炼钢连铸热轧一体化批量计划编制模型及实现

为解决钢铁企业生产计划一体化编制时能保证生产物流在各工序间的协调有序和高效运行,通过分析炼钢连铸热轧带钢各阶段的生产目标和工艺约束、物流变化及衔接关系,建立基于多目标优化的一体化批量计划数学模型。按照热轧带钢生产合同的要求,将一体化批量计划编制问题分解为热轧带钢的轧制单元计划、炼钢连铸的组炉和组浇计划。各计划之间既有独立又存在耦合,先编制完成轧制单元计划与组炉计划,然后再将轧制单元计划与组炉计划共同作用于组浇计划,运用基于改进协同进化的遗传算法设计模型求解策略。以某钢铁企业的带钢生产计划编制数据为例进行模型的仿真运行,测试结果表明了模型的可行性,为钢铁企业的一体化批量计划编制提供了一种有效手段。     

基于混沌自适应遗传 ν SVR的城市客运量预测

针对城市客运量预测问题本身所存在的小样本、高维数和非线性等特点,将ν-支持向量回归机(ν-support vector regression,ν-SVR)应用于城市客运量预测.为了提高ν-SVR模型的预测精度和泛化性能,利用基于混沌理论和自适应机制的混沌自适应遗传算法(chaosadaptive genetic algorithm,CAGA)优选ν-SVR模型参数,建立了基于CAGA进行参数优选的CAGA-ν-SVR城市客运量预测模型.结合1978～2008年统计数据进行了仿真预测,结果表明该模型的预测性能优于RBF神经网络模型、GA-SVR模型和GA-ν-SVR模型,平均绝对相对误差控制在2.3%以内,可有效应用于城市客运量预测.     

项目制造环境下项目计划协同优化方法

为减少项目执行过程中不必要的等待时间、加快项目进程,提出了面向项目制造的项目计划协同优化方法.该优化方法涉及两个方面:建立项目计划信息之间的关联约束关系,以及关联约束基础上的优化解算.首先通过分析项目计划间信息关联,提出了基于产品信息和WBS的项目计划间接约束关系建立方式;进而结合不同计划模式的差异性,设计了一种用于项目计划协同优化的遗传算法.最后结合实例验证了优化方法的有效性及合理性.     

船体装配线划线优化遗传算法研究

船体装配线划线作业是与船体零件数控切割作业同时进行的,是现代造船模式中的一个重要环节.分析归纳了装配线划线作业的特点,以划线顺序和划线方向为参数,划线空走路径最短为目标,采用多参数混合编码法,建立了划线优化的遗传算法优化数学模型.对划线顺序和划线方向采用不同的遗传策略进行进化.提出的随机变异算子维持了种群的多样性,精英子自进化策略加快了种群进化过程.运用"贪心策略"初始化种群,提高了种群的适应度.仿真证明该模型是可行的,实际应用表明可有效减少划线空走路径,提高船厂生产效率.     

基于改进免疫遗传算法的水电站优化调度应用研究

根据免疫算法的生物学机理,提出了一种改进的免疫遗传算法.该算法将微粒群算法作为免疫算法的全局搜索策略,提高算法的全局搜索能力;利用逐步优化算法对免疫算法的控制策略进行进化操作,提高算法的局部搜索能力;利用免疫算法本身基于浓度的自我调节机制,提高群体的多样性,避免算法过早陷入局部最优解.最后给出了该算法实现的具体步骤,并将其应用于水电站的优化调度中,取得了较为满意的结果,且与动态规划、遗传算法、免疫算法和微粒群算法等比较,验证了算法的有效性和优越性.     

连续退火线平整机辊形优化

对连续退火线平整机的板形问题进行研究.通过实际生产数据的统计分析,基于减小有害接触区和增强弯辊力调控功效的思想,利用影响函数法下的辊系弹性变形计算提出了相应的平整机支持辊辊形优化目标.采用分层序列法处理多目标函数,并通过混合遗传算法进行求解,设计出新的辊形配置方案.使用二维变厚度理论建立辊系有限元模型,对辊缝横向刚度、弯辊力调控功效进行计算校核.将研究结果应用于实际生产,改善了平整机的板形控制效果,降低弯辊负担.     

快速公交车辆发车间隔与信号优先协调研究

研究快速公交车辆发车间隔与路口信号优先的协调优化问题. 针对快速公交全线路口信号选用定周期的优先感应控制方案,提出协调优化问题的衡量指标. 选用遗传算法提出发车间隔与信号控制参数综合优化的求解算法. 以北京的BRT1线为例,应用VISSIM仿真软件与VC++程序进行了算法实现. 实例结果表明:在不同的车速、发车间隔、信号控制方案的组合下,经过优化可以有效提高车辆的速度和准点率,实现真正意义上的公交优先.     

新型遗传算法求解车辆路径问题研究

建立有时间窗车辆路径问题的数学模型,针对遗传算法在局部搜索能力方面的不足,提出将模拟退火算法与遗传算法相结合,从而构造有时问窗车辆路径问题的混合遗传算法,并进行实验计算.结果表明,用混合遗传算法求解该优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和模拟退火算法在全局搜索能力方面的不足,从而得到质量较高的解.     

基于GA-BP算法的隧道围岩力学参数反分析

建立智能位移反分析系统,用其确定隧道围岩的力学参数.针对BP神经网络易陷入局部极小值和训练时间过长等缺点,利用遗传算法全局寻优能力优化BP神经网络的权值和阈值.结合均匀设计法在围岩力学参数初始域范围内设计实验方案,这样不仅减少了迭代时间和次数,还提高了预测精度.通过对绿春坝隧道围岩力学参数的反演,验证了该方法的可靠性及适用性.将反演得出的围岩力学参数代入到数值模型中进行计算,结果表明,数值计算值与现场实际监测值的误差分别为-8.9%和4.5%.     

存在表面缺陷原材料的矩形件优化排样问题研究

针对存在表面缺陷原材料的矩形件优化排样问题是一个组合优化问题,提出了一种单亲遗传算法求解方法.研究了将矩形件在板材上的排样转换为遗传算法特定编码的方法,通过单亲遗传算法的遗传算子进行优化搜索,最终得到矩形件排样的最优次序和排放方式,用基于矩形件与板材内靠接临界多边形最低点的排样算法实现在表面存在缺陷原材料上的自动排样.排样实例表明,该优化排样算法行之有效,具有广泛的适应性.