節(jié)能生產(chǎn)調(diào)度問題的建模與分解優(yōu)化

第1章 緒論 1
1.1 研究背景與意義 1
1.2 國內(nèi)外研究現(xiàn)狀 3
1.2.1 節(jié)能生產(chǎn)調(diào)度模型 4
1.2.2 調(diào)度模型常用求解方法 13
1.2.3 對現(xiàn)有模型與求解方法的思考 19
1.3 主要研究內(nèi)容 20
第2章 制造期約束下的能源成本調(diào)度優(yōu)化 23
2.1 引言 23
2.2 問題建模 25
2.2.1 數(shù)學(xué)模型 26
2.2.2 問題復(fù)雜度 31
2.3 模型分解與優(yōu)化 32
2.3.1 Dantzig-Wolfe分解方法 32
2.3.2 單機(jī)調(diào)度子問題 34
2.3.3 列生成啟發(fā)式算法 41
2.3.4 多目標(biāo)優(yōu)化模型求解 43
2.4 計算實驗 45
2.4.1 測試數(shù)據(jù)生成 45
2.4.2 模型與算法性能測試 48
2.4.3 多目標(biāo)優(yōu)化實驗效果 50
2.4.4 管理啟示和環(huán)境影響 52
2.5 小結(jié) 55
第3章 峰值功率約束下的制造期調(diào)度優(yōu)化 56
3.1 引言 56
3.2 問題建模 59
3.2.1 問題描述 59
3.2.2 時間離散化模型 60
3.2.3 離散事件點(diǎn)模型 62
3.2.4 基于工件排序的離散事件點(diǎn)模型 66
3.3 問題性質(zhì)與分解 68
3.3.1 結(jié)構(gòu)性質(zhì)分析 68
3.3.2 子問題求解 72
3.4 貪婪迭代算法 75
3.4.1 初始解生成過程 76
3.4.2 解構(gòu)重構(gòu)過程 76
3.4.3 鄰域搜索過程 77
3.4.4 接受準(zhǔn)則與終止條件 79
3.4.5 算法完整流程 80
3.5 計算實驗 81
3.5.1 規(guī)劃模型性能比較 81
3.5.2 貪婪迭代算法性能驗證 85
3.5.3 峰值能耗水平對制造期的影響 89
3.6 小結(jié) 90
第4章 制造期與總能耗的多目標(biāo)調(diào)度優(yōu)化 92
4.1 引言 92
4.2 數(shù)學(xué)模型與問題性質(zhì) 95
4.2.1 數(shù)學(xué)模型 95
4.2.2 結(jié)構(gòu)性質(zhì)分析 99
4.3 問題分解與子問題優(yōu)化 101
4.3.1 原始NEH插入 101
4.3.2 節(jié)能調(diào)速及工件插入子問題 103
4.3.3 基于規(guī)劃模型的節(jié)能調(diào)速 109
4.4 主問題求解 111
4.4.1 多目標(biāo)NEH算法 112
4.4.2 多目標(biāo)貪婪迭代算法 113
4.5 計算實驗 116
4.5.1 多目標(biāo)NEH插入有效性評價 117
4.5.2 元啟發(fā)式算法性能比較 120
4.6 小結(jié) 126
第5章 鋼鐵生產(chǎn)加熱爐群節(jié)能調(diào)度優(yōu)化及其應(yīng)用 128
5.1 引言 128
5.2 背景介紹 130
5.3 問題建模 132
5.3.1 問題描述 132
5.3.2 數(shù)學(xué)模型 134
5.4 模型分解與優(yōu)化 137
5.4.1 線性規(guī)劃子問題 137
5.4.2 鄰域結(jié)構(gòu)分析 139
5.4.3 變鄰域搜索算法 143
5.5 優(yōu)化下界估計 145
5.6 計算實驗 147
5.6.1 算法性能分析 149
5.6.2 生產(chǎn)指標(biāo)與能耗指標(biāo)權(quán)衡 152
5.7 小結(jié) 154
第6章 總結(jié)與展望 155
6.1 主要研究成果 155
6.2 分解優(yōu)化思路總結(jié) 157
6.3 研究展望 159
參考文獻(xiàn) 160
在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果 176
致謝 179