铸生 产智能调度的多目标优化模型进行求解。
[0012] 作为实施例一涉及的一种基于NSGA-II的炼钢连铸生产调度的多目标优化方法， 所述步骤1〇〇之前还包括:获取钢铁企业炼钢-连铸工厂的工序布置和设备配置，以及炼钢-连铸工厂所有冶炼钢种的生产工艺的信息，接收上级信息系统下发的生产批量计划。
[0013] 所述步骤200中建立的所述炼钢-连铸生产智能调度的多目标优化模型为：
[0022] 其中，式（1)为目标函数集，其中：fi表示全厂完工时间与所有炉次等待时间之和； f2表示设备冲突时间之和，?表示为各浇次的开浇时刻构成的优化变量；
[0023] i表示浇次编号，共有I个浇次，i = 1，2，…，I; j表示炉次编号，第i个浇次中包含的 炉次数为Ji，j = 1，2，…，Ji ; k表示工序编号，共有K道工序，连铸工序编号为k = K，ki、kr和k。 分别为转炉、真空精炼和连铸工序的编号；
[0024] Θ表示全部浇次的集合，Θ = {i | i E [ 1，I ]} ; Φ,表示第i个浇次中的炉次集合，Φ, = {j| 表示全部处理工序的集合，W = {k|ke[l，K]};
[0025] (i，j，k)表示序号组合，用于唯一标识第i个浇次中的第j个炉次在第k道工序的处 理操作"Uj；)表示序号组合，用于唯一标识与第i个浇次中的第j个炉次在第k道工序使用 同一设备的紧前炉次的处理操作，对应第?个浇次中第]个炉次的第k道工序；
[0026] x(i, j，k)表示（i, j，k)的开始时刻;y(i, j，k)表示为（i, j，k)指定的设备序号；tw (i，j，k)表示（i，j，k)开始处理之前的等待时间，真空和连铸工序处理开始前两处的等待时 间分别为tw( i，j，kr)和tw( i，j，kc);
[0027] Ο%):表示炉次在真空精炼工序的等待时间上限；dt)表示炉次在连铸工序的 等待时间上限；tP(i，j，k)表示（i，j，k)的处理时间；tt(i，j，k)表示第i个饶次中的第j个炉 次在工序k和后工序之间的运输时间。
[0032] 其中，f1;1表示全厂完工时间;f1>2表示所有炉次等待时间。
[0033] 所述步骤300中定义进化种群中个体的支配关系的策略包括：
[0034] 对于任意两个个体，第二目标函数值较小的个体占优；
[0035] 若两个个体具有相等的第二目标函数值，第一目标函数值较小的个体占优；
[0036] 对于第一和第二目标函数值均相等的个体，聚集距离大的个体占优。
[0037] 所述步骤400中采用多目标进化算法NSGA-II求解步骤200中得到的炼钢-连铸生 产智能调度的多目标优化模型时，优化变量为各浇次的开浇时刻构成的向量，构成种群的 染色体由与浇次开浇时刻对应的基因拼接而成，每条染色体都有与第一和第二目标函数值 对应的适应度值。
[0038] 所述步骤400包括：
[0039]步骤401:初始化，输入钢铁企业炼钢-连铸工厂的工序、设备参数，以及生产计划 和钢种信息，设置NSGA-II算法相关参数；
[0040] 步骤402:随机产生指定数目的染色体，构成初始种群P(0);
[0041] 步骤403:针对初始种群中每条所述染色体，依次进行时间分配、设备指派和冲突 消解，计算其适应度值；
[0042]步骤404:按改进的Pareto支配关系对所述初始种群P(0)中的个体进行排序；
[0043]步骤405:采用联赛选择机制任选父代种群P(t)中的2个个体进行随机配对，执行 多点交叉和多项式变异操作，生成子代个体；
[0044] 步骤406:将所述子代个体加入子代种群Q( t)中去，并重复所述步骤405，直至所述 子代种群被填满；
[0045]步骤407:将所述父代种群P(t)和所述子代种群Q(t)并入临时种群R(t)中；
[0046]步骤408:针对所述临时种群R(t)中每条染色体，依次进行时间分配、设备指派和 冲突消解，计算其适应度值；
[0047]步骤409:依据边界集和偏序集的构造方法，构造所述临时种群R(t)的边界集和偏 序集；
[0048]步骤410 :按照由偏序集确定的次序，依次选取所述临时种群R (t)中个体加入下一 代种群P( t+1)中，直至填满；
[0049]步骤411:用P(t+1)替换P(t)，作为下一次进化计算中交叉和变异操作的父代种 群；
[0050]步骤412:判断是否达最大进化代数，或者种群中已出现与设备冲突时间对应的适 应度值f2为〇的个体且多代不进化，是，则执行步骤413，否则进化代数加1，并转步骤405继 续执行；
[0051 ]步骤413:输出优化结果，算法结束。
[0052] 本发明实施例提供的一种基于NSGA-II的炼钢连铸生产调度的多目标优化方法的 有益效果包括：
[0053] 1、本发明实施例提供的一种基于NSGA-II的炼钢连铸生产调度的多目标优化方 法，应用多目标优化的基本思想，建立了新的炼钢-连铸生产智能调度模型，将炼钢-连铸生 产调度这一复杂的约束优化问题转化为包含两个目标的多目标优化问题，其中，第一目标 问题为最小化全厂