炼钢连铸指计划优化模型与算法研究
摘要 | 第13-15页 |
ABSTRACT | 第15-17页 |
第一章 绪论 | 第18-40页 |
1.1 研究目的及意义 | 第18页 |
1.2 炼钢连铸批量计划研究综述 | 第18-25页 |
1.2.1 钢铁企业生产工艺介绍 | 第18-20页 |
1.2.2 炼钢连铸生产计划编制流程 | 第20-23页 |
1.2.3 炉次计划研究现状 | 第23-24页 |
1.2.4 浇次计划研究现状 | 第24-25页 |
1.3 炼钢连铸批量计划与调度研究方法概述 | 第25-30页 |
1.3.1 数学规划方法 | 第26页 |
1.3.2 Petri网方法 | 第26-27页 |
1.3.3 启发式方法 | 第27页 |
1.3.4 专家系统方法 | 第27页 |
1.3.5 智能搜索方法 | 第27-28页 |
1.3.6 多智能体方法 | 第28-30页 |
1.4 交叉熵方法基本原理及应用 | 第30-35页 |
1.4.1 基本原理 | 第30-33页 |
1.4.2 交叉熵方法在优化问题中的应用 | 第33-35页 |
1.5 自组织方法 | 第35-36页 |
1.5.1 自组织的概念和特征 | 第35页 |
1.5.2 自组织方法及应用 | 第35-36页 |
1.6 本文的技术路线及主要工作 | 第36-40页 |
1.6.1 本文的技术路线 | 第36-37页 |
1.6.2 本文的主要工作 | 第37-40页 |
第二章 炉次计划的改进交叉熵算法 | 第40-50页 |
2.1 引言 | 第40-41页 |
2.2 问题描述 | 第41页 |
2.3 炉次计划模型 | 第41-42页 |
2.4 基于旅行商问题的炉次计划模型 | 第42-43页 |
2.5 改进交叉熵算法 | 第43-45页 |
2.6 实例验证 | 第45-48页 |
2.6.1 实验数据 | 第45-46页 |
2.6.2 参数设置 | 第46-47页 |
2.6.3 算法比较 | 第47-48页 |
2.7 小结 | 第48-50页 |
第三章 浇次计划编制的混合启发式-交叉熵算法 | 第50-62页 |
3.1 引言 | 第50页 |
3.2 问题描述 | 第50-51页 |
3.3 基于带有容量限制旅行商问题的浇次计划模型 | 第51-53页 |
3.4 混合启发式-交叉熵算法 | 第53-55页 |
3.4.1 初始状态概率转移矩阵的改进 | 第53页 |
3.4.2 按钢级分组的启发式规则 | 第53-54页 |
3.4.3 混合启发式-交叉熵算法 | 第54-55页 |
3.5 实例验证 | 第55-60页 |
3.5.1 实验数据 | 第55-57页 |
3.5.2 参数设置 | 第57-58页 |
3.5.3 算法比较 | 第58-60页 |
3.6 小结 | 第60-62页 |
第四章 炉次数量未知的柔性炉次计划编制算法 | 第62-72页 |
4.1 引言 | 第62页 |
4.2 数学模型 | 第62-65页 |
4.2.1 问题描述 | 第62-63页 |
4.2.2 数学规划模型 | 第63-65页 |
4.3 基于CPTP的柔性炉次计划模型 | 第65-66页 |
4.3.1 CPTP简介 | 第65页 |
4.3.2 将柔性炉次计划问题转化为CPTP | 第65-66页 |
4.4 求解算法 | 第66-68页 |
4.5 实例验证及分析 | 第68-70页 |
4.5.1 实验数据 | 第68-69页 |
4.5.2 参数设置 | 第69页 |
4.5.3 算法比较 | 第69-70页 |
4.6 小结 | 第70-72页 |
第五章 柔性宽度浇次计划编制的一种混合改进算法 | 第72-84页 |
5.1 引言 | 第72-73页 |
5.2 考虑宽度柔性的浇次计划问题描述 | 第73页 |
5.3 柔性宽度浇次计划的广义车辆路径问题模型 | 第73-75页 |
5.4 柔性宽度浇次计划问题的混合改进算法 | 第75-78页 |
5.4.1 钢级分组规则 | 第76页 |
5.4.2 改进交叉熵法 | 第76-77页 |
5.4.3 可达算法 | 第77-78页 |
5.5 实例验证及分析 | 第78-81页 |
5.5.1 实验数据 | 第78页 |
5.5.2 参数设置 | 第78-80页 |
5.5.3 算法比较 | 第80-81页 |
5.6 小结 | 第81-84页 |
第六章 炼钢连铸批量计划自组织优化算法 | 第84-92页 |
6.1 引言 | 第84页 |
6.2 炼钢连铸批量计划自组织优化算法 | 第84-88页 |
6.2.1 竞争因子 | 第84-86页 |
6.2.2 协同算子 | 第86页 |
6.2.3 序参量 | 第86-87页 |
6.2.4 批量计划自组织优化算法 | 第87-88页 |
6.3 仿真实例与分析 | 第88-91页 |
6.3.1 实验数据 | 第88页 |
6.3.2 参数设置 | 第88-90页 |
6.3.3 算法比较 | 第90-91页 |
6.4 小结 | 第91-92页 |
第七章 结论与展望 | 第92-96页 |
7.1 本文工作总结 | 第92-94页 |
7.2 下一步研究方向 | 第94-96页 |
参考文献 | 第96-108页 |
致谢 | 第108-110页 |
攻读博士学位期间完成的论文和参加的项目 | 第110-112页 |
附录 | 第112-122页 |
附件 | 第122页 |