CN102637272A - 热轧板坯前库剩余板坯的分配方法及装置 - Google Patents

Abstract

本发明提供了一种热轧板坯前库剩余板坯的分配方法及装置，其中的方法包括如下步骤：S100：采用数学模型对热轧板坯前库剩余板坯分配问题进行定量化描述，所述定量化描述包括选择决策变量、设定优化目标以及确定剩余板坯分配约束；S200：设置步骤S100中的数学模型参数；S300：根据钢级对合同数据和板坯数据进行分组，每组包括具有相同钢级的板坯及与组内板坯钢级相匹配的合同，分组后组间的板坯与合同无分配关系；S400：采用混合分散搜索算法分别获得每组内剩余板坯与合同的分配方案；S500：根据分配方案分配所述热轧板坯前库剩余板坯。本发明能够从全局优化的角度出发，全面考虑各个方面因素，实现热轧板坯库剩余库存充分且合理的匹配。

Description

热轧板坯前库剩余板坯的分配方法及装置

技术领域

本发明涉及信息技术领域，更为具体地，涉及一种钢铁企业热轧板坯前库剩余板坯的分配方法及装置。

背景技术

钢铁工业属原材料工业，是国民经济中的基础工业，是社会发展的重要支柱。目前，钢铁市场需求趋于复杂化、多品种、小批量的方向发展，这种需求模式与钢铁工业传统的大批量生产模式间的冲突日趋明显，从而导致钢铁企业生产过程中频频出现生产量超过用户合同量的情况。

一般来说，经过炼钢连铸工序后，超出用户合同需求部分的剩余板坯会被作为剩余库存存储在热轧板坯前库。据调查，在钢铁企业中，剩余库存约占热轧板坯库总库存的1/4，剩余库存的产生，大大增加了生产成本，占用了生产资金，降低了资源的有效利用率。

由于不同种类的钢铁产品可以由相同的板坯经由不同的工艺路线加工得到，因此，上述问题的解决办法是在热轧工序前进行剩余库存与用户合同需求量的匹配，即将剩余板坯分配给轧制计划中有板坯需求的合同。

目前，钢铁企业的剩余板坯分配均采用人工操作方式，分配过程中涉及钢级、宽度、长度、重量、合同交货期等多方面分配条件，由于剩余板坯及合同数量多，人工操作无法全面且准确地考虑各项分配条件，易造成不合理分配，导致板坯切损量高、库存费用高、板坯热装热送比低、板坯以优充次等情况的出现，从而浪费生产资源及能源、增加企业的综合生产成本。因此，如何将大量的剩余板坯加以合理的利用已成为钢铁企业面临的一个至关重要的技术性问题。

国内外已有一些文献对该类问题进行了相关研究。Vasko等(F.J.Vasko，M.L.Cregger，K.L.Stott，L.R.Woodyatt.Assigning slabs to orders：An example ofappropriate model formulation.Computers&Industrial Engineering.1994.26：797-800)研究了板坯匹配问题，在该问题中板坯可以被分成两块分别进行匹配。根据问题的离散性特点，建立了整数规划模型。通过添加虚拟订单和虚拟板坯把该问题转化为一个运输问题，通过Bertsekas的网络节点方法求解。

Dawande等(M.Sawande，J.Kalagnanam，H.S.Lee，C.Reddy，S.Siegel，M.Trumbo.The Slab-Design Problem in the Steel Industry.Interfaces.2004.34-215-225)同样研究了板坯与合同的匹配问题，在该问题中板坯可以被切割成多块，问题的目标是最小化使用板坯的数量及最小化板坯余材。针对该问题设计了启发式算法进行求解。

在上述解决方案中，剩余板坯均可以被切割为多块板坯分配给多个合同，但并未涉及剩余板坯与合同的多对一优化匹配。

发明内容

鉴于上述问题，本发明的目的在于提供一种热轧板坯前库剩余板坯的分配方法和装置，从而实现降低剩余库存，提高合同完成量，减少板坯切损量及热量损耗，增加企业利润。

根据本发明的一个方面，热轧板坯前库剩余板坯的分配方法包括如下步骤：

S100：采用数学模型对热轧板坯前库剩余板坯分配问题进行定量化描述，所述定量化描述包括选择决策变量、设定优化目标以及确定剩余板坯分配约束；

S200：设置步骤S100中的数学模型参数；

S300：根据钢级对合同数据和板坯数据进行分组，每组包括具有相同钢级的板坯及与组内板坯钢级相匹配的合同，分组后组间的板坯与合同无分配关系；

S400：采用混合分散搜索算法分别获得每组内剩余板坯与合同的分配方案；

S500：根据所述分配方案分配所述热轧板坯前库剩余板坯；其中，

在步骤S400中所采用的混合分散搜索算法包括如下步骤：

在步骤S400中所采用的混合分散搜索算法进一步包括如下步骤：

S401：初始化算法参数，设置初始分配方案种群规模PSize、最大迭代次数MaxIter、设置参考集中质量好的分配方案及分散性好的分配方案的个数b₁及b₂的值，设置参考集更新标志NewElements＝FALSE，迭代次数计数器Iter＝0，候选方案集合AlterSet＝Φ；

S402：分别采用启发式算法及随机策略构造初始分配方案种群；

S403：根据初始分配方案种群构造分配方案参考集Refset，即

设置NewElements＝TRUE；

S404：置迭代次数计数器Iter＝Iter+1。如果Iter＞MaxIter或者NewElements＝FALSE，则转到步骤S410；否则，根据Refset中的分配方案构造方案子集集合NewSubsets；

S405：在NewSubsets中选择分配方案子集s，采用方案组合方法对分配方案子集s里的分配方案进行组合，产生新的分配方案x_new；

S406：采用变深度搜索策略改进新的分配方案x_new，得到改进的分配方案x′；

S407：如果分配方案x′不存在于参考集Refset和候选集AlterSet中，并且分配方案x′所对应的目标函数值小于参考集Refset中任一分配方案所对应的目标函数值时，则将所述改进的分配方案x′放入方案候选集合AlterSet中；

S408：将子集s从NewSubsets中删除，若NewSubsets为空，则转入步骤S409；否则，执行步骤S405；

S409：更新参考集Refset，如果参考集被更新，则令NewElements＝TRUE；否则，NewElements＝FALSE，执行步骤S404；

S410：输出当前组内剩余板坯与合同的分配方案。

根据本发明的另一方面，热轧板坯前库剩余板坯的分配装置，包括：

建模单元，用于采用数学模型对热轧板坯前库剩余板坯分配问题进行定量化描述，所述定量化描述包括选择决策变量、设定优化目标以及确定剩余板坯分配约束；

初始化单元，用于设置所述建模单元中建立的数学模型的参数；

分组单元，用于根据钢级对合同数据和板坯数据进行分组，每组包括具有相同钢级的板坯及与组内板坯钢级相匹配的合同，分组后组间的板坯与合同无分配关系；

分配方案计算单元，用于采用混合分散搜索算法分别获得每组内剩余板坯与合同的分配方案；

分配单元，用于根据所述分配方案分配所述热轧板坯前库剩余板坯。

本发明提供的热轧板坯前库剩余板坯的分配方法及装置能够从全局优化的角度出发，全面考虑剩余板坯分配时所涉及的钢级、宽度、长度、重量、优先级、完整性等各个方面因素，实现热轧板坯库剩余库存充分且合理的匹配，可以有效地降低库存剩余板坯量，减少板坯的切损量，提高热装热送比例，减少以优充次带来的损失，同时提高合同的完整性。

为了实现上述以及相关目的，本发明的一个或多个方面包括后面将详细说明并在权利要求中特别指出的特征。下面的说明以及附图详细说明了本发明的某些示例性方面。然而，这些方面指示的仅仅是可使用本发明的原理的各种方式中的一些方式。此外，本发明旨在包括所有这些方面以及它们的等同物。

附图说明

通过参考以下结合附图的说明及权利要求书的内容，并且随着对本发明的更全面理解，本发明的其它目的及结果将更加明白及易于理解。在附图中：

图1为根据本发明的热轧板坯前库剩余板坯的分配方法的流程示意图；

图2为根据本发明的热轧板坯前库剩余板坯的分配装置的方框示意图；

图3为本发明中禁忌搜索算法使用的Shift转换邻域示意图；

图4为本发明中禁忌搜索算法使用的Swap交换邻域示意图。

在所有附图中相同的标号指示相似或相应的特征或功能。

具体实施方式

以下将结合附图对本发明的具体实施例进行详细描述。

图1示出了根据本发明的热轧板坯前库剩余板坯的分配方法的流程图。

如图1所示，本发明所提供的热轧板坯前库剩余板坯的分配方法主要包括以下步骤：

S100：采用数学模型方式对剩余板坯分配问题进行定量化描述；

S200：设置步骤S100中的数学模型参数；

S300：根据钢级对合同数据和板坯数据进行分组，每组包括具有相同钢级的板坯及与组内板坯钢级相匹配的合同，分组后组间的板坯与合同无分配关系；

S400：采用混合分散搜索算法分别获得每组内剩余板坯与合同的分配方案；

S500：根据步骤S400中获得的分配方案分配热轧板坯前库剩余板坯。

其中，步骤S100中的定量化描述包括选择决策变量、设定优化目标以及确定剩余板坯分配约束。下面分别对它们作详细说明：

1.1：选择决策变量

设决策变量x_ij表示剩余板坯与合同的分配关系，当剩余板坯i分配给合同j时，x_ij＝1，否则为0；

1.2：设定优化目标

设定的优化目标可以包括最小化板坯以优充次、最小化板坯切损量、最大化板坯热装热送比、最大化合同按时交货奖励、最小化用户合同超量及欠量惩罚、最小化剩余板坯所占用的库存费用。

其中，最小化板坯以优充次，即减少将钢级较高的剩余板坯分配给对钢级要求较低的用户合同，将其表达为：

$\mathrm{Min}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c1}_{\mathrm{ij}}{x}_{\mathrm{ij}}$

其中，M为所有用户合同的集合，N为所有剩余板坯的集合，c1_ij为将剩余板坯i分配给用户合同j时，由于钢级差异所导致的费用。

最小化板坯切损量，即在将板坯分配给用户合同时，减少由规格差异引起的切损，将其表达为：

$\mathrm{Min}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{c2}_{\mathrm{ij}}{x}_{\mathrm{ij}}$

其中，c2_ij为将剩余板坯i分配给用户合同j时，由于重量、宽度、长度等规格差异所导致的切损费用。

最大化板坯热装热送比，当板坯的切断时间与当前时间的时间间隔小于12小时时，该板坯为热坯，此时优先将热坯分配给用户合同进行轧制可以降低热量损耗，减少热轧工序的能源消耗，将其表达为：

$\mathrm{Max}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{P}_i{x}_{\mathrm{ij}}$

其中，P_i为剩余板坯i的热状态优先奖励。

最大化合同按时交货奖励，即将剩余板坯最大程度的分配给交货期靠前的用户合同，将其表达为：

$\mathrm{Max}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{R}_j{x}_{\mathrm{ij}}$

其中，R_j为用户合同i的交货期优先级奖励。

最小化用户合同超量及欠量惩罚，当用户合同中板坯总重量超过合同需求量时，会造成板坯浪费；另一方面，当用户合同中板坯总重量小于合同需求量时，达不到客户需求。因此，针对上述两种情况均进行惩罚，将其表达为：

$\mathrm{Min}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}(q_1{\mathrm{lack}}_j+q_2{\mathrm{over}}_j)$

${\mathrm{lack}}_j=\max \{0,o_j-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{w}_i\}$

${\mathrm{over}}_j=\max \{0,\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}{w}_j-o_j\}$

其中，q₁为合同欠量惩罚费用系数；q₂为合同超量惩罚费用系数；lack_j为当前用户合同j的欠量值；over_j为当前用户合同j的超量值；o_j表示当前用户合同j的需求量；w_i表示剩余板坯i的重量。

最小化剩余板坯所占用的库存费用，将其定量表达为：

$\mathrm{Min}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{b}_i(1-x_{\mathrm{ij}})$

其中b_i为剩余板坯i所占用的库存费用。

则本发明将分配过程中的工艺指标转化为目标函数，表达为：

$\mathrm{Min}\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({c1}_{\mathrm{ij}}+{c2}_{\mathrm{ij}})x_{\mathrm{ij}}+\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{b}_i(1-x_{\mathrm{ij}})-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{P}_i{x}_{\mathrm{ij}}-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{R}_j{x}_{\mathrm{ij}}+\underset{j=1}{\overset{M}{\mathrm{\Σ}}}(q_1{\mathrm{lack}}_j+q_2{\mathrm{over}}_j)$

1.3：确定剩余板坯分配约束

在制定剩余板坯分配方案过程中，需要考虑以下工艺规程：

1.3.1)生产工艺约束：每块剩余板坯最多只允许匹配给一个合同，不允许切割成几块板坯再行匹配，将其转化为数学表达式为：

$\underset{j=1}{\overset{M}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}\≤1,i=1,...,N$

1.3.2)合同的需求量约束：为了减少合同余材，在匹配过程结束后，每个合同的超量值都要小于任一板坯的重量，将其转化为数学表达式为：

$\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{x}_{\mathrm{ij}}{w}_i-o_j<w_{i^{\&prime;}}{x}_{i^{\&prime;}j}+(1-x_{i^{\&prime;}j})M,i^{\&prime;}=\mathrm{1,2},...,\mathrm{N\; j}=\mathrm{1,2},...,M$

1.3.3)匹配规格约束：匹配规格主要从钢级、宽度、重量、长度等四个方面考虑。也就是说，衡量一块板坯与一个合同是否相匹配，主要考虑：其钢级是否相同或可优充；板坯的宽度、重量、长度是否在合同允许的范围内，将其转化为数学表达式为：

x_ij≤M_ij   i＝1，2，...，N j＝1，2，...，M

其中M_ij为剩余板坯i与合同j的匹配标志，当匹配规格都满足时，该标志位为1，否则为0。

1.3.4)决策变量取值约束：

x_ij∈{0，1}i＝1，2，...，N j＝1，2，...，M

在采用数学模型方式对剩余板坯分配问题进行定量化描述之后就可以根据实际工艺运行参数，对数学模型参数进行设置。

设置了数学模型参数后，根据钢级对合同数据和板坯数据进行分组，每组包括具有相同钢级的板坯及与组内板坯钢级相匹配的合同，分组后组间的板坯与合同无分配关系。根据步骤一中所描述的匹配规格约束，对每组内的板坯i与合同j建立分配节点(i，j)，其中，分配节点(i，j)表示将剩余板坯i分配给合同j。

分组之后，就可以采用混合分散搜索算法分别获得每组内剩余板坯与合同的分配方案，最后利用所获得的分配方案分配热轧板坯前库剩余板坯。

在混合分散搜索算法中，令x＝[a₁，a₂，...，a_i，...，a_n]表示一个分配方案，其中a_i表示板坯i分配给合同a_i；f(s)为根据步骤一中所提出的目标函数，计算得到分配方案s的目标函数值；令PSize为初始分配方案种群规模；Refset为参考集，其中参考集中每个元素表示一个分配方案；b₁、b₂分别为参考集中质量好的分配方案及分散性好的分配方案的个数；Iter为迭代次数计数器；MaxIter为最大迭代次数；NewElements为参考集更新标志；NewSubsets为分配方案子集集合；AlterSet为候选方案集合。混合分散搜索算法具体步骤如下：

S401：初始化算法参数。设置初始分配方案种群规模PSize，最大迭代次数MaxIter，b₁，b₂的值，设置NewElements＝FALSE，Iter＝0，AlterSet＝Φ；

S402：分别采用启发式算法及随机策略构造初始分配方案种群；

S403：根据初始分配方案种群构造分配方案参考集Refset，即 $\mathrm{Refset}=\{x1,...,x_{b_1},x_{b_1+1},...,x_{b_1+b_2}\},$ 设置NewElements＝TRUE；

S404：置Iter＝Iter+1。如果Iter＞MaxIter或者NewElements＝FALSE，则转到Step 4.10；否则，根据Refset中的分配方案构造方案子集集合NewSubsets；

S405：在NewSubsets中选择分配方案子集s，采用方案组合方法对分配方案子集s里的分配方案进行组合，产生新的分配方案x_new；

S406：采用变深度搜索策略改进新的分配方案x_new，得到改进的分配方案x′；

S407：如果分配方案x′不存在于参考集Refset和候选集AlterSet中，并且分配方案x′所对应的目标函数值小于参考集Refset中任一分配方案所对应的目标函数值时，则将该改进的分配方案x′放入方案候选集合AlterSet中；

S408：将子集s从NewSubsets中删除。若NewSubsets为空，则转入Step409；否则，执行Step 405；

S409：更新参考集Refset，如果参考集被更新，则令NewElements＝TRUE；否则，NewElements＝FALSE。执行S404。

S410：输出当前组内剩余板坯与合同的分配方案。

上述混合分散搜索算法S403中涉及的构造分配方案参考集Refset方法，即将初始分配方案种群中质量好的分配方案和分散性最好的分配方案挑选到分配方案参考集RefSet中。设分配方案参考集RefSet的大小为b＝b₁+b₂，其中b₁为质量好的分配方案的个数，b₂为分散性最好的分配方案的个数，因此|RefSet|＝b₁+b₂。在本发明中，定义目标函数值小的分配方案为质量好的分配方案，则分配方案参考集构造步骤如下：

S403.1：将初始分配方案种群中的分配方案根据目标函数值进行排序，顺序选择出目标函数值最小的b₁个分配方案放到参考集中，并且从初始分配方案种群中将这b₁个分配方案删除。

S403.2：分别计算初始分配方案种群中剩余各个分配方案的分散性，然后将分散性最好(即数值最大)的分配方案加入到参考集中，并把其从种群中删除。继续执行上述过程，直到从种群中b₂个分散性最好的分配方案被找到。

其中，种群中分配方案的分散性(或分散值)的计算方法如下：

假设种群中任意一个分配方案x₁＝[a₁，a₂，...，a_i，...，a_n]，其中a_i表示板坯i分配给合同a_i，假设参考集RefSet中的一个分配方案x₂＝[b₁，b₂，...，b_i，...，b_n]，那么分配方案x₁的分散值为：

$\mathrm{dov}\left(x_1\right)=\underset{x_2\&Element;\mathrm{RefSet}}{\min }\left\{d(x_1,x_2)\right\},$

其中d(x₁，x₂)＝d₁+d₂+...+d_i+...+d_n，

上述混合分散搜索算法S404中涉及的方案子集集合NewSubsets中包含的分配方案子集为二元方案子集，构造方法为：从参考集RefSet中选择两个分配方案组成一个方案子集s，s＝{x₁，x₂}，其中x₁，x₂为两个不同分配方案。在构造分配方案子集集合过程中，要求构成子集的两个分配方案中至少有一个必须是质量好的分配方案，则方案子集集合NewSubsets中二元方案子集的个数为 $C_{b_1}^1{C}_{b_2}^1+C_{b_1}^2.$

上述混合分散搜索算法S405中涉及的对分配方案子集s里的分配方案进行组合，假设s＝{x₁，x₂}，其中x₁＝[a₁，a₂，...，a_i，...，a_n]和x₂＝(b₁，b₂，...，b_i，...，b_n)是子集s中的两个分配方案，则产生的新分配方案x_new＝[c₁，c₂，...，c_i，...，c_n]表示为

上述混合分散搜索算法S406中涉及的变深度搜索策略中，每个分配方案对应一个节点，设x_new为初始分配方案，d为当前搜索树的层数，L为搜索树的最大层数，n₁为每层中所选择出的质量最好的节点数，n₂为针对每个父节点所产生的节点数，NodeList(d)为存储搜索树中第d层各节点的链表，变深度搜索策略的具体步骤为：

S406.1：初始化。设定L、n₁、n₂的值；设置d＝0；清空NodeList(d)链表中的所有元素；置x_new为根节点；

S406.2：针对根节点进行邻域搜索，设置d＝d+1，并从根节点的搜索邻域中选择n₁个目标函数最小的分配方案作为第d层的节点；

S406.3：针对第d层的每一个节点，进行邻域搜索。对从第d层每个节点的搜索邻域中选择n₂个目标函数最小的分配方案并将其加入到NodeList(d+1)中；

S406.4：当第d层的所有节点的搜索邻域被搜索完毕，节点链表NodeList(d+1)中共有n₁×n₂个节点，从中选取n₁个目标函数最小的分配方案最为第d+1层的节点；

S406.5：设置d＝d+1，若d＜N，执行S406.3；否则，算法停止，选择整个搜索过程中目标函数最小的节点，记为x′；

上述混合分散搜索算法S406中涉及的更新参考集Refset的方法为：记录搜索过程中所得到的所有改进的分配方案，当分配方案子集集合为空时，对参考集Refset进行一次性更新，即只使用改进的分配方案替换参考集中目标函数最大的解。针对每一个改进的分配方案，检查改进分配方案的目标值小于参考集中目标函数最大的分配方案。若是，则采用该改进的分配方案替换参考集中目标函数最大的分配方案，否则，检查下一个改进方案的更新。

与上述热轧板坯前库剩余板坯的分配方法相对应，本发明还提供一种热轧板坯前库剩余板坯的分配装置，其逻辑框图如图2所示。

本发明提供的热轧板坯前库剩余板坯的分配装置200包括建模单元210、初始化单元220、分组单元230、分配方案计算单元240以及分配单元250。其中，建模单元210用于采用数学模型对热轧板坯前库剩余板坯分配问题进行定量化描述，其中的定量化描述包括选择决策变量、设定优化目标以及确定剩余板坯分配约束；初始化单元220用于设置所述建模单元中建立的数学模型的参数；分组单元230用于根据钢级对合同数据和板坯数据进行分组，每组包括具有相同钢级的板坯及与组内板坯钢级相匹配的合同，分组后组间的板坯与合同无分配关系；分配方案计算单元240用于采用混合分散搜索算法分别获得每组内剩余板坯与合同的分配方案；分配单元250用于根据分配方案计算单元240获得的分配方案分配热轧板坯前库剩余板坯。

另外，还可以将本发明所提供的热轧板坯前库剩余板坯的分配装置嵌入到一套基于可视化编程的热轧板坯前库剩余板坯的分配系统中，系统的功能模块包括：授权用户登录模块、数据下载模块、数据管理模块、静态参数维护模块、分配方案自动生成模块、分配方案显示和评价模块、分配方案修改模块、分配方案上传模块和系统配置模块，各个模块功能如下：

授权用户登录模块；通过输入用户名和密码，经过系统验证后进入软件系统；

数据下载模块：与企业ERP系统相连接，将所需的剩余板坯及用户合同数据下载到数据库中；

数据管理模块：对剩余板坯数据及用户合同数据进行管理，包括对数据的增加、删除及修改功能；

静态参数维库模块：该模块包括模型参数维护及算法参数维护两个部分，其中模型参数维护是指对步骤S100中得到的数学模型所涉及的参数进行维护，算法参数包括步骤S400中所涉及的混合分散搜索算法参数；

分配方案自动生成模块：将上述的热轧板坯前库剩余板坯的分配装置嵌入到该模块中，自动生成分配方案；

分配方案显示和评价模块：对生成的分配方案进行表格式及图形化显示，并给出所得到分配方案的目标函数、算法运行时间、切损量、合同完成量及紧急合同完成量等评价算法的指标值，同时可以与人工方法得到的分配方案进行对比；

分配方案修改模块：该模块可以实现对分配方案的人工修改；

分配方案上传模块：当计划人员对分配方案满意后，可以通过该模块将分配方案上传至企业ERP系统，并下发执行

系统配置模块：计划人员可以通过该模块对服务器的地址、端口、数据库的名称、用户名和密码进行维护。

在具体应用中，本发明所涉及的热轧板坯前库剩余板坯的分配系统的实施需要如下装置，至少一台PC机，至少一个电缆接口或光缆接口，至少一台路由器，由这些设备组成一个小型局域网后连接到企业ERP系统中。在PC机中安装Microsoft SQL Sever 2000数据库系统及本发明所提供的软件系统，设置系统的服务器地址、服务器端口、数据库的名称、用户名及密码。系统安装结束后，按照以下步骤进行操作得到剩余板坯的分配方案：

第一步：用户启动软件系统后，首先输入用户名和密码，若用户为非法用户则不能进入系统；若用户为合法的用户，则可以顺利进入优化匹配系统。

第二步：与企业ERP系统相连接，将所需的剩余板坯及用户合同数据下载到数据库中。下载的剩余板坯信息字段包括：板坯号，板坯所属合同号(初始为空)，切断时间，厚度，长度，标准宽度，头宽，尾宽，重量，去向，状态，库位，出错代码，材料组别，出钢记号，转库/准发计划号，轧制/切割计划号；下载的合同信息字段包括：合同号，Backlog号，出钢记号，状态，性质，订货量，订货公差上限，订货公差下限，成品单重上限，成品单重下限，厂内交货期，用户合同期，合同类别，轧制厚度，申请欠量，轧制欠量，板坯宽度上限，板坯宽度下限，板坯长度上限，板坯长度下限，板坯重量上限，板坯重量下限，材料组别，热卷去向，集批代码，成品宽度，炼钢工序在库量，热轧工序在库量，钢坯精整在库量，投料系数，外购标志。

第三步：数据下载完成后，在静态参数维护模块中对模型参数信息及算法参数信息进行输入，其中模型参数信息主要包括：参与分配的合同范围，合同的完整性条件，分配要求的钢级、宽度、长度、重量分配条件参数，板坯热状态优先奖励和合同的优先级参数等；算法参数信息包括：初始分配方案种群大小PSize，参考集中质量好的分配方案个数b₁，参考集中分散性好的分配方案的个数b₂，MaxIter为最大迭代次数，变深度邻域搜索策略的最大深度L，每层中选择的最好节点数n₁，每个节点选取的最好可行方案个数n₂。

第四步：基于本发明所提供的热轧板坯前库剩余板坯的高效利用方法自动生成剩余板坯分配方案。

第五步：对于系统自动生成的剩余板坯分配方案(即算法得到的结果)，用户可以通过图形及数据表格的方式进行查看，如果对方案不满意，则用户可以在图形编辑器中对结果进行修改(包括分配关系的取消、和重新建立等)直到满意为止；在用户每次修改的过程中系统都会对当前的分配方案进行违规检查。如果对结果满意，则执行匹配方案上传，将其上传到企业ERP系统中，进而下发执行。

下面以一个具体的实施例来对本发明提供的热轧板坯前库剩余板坯的分配方法及装置的应用进行详细说明。

采用10组某钢铁企业实际生产中的剩余板坯数据和合同数据，其中剩余板坯数量及和合同数量如下表所示：

采用前述的热轧板坯前库剩余板坯的分配方法分别获得各组剩余板坯分配方案，具体步骤如下：

第一步：用户启动软件系统后，输入用户名和密码进入优化匹配系统。

第二步：与企业ERP系统相连接，将所需的剩余板坯及用户合同数据下载到数据库中。下载的剩余板坯信息字段包括：板坯号，板坯所属合同号(初始为空)，切断时间，厚度，长度，标准宽度，头宽，尾宽，重量，去向，状态，库位，出错代码，材料组别，出钢记号，转库/准发计划号，轧制/切割计划号；下载的合同信息字段包括：合同号，Backlog号，出钢记号，状态，性质，订货量，订货公差上限，订货公差下限，成品单重上限，成品单重下限，厂内交货期，用户合同期，合同类别，轧制厚度，申请欠量，轧制欠量，板坯宽度上限，板坯宽度下限，板坯长度上限，板坯长度下限，板坯重量上限，板坯重量下限，材料组别，热卷去向，集批代码，成品宽度，炼钢工序在库量，热轧工序在库量，钢坯精整在库量，投料系数，外购标志。

第三步：在静态参数维护模块中对模型参数信息及算法参数信息进行输入，其中模型参数信息主要包括：参与分配的合同范围，合同的完整性条件，分配要求的钢级、宽度、长度、重量分配条件参数，板坯热状态优先奖励和合同的优先级参数等；算法参数信息包括：初始分配方案种群大小PSize设定为10，参考集中质量好的分配方案个数b₁设定为3，参考集中分散性好的分配方案的个数b2设定为3，MaxIter为最大迭代次数，变深度邻域搜索策略的最大深度L设定为5，每层中选择的最好节点数n₁设定为5，每个节点选取的最好可行方案个数n₂设定为5。

第四步：基于本发明所提供的热轧板坯前库剩余板坯的分配方法自动生成剩余板坯分配方案。

Step 4.1：初始化算法参数。设置初始分配方案种群规模PSize＝10，最大迭代次数MaxIter＝50，b₁＝3，b₂＝3，设置NewElements＝FALSE，Iter＝0，AlterSet＝Φ；

Step 4.2：分别采用启发式算法及随机策略构造初始分配方案种群；

Step 4.3：根据初始分配方案种群构造分配方案参考集Refset，即 $\mathrm{Refset}=\{x_1,...,x_{b_1},x_{b_1+1},...,x_{b_1+b_2}\},$ 设置NewElements＝TRUE；

Step 4.4：置Iter＝Iter+1。如果Iter＞MaxIter或者NewElements＝FALSE，则转到Step 4.10；否则，根据Refset中的分配方案构造方案子集集合NewSubsets；

Step 4.5：在NewSubsets中选择分配方案子集s，采用方案组合方法对分配方案子集s里的分配方案进行组合，产生新的分配方案x_new；

Step 4.6：采用变深度搜索策略改进新的分配方案x_new，得到改进的分配方案x′；

Step 4.7：如果分配方案x′不存在于参考集Refset和候选集AlterSet中，并且分配方案x′所对应的目标函数值小于参考集Refset中任一分配方案所对应的目标函数值时，则将该改进的分配方案x′放入方案候选集合AlterSet中；

Step 4.8：将子集s从NewSubsets中删除。若NewSubsets为空，则转入Step 4.9；否则，执行Step 4.5；

Step 4.9：更新参考集Refset，如果参考集被更新，则令NewElements＝TRUE；否则，NewElements＝FALSE。执行Step 4.4。

Step 4.10：输出当前组内剩余板坯与合同的分配方案。

上述混合分散搜索算法Step4.2中所涉及的启发式算法包括算法一、算法二、算法三和算法四，通过这四个启发式算法可以产生4个初始分配方案，再由随机策略构造6个分配方案，得到10个分配方案构成初始分配方案种群，其中四个启发式算法及随机策略的具体步骤分别为：

算法一：

Step4.2.1.1：根据步骤S100设定的目标函数，计算步骤S300中所建立的组内各个分配节点的权重W_ij；

Step4.2.1.2：选择权重值最小且未访问过的分配节点(i*，j*)。若不存在未访问过的分配节点，则转到Step4.2.1.4。如果合同j*的需求量未被满足，将板坯i*分配给合同j*。

Step4.2.1.3：将分配节点(i*，j*)标记为已访问，转到Step4.2.1.2；

Step4.2.1.4：输出分配方案x＝[a₁，a₂，...，a_i，...，a_n]，其中a_i表示板坯i分配给合同a_i。

算法二：

Step4.2.2.1：将组内板坯按照其热状态优先级奖励值P_i从大到小重新排列；

Step4.2.2.2：如果板坯序列为空，则转到Step4.2.2.4。取出板坯序列中的第一个板坯i*，从所有包含板坯i*的分配节点中选择权重值最大的分配节点(i*，j*)。如果存在这样的分配节点(i*，j*)且合同j*的需求量未被满足，则将板坯i*分配给合同j*。

Step4.2.2.3：将板坯i*从板坯序列中删除，转到Step4.2.2.2。

Step4.2.2.4：输出分配方案x＝[a₁，a₂，...，a_i，...，a_n]，其中a_i表示板坯i分配给合同a_i。

算法三：

Step4.2.3.1：将组内合同按照其交货期优先级奖励R_j从大到小重新排列；

Step4.2.3.2：如果合同序列为空，则转到Step4.2.3.4。取出合同序列中的第一个合同j*，

Step4.2.3.3：从所有包含合同j*的分配节点中选择权重值最大且未被访问的分配节点(i*，j*)。如果存在这样的分配节点(i*，j*)且合同j*的需求量未被满足，则将板坯i*分配给合同j*，并将分配节点(i*，j*)标记为以访问，重复Step4.2.3.3；否则将合同j*从合同序列中删除，转到Step4.2.3.2；

Step4.2.3.4：输出分配方案x＝[a₁，a₂，...，a_i，...，a_n]，其中a_i表示板坯i分配给合同a_i。

算法四：

Step4.2.4.1：将组内合同按照其交货期优先级奖励R_j从大到小重新排列，组内板坯按照其热状态优先级奖励值P_i从大到小重新排列；

Step4.2.4.2：如果合同序列为空，则转到Step4.2.4.4。取出合同序列中的第一个合同j*；

Step4.2.4.3：从板坯序列中选出第一个满足步骤S100中所描述的剩余板坯分配约束的板坯i*，如果合同j*的需求量未被满足，则将板坯i*分配给合同j*，并将板坯i*从板坯序列中删除，重复Step4.2.4.3；否则，将合同j*从合同序列中删除，转到Step4.2.4.2

Step4.2.4.4：输出分配方案x＝[a₁，a₂，...，a_i，...，a_n]，其中a_i表示板坯i分配给合同a_i。

随机策略：

Step4.2.5.1：在未被访问的板坯中随机产生一个板坯i*；

Step4.2.5.2：从所有包含板坯i*且包含需求量未被完全满足的合同的分配节点中随机产生一个分配节点(i*，j*)，将板坯i*分配给合同j*，更新未被访问的板坯集合以及包含需求量未被完全满足的合同的分配节点；

Step4.2.5.3：重复Step4.2.5.1，直到所有的板坯被访问。

Step4.2.5.4：输出分配方案x＝[a₁，a₂，...，a_i，...，a_n]，其中a_i表示板坯i分配给合同a_i。

上述混合分散搜索算法Step 4.3中涉及的构造分配方案参考集Refset方法，即将初始分配方案种群中质量好的分配方案和分散性最好的分配方案挑选到分配方案参考集RefSet中。设分配方案参考集RefSet的大小为6，其中3个为质量好的分配方案，3个为分散性最好的分配方案。在本发明中，定义目标函数值小的分配方案为质量好的分配方案，则分配方案参考集构造步骤如下：

Step4.3.1：将初始分配方案种群中的分配方案根据目标函数值进行排序，顺序选择出目标函数值最小的3个分配方案放到参考集中，并且从初始分配方案种群中将这3个分配方案删除。

Step4.3.2：分别计算初始分配方案种群中剩余各个分配方案的分散性，然后将分散性最好(即数值最大)的分配方案加入到参考集中，并把其从种群中删除。继续执行上述过程，直到从种群中3个分散性最好的分配方案被找到。

其中，计算种群中分配方案的分散值计算方法如下：

假设种群中任意一个分配方案x1＝[a₁，a₂，...，a_i，...，a_n]，其中a_i表示板坯i分配给合同a_i，假设参考集RefSet中的一个分配方案x2＝[b₁，b₂，...，b_i，...，b_n]，那么分配方案x₁的分散值为

$\mathrm{dov}\left(x_1\right)=\underset{x_2\&Element;\mathrm{RefSet}}{\min }\left\{d(x_1,x_2)\right\},$

其中d(x₁，x₂)＝d₁+d₂+...+d_i+...+d_n，

上述混合分散搜索算法Step 4.4中涉及的方案子集集合NewSubsets中包含的分配方案子集为二元方案子集，构造方法为：从参考集RefSet中选择两个分配方案组成一个方案子集s，s＝{x₁，x₂}，其中x₁，x₂为两个不同分配方案。在构造分配方案子集集合过程中，要求构成子集的两个分配方案中至少有一个必须是质量好的分配方案，则方案子集集合NewSubsets中二元方案子集的个数为 $C_{b_1}^1{C}_{b_2}^1+C_{b_1}^2.$

上述混合分散搜索算法Step 4.5中涉及的对分配方案子集s里的分配方案进行组合，假设s＝{x₁，x₂}，其中x₁＝[a₁，a₂，...，a_i，...，a_n]和x₂＝(b₁，b₂，...，b_i，...，b_n)是子集s中的两个分配方案，则产生的新分配方案x_new＝[c₁，c₂，...，c_i，...，c_n]表示为

上述混合分散搜索算法Step 4.6中涉及的变深度搜索策略中，每个分配方案对应一个节点，假设x_new为初始分配方案，d为当前搜索树的层数，L为搜索树的最大层数，n₁为每层中所选择出的质量最好的节点数，n₂为针对每个父节点所产生的节点数，NodeList(d)为存储搜索树中第d层各节点的链表，变深度搜索策略的具体步骤为：

Step4.6.1：初始化。设定L＝5、n₁＝5、n₂＝5；设置d＝0；清空NodeList(d)链表中的所有元素；置x_new为根节点；

Step4.6.2：针对根节点进行Swap邻域搜索。设置d＝d+1，并从根节点的Swap邻域中选择n₁个目标函数最小的分配方案作为第d层的节点；

Step4.6.3：针对第d层的每一个节点，进行Swap邻域搜索。对从第d层每个节点的Swap邻域中选择n₂个目标函数最小的分配方案并将其加入到NodeList(d+1)中；

Step4.6.4：当第d层的所有节点的Swap邻域被搜索完毕，节点链表NodeList(d+1)中共有n₁×n₂个节点，从中选取n₁个目标函数最小的分配方案最为第d+1层的节点；

Step4.6.5：设置d＝d+1，若d＜N，执行Step4.6.3；否则，算法停止，选择整个搜索过程中目标函数最小的节点，记为x′。

得到分配方案x′后，将其作为初始分配方案，重复上述变深度搜索策略，将其中的Swap邻域变为Shift邻域，从新获得新的分配方案x′。

上述变深度搜索策略中所涉及的Swap邻域，是指两个不同板坯之间所属合同的交换。如将板坯i所属的合同I与板坯j所属的合同J进行交换，交换后板坯i所属合同变为J，板坯j所属合同变为I。在邻域搜索过程中引入虚拟合同，与未充当板坯相对应，用“-1”表示。这样，两两交换不仅可以是两个已充当板坯间的合同交换，也可以是已充当板坯和未充当板坯间的合同交换，增大了传统Swap的邻域范围，如图3所示。

上述变深度搜索策略中所涉及的Shift转换邻域是指将板坯j的所属合同进行改变。如板坯由所属合同I转换为所属合同J。在邻域搜索过程中引入虚拟合同与未被分配的剩余板坯相对应，用“-1”表示。此时，转换邻域也包括板坯由充当转为释放，即板坯由所属合同I转换为所属虚拟合同-1，如图4所示。

第五步：对于系统自动生成的剩余板坯分配方案(即算法得到的结果)，用户可以通过图形及数据表格的方式进行查看，如果对方案不满意，则用户可以在图形编辑器中对结果进行修改(包括分配关系的取消、和重新建立等)直到满意为止；在用户每次修改的过程中系统都会对当前的分配方案进行违规检查。如果对结果满意，则执行匹配方案上传，将其上传到企业ERP系统中，进而下发执行。

采用本发明所述的钢铁企业热轧板坯前库剩余库存消化方法得到实施例中10组数据的剩余板坯分配方案与人工方法得到的方案比较结果如下：

从结果可以看出，采用本发明所提供的方法得到的分配方案与手工方法得到的分配方案相比，板坯匹配量平均提高9.13％，匹配切损量平均降低11.36％，完成合同数平均提高12.5％，完成紧急合同数平均提高20.31％，匹配超量平均降低16.73％。

如上参照附图以示例的方式描述根据本发明的热轧板坯前库剩余板坯的分配方法及装置。但是，本领域技术人员应当理解，对于上述本发明所提出的热轧板坯前库剩余板坯的分配方法及装置，还可以在不脱离本发明内容的基础上做出各种改进。因此，本发明的保护范围应当由所附的权利要求书的内容确定。

Claims (11)

1.一种热轧板坯前库剩余板坯的分配方法，包括如下步骤：

S100：采用数学模型对热轧板坯前库剩余板坯分配问题进行定量化描述，所述定量化描述包括选择决策变量、设定优化目标以及确定剩余板坯分配约束；

S200：设置步骤S100中的数学模型参数；

S300：根据钢级对合同数据和板坯数据进行分组，每组包括具有相同钢级的板坯及与组内板坯钢级相匹配的合同，分组后组间的板坯与合同无分配关系；

S400：采用混合分散搜索算法分别获得每组内剩余板坯与合同的分配方案；

S500：根据所述分配方案分配所述热轧板坯前库剩余板坯；其中，

在步骤S400中所采用的混合分散搜索算法进一步包括如下步骤：

S401：初始化算法参数，设置初始分配方案种群规模PSize、最大迭代次数MaxIter、设置参考集中质量好的分配方案及分散性好的分配方案的个数b₁及b₂的值，设置参考集更新标志NewElements＝FALSE，迭代次数计数器Iter＝0，候选方案集合AlterSet＝Φ；

S402：分别采用启发式算法及随机策略构造初始分配方案种群；

S403：根据初始分配方案种群构造分配方案参考集Refset，即

设置NewElements＝TRUE；

S404：置迭代次数计数器Iter＝Iter+1。如果Iter＞MaxIter或者NewElements＝FALSE，则转到步骤S410；否则，根据Refset中的分配方案构造方案子集集合NewSubsets；

S405：在NewSubsets中选择分配方案子集s，采用方案组合方法对分配方案子集s里的分配方案进行组合，产生新的分配方案x_new；

S406：采用变深度搜索策略改进新的分配方案x_new，得到改进的分配方案x′；

S407：如果分配方案x′不存在于参考集Refset和候选集AlterSet中，并且分配方案x′所对应的目标函数值小于参考集Refset中任一分配方案所对应的目标函数值时，则将所述改进的分配方案x′放入方案候选集合AlterSet中；

S408：将子集s从NewSubsets中删除，若NewSubsets为空，则转入步骤S409；否则，执行步骤S405；

S409：更新参考集Refset，如果参考集被更新，则令NewElements＝TRUE；否则，NewElements＝FALSE，执行步骤S404；

S410：输出当前组内剩余板坯与合同的分配方案。

2.如权利要求1所述的热轧板坯前库剩余板坯的分配方法，其中，在步骤S100中，设定的优化目标包括：

最小化板坯以优充次，以减少将钢级较高的剩余板坯分配给对钢级要求较低的用户合同的情形；

最小化板坯切损量，以在将板坯分配给用户合同时减少由规格差异引起的切损；

最大化板坯热装热送比，优先将板坯的切断时间与当前时间的时间间隔小于12小时的热坯分配给用户合同进行轧制以降低热量损耗；

最大化合同按时交货奖励，以将剩余板坯最大程度的分配给交货期靠前的用户合同；

最小化用户合同超量及欠量惩罚，以减少板坯浪费和板坯总重量小于合同需求量；

最小化剩余板坯所占用的库存费用。

3.如权利要求1所述的热轧板坯前库剩余板坯的分配方法，其中，在步骤S100中，确定剩余板坯的分配约束包括：

生产工艺约束：每块剩余板坯最多只允许匹配给一个合同，不允许切割成几块板坯再行匹配；

合同的需求量约束：在匹配过程结束后，每个合同的超量值都要小于任一板坯的重量；

匹配规格约束：将剩余板坯的匹配规格约束在合同允许的范围内，所述匹配规格包括钢级、宽度、重量、长度四个方面；

决策变量取值约束。

4.如权利要求1所述的热轧板坯前库剩余板坯的分配方法，其中，在步骤S403中，设分配方案参考集RefSet的大小为b＝b₁+b₂，其中b₁为质量好的分配方案的个数，b₂为分散性最好的分配方案的个数，因此|RefSet|＝b₁+b₂；

定义目标函数值小的分配方案为质量好的分配方案，根据初始分配方案种群构造分配方案参考集Refset包括如下步骤：

(a1)将初始分配方案种群中的分配方案根据目标函数值进行排序，顺序选择出目标函数值最小的b₁个分配方案放到参考集中，并且从初始分配方案种群中将所述b₁个分配方案删除；

(a2)分别计算初始分配方案种群中剩余各个分配方案的分散性，然后将分散值最大的分配方案加入到参考集中，并把其从种群中删除；

(a3)继续执行所述过程(a1)、(a2)，直到种群中b₂个分散性最好的分配方案被找到。

5.如权利要求4所述的热轧板坯前库剩余板坯的分配方法，其中，种群中分配方案的分散值的计算方法如下：

假设种群中任意一个分配方案x₁＝[a₁，a₂，...，a_i，...，a_n]，其中a_i表示板坯i分配给合同a_i，假设参考集RefSet中的一个分配方案x₂＝[b₁，b₂，...，b_i，...，b_n]，那么分配方案x₁的分散值为：

$\mathrm{dov}\left(x_1\right)=\underset{x_2\&Element;\mathrm{RefSet}}{\min }\left\{d(x_1,x_2)\right\},$

其中d(x₁，x₂)＝d₁+d₂+...+d_i+...+d_n，

6.如权利要求1所述的热轧板坯前库剩余板坯的分配方法，其中，在步骤S404中，所述方案子集集合NewSubsets中包含的分配方案子集为二元方案子集，构造方法为：从参考集RefSet中选择两个分配方案组成一个方案子集s，s＝{x₁，x₂}，其中x₁，x₂为两个不同分配方案。

7.如权利要求6所述的热轧板坯前库剩余板坯的分配方法，其中，在构造方案子集集合NewSubsets的过程中，要求构成子集的两个分配方案中至少有一个必须是质量好的分配方案。

8.如权利要求1所述的热轧板坯前库剩余板坯的分配方法，其中，在步骤S405中，对分配方案子集s里的分配方案进行组合的采用方案组合方法为：

假设s＝{x₁，x₂}，其中x₁＝[a₁，a₂，...，a_i，...，a_n]和x₂＝(b₁，b₂，...，b_i，...，b_n)是子集s中的两个分配方案，则产生的新分配方案x_new＝[c₁，c₂，...，c_i，...，c_n]表示为

9.如权利要求1所述的热轧板坯前库剩余板坯的分配方法，其中，在步骤S406中涉及的变深度搜索策略中，每个分配方案对应一个节点，设x_new为初始分配方案，d为当前搜索树的层数，L为搜索树的最大层数，n₁为每层中所选择出的质量最好的节点数，n₂为针对每个父节点所产生的节点数，NodeList(d)为存储搜索树中第d层各节点的链表，变深度搜索策略的具体步骤为：

(b1)初始化，设定L、n₁、n₂的值，设置d＝0，清空NodeList(d)链表中的所有元素，置x_new为根节点；

(b2)针对根节点进行邻域搜索，设置d＝d+1，并从根节点的搜索邻域中选择n₁个目标函数最小的分配方案作为第d层的节点；

(b3)针对第d层的每一个节点，进行邻域搜索，对从第d层每个节点的搜索邻域中选择n₂个目标函数最小的分配方案并将其加入到NodeList(d+1)中；

(b4)当第d层的所有节点的搜索邻域被搜索完毕，节点链表NodeList(d+1)中共有n₁×n₂个节点，从中选取n₁个目标函数最小的分配方案最为第d+1层的节点；

(b5)设置d＝d+1，若d＜N，执行步骤(b3)；否则，算法停止，选择整个搜索过程中目标函数最小的节点，记为x′。

10.如权利要求1所述的热轧板坯前库剩余板坯的分配方法，其中，在步骤S409中涉及的更新参考集Refset的方法为：

记录搜索过程中所得到的所有改进的分配方案，当分配方案子集集合为空时，对参考集Refset进行一次性更新；

针对每一个改进的分配方案，检查改进分配方案的目标值小于参考集中目标函数最大的分配方案；若是，则采用所述改进的分配方案替换参考集中目标函数最大的分配方案，否则，检查下一个改进方案的更新。

11.一种热轧板坯前库剩余板坯的分配装置，包括：

建模单元，用于采用数学模型对热轧板坯前库剩余板坯分配问题进行定量化描述，所述定量化描述包括选择决策变量、设定优化目标以及确定剩余板坯分配约束；

初始化单元，用于设置所述建模单元中建立的数学模型的参数；

分组单元，用于根据钢级对合同数据和板坯数据进行分组，每组包括具有相同钢级的板坯及与组内板坯钢级相匹配的合同，分组后组间的板坯与合同无分配关系；

分配方案计算单元，用于采用混合分散搜索算法分别获得每组内剩余板坯与合同的分配方案；

分配单元，用于根据所述分配方案分配所述热轧板坯前库剩余板坯。

Images