本发明涉及冶金机械及自动组合优化，特别是指一种基于双层优化的钢厂中厚板智能热轧排程优化方法。
背景技术：
1、智能化的钢铁生产需匹配智能生产管理计划、生产过程智能控制以及智能生产调度等要求。钢铁生产调度优化环节的完善不仅是企业管理的重要环节之一，更是提升企业自身竞争力，进而提高收益的重要凭借手段之一。
2、钢铁领域的生产调度与计划一直广受钢铁行业内及社会各业的关注，已有的热轧排程调度方案对问题研究效果不佳，主要体现在以下几方面：1)中厚板产品具有多规格、小批量、产品性能要求高等特点，已有的排程方法不适用于现有的研究内容；2)用户差异化需求增多及钢铁企业生产规模变大，提出新的解决方法有利于节省资源、提高用户满意度、使得整体生产流程透明可控；3)中厚板的排程优化是典型的具有多优化目标、多约束条件的组合优化难题。
3、综上，现有的热轧排程调度方案存在排程效率较低、优化结果不够理想的问题。为此，设计更加符合实际需求的模型、更加高效的算法势在必行。该问题的有效解决，也将起到提高企业竞争力、发挥产能效应、提升实际应用价值等作用。
技术实现思路
1、本发明提供了一种基于双层优化的钢厂中厚板智能热轧排程优化方法，以解决现有的热轧排程调度方案所存在的排程效率较低、优化结果不够理想的技术问题。
2、为解决上述技术问题，本发明提供了如下技术方案：
3、一方面，本发明提供了一种基于双层优化的钢厂中厚板智能热轧排程优化方法，所述基于双层优化的钢厂中厚板智能热轧排程优化方法包括：
4、获取钢厂实际生产数据，定义模型参数及决策变量；
5、基于定义的模型参数及决策变量，构建带有时间窗和奖励机制的多车辆路径规划模型，确定待优化问题；其中，待优化问题为：如何进行中厚板热轧排程，使得在满足预设约束条件的情况下，实现综合惩罚值最小且轧制里程最大的目标；
6、采用自适应变邻域搜索算法alns，融合sa算法构建双层嵌套算法，对所述待优化问题进行求解，得到最优中厚板热轧排程方案；
7、采用可视化方式展示最优中厚板热轧排程方案。
8、进一步地，所述生产数据包括待轧制板坯的宽度、厚度、轧制长度、轧制时间、进炉时间、开始轧制时间、结束轧制时间、在炉时间以及两个板坯轧制时间间隔。
9、进一步地，所述模型参数包括待轧板坯参数和轧制单元参数；
10、所述定义模型参数及决策变量，包括：
11、定义待轧板坯参数，包括：定义i为板坯序号，共n个；定义qi为第i个板坯的轧制长度；定义li为具有相同宽度的板坯的总轧制长度；定义lmax为具有相同宽度的板坯的最大轧制长度；定义pti为第i个板坯的轧制时间；定义eti为第i个板坯的进炉时间；定义rti为第i个板坯的开始轧制时间；定义nti为第i个板坯结束轧制时间；定义sti为第i个板坯的在炉时间；定义it为两个板坯轧制时间间隔；
12、定义轧制单元参数，包括：定义k为轧制单元序号，共m个；定义dij为在轧制单元中第i个板坯跳向第j个板坯的总惩罚值；定义pvij为在轧制单元中第i个板坯跳向第j个板坯的宽度变化率惩罚值；定义pgij为在轧制单元中第i个板坯跳向第j个板坯的厚度惩罚值；定义phij为在轧制单元中第i个板坯跳向第j个板坯的硬度惩罚值；定义ptij为在轧制单元中第i个板坯跳向第j个板坯的温度惩罚值；定义pi为钢坯未放入轧制计划的惩罚值；定义ql为每个轧制单元的最大轧制长度；定义qs为每个轧制单元的最小轧制长度；
13、定义决策变量参数，包括：定义参数yik，若第i个板坯被第k个轧制单元选中，则yik为1，否则yik为0；定义参数若第i个板坯和第j个板坯同时被第k个轧制单元选中且第i个板坯在第j个板坯后被轧制，则为1，否则为0。
14、进一步地，所述基于定义的模型参数及决策变量，构建带有时间窗和奖励机制的多车辆路径规划模型，确定待优化问题，包括：
15、结合带有时间窗和奖励机制的多车辆路径规划模型，采用虚拟板坯作为虚拟起始点，多个轧辊经过虚拟起始点形成闭环；其中，dij＝pvij+pgij+phij+ptij；构建中厚板热轧排程模型，以确定待优化问题；其中，综合惩罚值表示为：
16、f＝f1+f2
17、其中，f1表示未放入热轧计划的板坯的总最小惩罚值，其表达式为：
18、
19、f2表示最小工艺惩罚值，包括同一轧制单元内相邻板坯的宽度、厚度和硬度的跳跃惩罚值，其表达式为：
20、
21、约束条件包括：规定轧制路径形成轧制闭环的约束、轧制公里数约束、同宽公里数的轧制约束以及在每个轧制单元内的轧制时间约束；其中，
22、规定轧制路径形成轧制闭环的约束表示为：
23、
24、其中，nk表示第k个轧制单元的板坯数量；
25、轧制公里数的约束表示为；
26、
27、同宽公里数的轧制约束表示为；
28、
29、在每个轧制单元内的轧制时间约束表示为：
30、nti≥rti+eti+sti+pti+it
31、
32、其中，eti'表示第i'个板坯的进炉时间；m表示轧制单元集合。
33、进一步地，所述采用自适应变邻域搜索算法alns，融合sa算法构建双层嵌套算法，对所述待优化问题进行求解，得到最优中厚板热轧排程方案，包括：
34、采用自适应变邻域搜索算法alns，融合sa算法构建双层嵌套算法，针对所述待优化问题，外层采用alns算法在全局整体角度进行寻优，内层采用sa算法进行解的计算，从而得到最优中厚板热轧排程方案。
35、进一步地，所述外层采用alns算法在全局整体角度进行寻优，包括：
36、采用路径编码方式对数据进行编码，使用由q+1个部分组成的向量v来表示热轧排程问题的解；其中，每个子向量表示一个轧制单元，即每个子向量表示板坯及其排序；每个子向量vk中的第一个元素表示原始仓库，即序号为0的板坯，而vk中的其他元素表示不同的板坯；此外，序号为0的虚拟轧制单元中的板坯表示未被选择；编码完成后，采用贪心算法对板坯轧制顺序进行预排，通过贪心算法得到板坯轧制顺序的初始解；
37、初始解生成后，数据进入alns算法进行外层计算，引入destroy算子和repair算子的概念；最初，赋予所有算子相同权重，alns算法会对各个算子进行动态调整，以获得更好的邻域解；优质算子的选择取决于算子自身产生解的质量，destroy和repair方法分别表示为γ-和γ+；另外，分别引出两个新变量，分别存储每个destroy和repair方法的权重，即其中，表示destroy方法的权重集合；表示repair方法的权重集合；
38、引入额外参数ψ，设置公式如下：
39、
40、其中，ωd为算子权重，sd为算子分子，ud为算子使用次数，ρ为权重更新系数，用于约束权重更新速度，即算子权重与解的表现挂钩；按如下公式更新ρ-和ρ+：
41、ρ-＝λρ-+(1-λ)ψ
42、ρ+＝λρ++(1-λ)ψ
43、其中，λ为取值范围为0～1的参数，目的是为了控制权重对两类算子性能变化的敏感程度，且当前迭代中未使用的算子权重保持不变；
44、之后，算法鼓励试探性向前，配合程度符合预期的destroy和repair算子组合会被保存，从而推动算法整体更快地寻找最优解。
45、进一步地，所述内层采用sa算法进行解的计算，包括：
46、外层的alns算法进行到预设程度后，内层通过两次引入sa算法的metropolis准则对alns算法进行重新定义和改进，利用sa算法的metropolis准则获得alns的两个极值，包括较优邻域解和全局最优解；其中，sa算法的metropolis准则定义了物体在某一参数t下从第u个状态变化到第v个状态的概率，即一定程度上接受一组板坯轧制组合的概率如下公式所示：
47、
48、其中，e为自然对数；s(v)和s(u)分别表示当前的两次邻域解析解；δs表示两次邻域解析解的变化值；δ是类似玻尔兹曼常数的系数；在某次求解状态下，由于邻域的改变，系统状态会发生变化，并且导致系统当前解析解改变；如果改变后的解析解比当前解析解的效果好，那么接受改变后的解析解；否则，以一定概率接受改变后的解析解，且在同一状态下系统状态变化越大，改变后的解析解被接受的概率就越小，而且随着算法的进程优化，接受改变后的解析解的概率将会越来越小。
49、进一步地，所述双层嵌套算法在达到最大求解时间时停止输出，以所述双层嵌套算法停止输出时的最优解作为最优中厚板热轧排程方案。
50、再一方面，本发明还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行，以实现上述方法。
51、又一方面，本发明还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行，以实现上述方法。
52、本发明提供的技术方案带来的有益效果至少包括：
53、本发明提供的基于双层优化的钢厂中厚板智能热轧排程优化方法通过构建带有时间窗和奖励机制的多车辆路径规划模型vrptw模型；以综合惩罚值最小、轧制里程最大为多优化目标建立优化模型，并采用改进的alns算法融合sa算法构建双层嵌套算法alns-sa，对模型求解，实现最优排程方案设计。从而可以更好的实现中厚板热轧排程方案制定、实现减少轧辊损耗、提高交货效率等目标。对节省人力、节约成本、提高库区生产线效率和增加企业效益具有重要意义。
1.一种基于双层优化的钢厂中厚板智能热轧排程优化方法，其特征在于，所述基于双层优化的钢厂中厚板智能热轧排程优化方法包括：
2.如权利要求1所述的基于双层优化的钢厂中厚板智能热轧排程优化方法，其特征在于，所述生产数据包括：待轧制板坯的宽度、厚度、轧制长度、轧制时间、进炉时间、开始轧制时间、结束轧制时间、在炉时间以及两个板坯轧制时间间隔。
3.如权利要求2所述的基于双层优化的钢厂中厚板智能热轧排程优化方法，其特征在于，所述模型参数包括待轧板坯参数和轧制单元参数；
4.如权利要求3所述的基于双层优化的钢厂中厚板智能热轧排程优化方法，其特征在于，所述基于定义的模型参数及决策变量，构建带有时间窗和奖励机制的多车辆路径规划模型，确定待优化问题，包括：
5.如权利要求4所述的基于双层优化的钢厂中厚板智能热轧排程优化方法，其特征在于，所述采用自适应变邻域搜索算法alns，融合sa算法构建双层嵌套算法，对所述待优化问题进行求解，得到最优中厚板热轧排程方案，包括：
6.如权利要求5所述的基于双层优化的钢厂中厚板智能热轧排程优化方法，其特征在于，所述外层采用alns算法在全局整体角度进行寻优，包括：
7.如权利要求6所述的基于双层优化的钢厂中厚板智能热轧排程优化方法，其特征在于，所述内层采用sa算法进行解的计算，包括：
8.如权利要求7所述的基于双层优化的钢厂中厚板智能热轧排程优化方法，其特征在于，所述双层嵌套算法在达到最大求解时间时停止输出，以所述双层嵌套算法停止输出时的最优解作为最优中厚板热轧排程方案。
