基于粒子群算法的轧制批量计划问题研究

J4 ›› 2014, Vol. 36 ›› Issue (10): 1961-1965.

基于粒子群算法的轧制批量计划问题研究

彭频

(1.中南大学商学院，湖南长沙 410083；2.江西理工大学经济管理学院，江西赣州 341000)

收稿日期:2013-07-04 修回日期:2013-09-16 出版日期:2014-10-25 发布日期:2014-10-25
基金资助:
中南大学博士后基金资助项目

Research on the rolling batch planning
based on particle swarm optimization

PENG Pin

（1.School of Business,Central South University,Changsha 410083;
2.College of Economics & Management,Jiangxi University of Science and Technology，Ganzhou 341000,China）

Received:2013-07-04 Revised:2013-09-16 Online:2014-10-25 Published:2014-10-25

摘要/Abstract

摘要：

将轧制批量计划编制问题归结为车辆路径问题，采用粒子群算法对模型求解，设计了轧制批量计划问题的编码方案，阐明了算法的具体实现过程。计算结果表明，利用粒子群算法解决热轧批量计划问题是有效和可行的。

关键词: 轧制批量计划, 车辆路径问题, 粒子群算法

Abstract:

The rolling batch planning is regarded as a vehicle routing problem. Particle swarm optimization algorithm is used to solve the model of the problem. The particle representation of the rolling batch planning is proposed. The detailed realization of the algorithm is illustrated. The simulation results based on the actual production data show the effectiveness of particle swarm optimization algorithm for the rolling batch planning.

Key words: rolling batch planning;vehicle routing problem;particle swarm optimization algorithm

彭频. 基于粒子群算法的轧制批量计划问题研究[J]. J4, 2014, 36(10): 1961-1965.

PENG Pin. Research on the rolling batch planning
based on particle swarm optimization[J]. J4, 2014, 36(10): 1961-1965.

[1]	王扬, 陈智斌. 一种求解CVRP的动态图转换模型[J]. 计算机工程与科学, 2023, 45(05): 859-868.
[2]	张瑾, 洪莉, 戴二壮. 求解带容量和时间窗约束车辆路径问题的改进蝙蝠算法[J]. 计算机工程与科学, 2021, 43(08): 1479-1487.
[3]	王翼虎, 王思明. 基于改进粒子群算法的无人机路径规划[J]. 计算机工程与科学, 2020, 42(09): 1690-1696.
[4]	王永琦, 江潇潇. 基于混合灰狼算法的机器人路径规划[J]. 计算机工程与科学, 2020, 42(07): 1294-1301.
[5]	衡红军, 戚馨桐. 考虑任务均衡的加油车动态调度问题[J]. 计算机工程与科学, 2020, 42(05): 923-930.
[6]	闫盼盼，俞海珍，史旭华，万凯. 基于Pareto支配的MPRM电路面积与功耗优化[J]. 计算机工程与科学, 2020, 42(04): 596-602.
[7]	宋强. Beam-PSO优化算法在多行程车辆路径问题的应用[J]. 计算机工程与科学, 2019, 41(10): 1882-1891.
[8]	覃远年，梁仲华. 基于混合粒子群算法的运动估计研究[J]. 计算机工程与科学, 2019, 41(04): 758-764.
[9]	邱云飞，李智义. 改进人工鱼群算法在SVM参数优化中的应用[J]. 计算机工程与科学, 2018, 40(11): 2074-2079.
[10]	南敬昌，陆亚男，高明明. 基于改进混合算法优化RBF网络的滤波器建模[J]. 计算机工程与科学, 2018, 40(07): 1329-1336.
[11]	赵婧1,魏彬2. 标签SNPs选择及重构算法研究[J]. 计算机工程与科学, 2016, 38(11): 2328-2334.
[12]	熊聪聪1，耿世洁1，董昊2. 基于混合算法的降水集成预报研究[J]. 计算机工程与科学, 2016, 38(10): 2147-2152.
[13]	余胜威，曹中清. 基于分数阶达尔文粒子群FODPSO算法的图像分割[J]. 计算机工程与科学, 2016, 38(09): 1836-1842.
[14]	李锋刚1,2，骆林1,2，陈亚波1,2,蒋祥飞1,2. 求解均值-CVaR投资组合模型的改进粒子群算法[J]. 计算机工程与科学, 2016, 38(09): 1870-1877.
[15]	赵平，吴昊. 差分进化混合粒子群算法求解装配式住宅项目进度优化问题[J]. 计算机工程与科学, 2016, 38(07): 1495-1501.