钢铁企业生产调度与仿真研究

J4 ›› 2011, Vol. 33 ›› Issue (9): 157-163.

钢铁企业生产调度与仿真研究

高柄志，吴〓狄，班晓娟，秦慧元

(北京科技大学计算机与通信工程学院，北京100083)

收稿日期:2011-05-20 修回日期:2011-07-26 出版日期:2011-09-25 发布日期:2011-09-25
作者简介:高柄志(1971),男,辽宁人，博士生，高级工程师，研究方向为智能控制。
基金资助:
国家863计划资助项目(2009AA062801)；国家自然科学基金资助项目(60973063)；北京自然科学基金资助项目(4092028)；中央高校基本科研业务费专项资金资助(FRFTP09016B)；教育部新世纪人才支持计划（NCET100221）

Steel Enterprise Production Scheduling and Its Application

GAO Bingzhi，WU Di，BAN Xiaojuan，QIN Huiyuan

(School of Computer Science and Electronics,University of Science and Technology,Beijing 100083,China)

Received:2011-05-20 Revised:2011-07-26 Online:2011-09-25 Published:2011-09-25

摘要/Abstract

摘要：

流程工业企业在生产过程中存在如生产量大、过程复杂等特点，因此生产调度在其中处于非常重要的地位。本文针对钢铁流程企业中存在的物料流调度参数多、流程多样、约束种类多等问题，首先进行了问题的数学建模，定义了调度过程中常用的各种参数、基本数学模型、优化指标和相关约束，然后利用改进的遗传算法对问题进行了求解，并通过实际的生产实例的仿真实验，证明了方法的有效性。

关键词: 流程工业企业, 钢铁企业生产调度, 物料流, 遗传算法, 仿真

Abstract:

There are some special characteristics inside the flow industrial enterprises production process， such as highcapacity， complex process and so on. So scheduling plays an important part in the production process. This paper deals with the problem in the steel enterprise material flow problems as many scheduling parameters， various flow and different kinds of constraints. First we build a mathematical model， define the different parameters， basic model， optimal object and related constraints. Then the problem is solved using improved genetic algorithm. The model and solution are used for a practical example as the simulation experiment. The results shows the effectiveness of the method is then proved.

Key words: flow industrial enterprises;steel enterprise production scheduling;material flow;genetic algorithm;simulation

高柄志，吴〓狄，班晓娟，秦慧元. 钢铁企业生产调度与仿真研究[J]. J4, 2011, 33(9): 157-163.

GAO Bingzhi，WU Di，BAN Xiaojuan，QIN Huiyuan. Steel Enterprise Production Scheduling and Its Application[J]. J4, 2011, 33(9): 157-163.

[1]	李成冉, 方佳豪, 尹首一, 魏少军, 胡杨. 基于遗传算法的晶圆级芯片映射算法研究[J]. 计算机工程与科学, 2024, 46(06): 993-1000.
[2]	任晟岐, 宋伟. 基于GGInformer模型的多维时间序列特征提取与预测研究[J]. 计算机工程与科学, 2024, 46(04): 590-598.
[3]	孙睿男, 初翔, 陈昱, 闫明宁. 基于混合启发式算法的快递末端选址路径优化研究[J]. 计算机工程与科学, 2024, 46(01): 159-169.
[4]	郭艺, 何廷年, 李爱斌, 毛君宇. 融合GA-CART和Deep-IRT的知识追踪模型[J]. 计算机工程与科学, 2023, 45(09): 1691-1700.
[5]	毛媛媛, 石恩雅, 蒋从锋, 仇烨亮, 贾刚勇, 万健, 闫龙川. 基于遗传算法的数据中心能效仿真[J]. 计算机工程与科学, 2021, 43(08): 1341-1352.
[6]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[7]	李静, 莫思敏 . 基于改进遗传算法的深度神经网络优化研究[J]. 计算机工程与科学, 2021, 43(08): 1503-1511.
[8]	李晶晶, 许少华. 基于组合核函数的径向基过程神经网络及其在示功图诊断中的应用[J]. 计算机工程与科学, 2021, 43(04): 746-752.
[9]	季子豪, 江凌云. 一种基于遗传算法的多站点协同计算卸载算法[J]. 计算机工程与科学, 2021, 43(03): 426-434.
[10]	贾俊杰, 秦海涛. 基于遗传算法的动态轨迹匿名算法[J]. 计算机工程与科学, 2021, 43(01): 142-150.
[11]	李丹莲, 曹倩, 徐菲. 基于改进遗传算法的连锁便利店配送路径优化[J]. 计算机工程与科学, 2020, 42(11): 2096-2102.
[12]	陈旺虎，田真，张礼智，梁小燕，高雅琼. 基于插值的高维稀疏数据离群点检测方法[J]. 计算机工程与科学, 2020, 42(06): 966-972.
[13]	王硕禾1，刘旭1，李苏晨1，张国驹2. 基于多目标遗传算法的LoRa参数匹配优化[J]. 计算机工程与科学, 2020, 42(03): 434-440.
[14]	马晗，常安定，陈童，李江杰. 基于文化混合优化算法的旅行商问题求解[J]. 计算机工程与科学, 2019, 41(07): 1273-1278.
[15]	刘华1，杨春曦1，韩光松2，谢可心1. N状态二进制一致性算法设计及其优化[J]. 计算机工程与科学, 2019, 41(06): 1009-1015.