.png){kind=icon}
.png){kind=icon}
返回
Machine scheduling optimization via multi-strategy information-aware genetic algorithm in steelmaking continuous casting industrial process
.png){kind=icon}
PRE
AI
DOI：10.1016/j.conengprac.2025.106404.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
转炉连铸（SCC）过程的调度优化对于提高钢铁企业的生产效率和降低成本至关重要。然而，对连续浇铸的严格要求和设备分配的严重不平衡给传统智能优化算法带来了显著挑战。具体而言，这些算法面临平衡全局探索、局部开发和有限种群多样性的问题。为此，本文提出了一种新型多策略信息感知遗传算法（MSIAGA），该算法将连续生产要求与多种创新策略的协同作用相结合，以实现最优设备调度。首先，开发了一种连续生产引导的染色体编码方法，以确保设备调度严格遵循连续浇铸条件。其次，设计了一种动态自适应变异策略，以增强模型的全局探索和局部搜索能力。此外，引入了一种动态精英保留策略，利用保留分数优先选择精英解并增强种群多样性。最后，对21个不同复杂度的SCC调度案例的广泛实验结果表明，所提出的方法优于其他几种代表性方法。
Keyword:
steelmaking continuous casting
scheduling optimization
genetic algorithm
uninterrupted casting
population diversity