冶铸轧一体化生产(SM-CC-HR)是钢铁生产中的一个重要瓶颈,也是CIMS的重要组成部分。其生产调度过程可建模为一个复杂的job-shop生产调度问题。随着人工智能优化算法,如:蚁群算法、神经网络算法等的快速发展,研究人员已经积累了大量的关于智能优化算法求解生产调度问题的研究成果。在课题组的前期工作中,已经建立了炉次编制计划的多目标优化模型,提出了一种组合进化算子。通过仿真实验求解所提模型,得到了多组最优解,验证了模型和算法的有效性。仿真实验结果表明,该算法虽然有着优秀的求解效率,但也面临着种群多样性不足,难以跳出局部最优解的问题。基于已有成果,本课题围绕“提高板坯热装比”这一优化目标,提出新的钢铁生产调度数学模型,采用局部保留基因双亲交叉(Local Retention-Parents Crossover,LR-PPX)进化算法求解此模型。具体研究工作如下:首先,本文在连铸-热轧工序衔接部分引入特殊缓冲区,提出了带有缓冲区两阶段作业车间调度数学模型。特殊缓冲区是为了解决板坯热送热装比率较低的问题而设计,其缓冲作用主要通过板坯库中板坯的暂时存放、保温坑的保温作用、专用炉及普通炉的分配等操作实现。本文基于特殊缓冲区的物理结构,提出了特殊缓冲区的生产模式和生产调度约束条件,依托板坯在缓冲区中的生产调度实现冶铸轧一体化生产。Job-shop调度问题属于NP-Hard问题,采用超启发式搜素算法具有时间效率优势。本文对进化算法做出以下改进:基于工序的编码方案,采用了活跃化(Active Schedules Decoding,ASD)染色体解码方案。针对传统擂台赛选择算子擂主比较轮次较多的缺陷,设计了一种改进的擂台赛选择算子。为了避免交叉操作时非法解的产生以及保留父代优秀的基因片段,采用了两种交叉算子:单亲交叉算子(Single Parent Crossover,SPC)、LR-PPX交叉算子。SPC算子提升算法的求解效率的同时可避免算法早熟收敛。LR-PPX算子可同时获得双亲染色体中优秀的基因片段,避免了单亲交叉算子仅从单个染色体上获得基因使得种群多样性变差的问题。最后,本文综合分析了本文算法在求解基本job-shop调度问题和钢铁生产调度问题的仿真实验结果。基本job-shop问题仿真实验结果说明了所提算法在求解job-shop问题时,收敛性更好,得到的解优于对比算法。钢铁生产调度仿真实验说明经本文算法得到的一体化生产计划有效发挥了特殊缓冲区的作用,提高了板坯热装比率和各个生产阶段的设备利用率,实现了预期的调度目标。