CN103116806B - 基于混沌克隆算子的铝液抬包配载优化方法 - Google Patents
基于混沌克隆算子的铝液抬包配载优化方法 Download PDFInfo
- Publication number
- CN103116806B CN103116806B CN201310079667.0A CN201310079667A CN103116806B CN 103116806 B CN103116806 B CN 103116806B CN 201310079667 A CN201310079667 A CN 201310079667A CN 103116806 B CN103116806 B CN 103116806B
- Authority
- CN
- China
- Prior art keywords
- aluminum
- chaos
- ladle
- electrolysis bath
- aluminum liquid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 109
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 239000007788 liquid Substances 0.000 title claims abstract description 31
- 210000001728 clone cell Anatomy 0.000 title claims abstract description 15
- 238000005868 electrolysis reaction Methods 0.000 claims abstract description 73
- 230000035772 mutation Effects 0.000 claims abstract description 8
- 108090000623 proteins and genes Proteins 0.000 claims description 22
- 239000004411 aluminium Substances 0.000 claims description 15
- 210000004027 cell Anatomy 0.000 claims description 8
- AZDRQVAHHNSJOQ-UHFFFAOYSA-N alumane Chemical compound [AlH3] AZDRQVAHHNSJOQ-UHFFFAOYSA-N 0.000 claims description 7
- 238000010367 cloning Methods 0.000 claims description 7
- 238000013377 clone selection method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 3
- 101150090724 3 gene Proteins 0.000 claims description 2
- 230000005587 bubbling Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 12
- 238000004519 manufacturing process Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 3
- 230000036039 immunity Effects 0.000 abstract 1
- 239000012535 impurity Substances 0.000 description 9
- 238000005304 joining Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 5
- 229910052710 silicon Inorganic materials 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 229910052749 magnesium Inorganic materials 0.000 description 2
- 239000011777 magnesium Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 239000011701 zinc Substances 0.000 description 2
- 229910052725 zinc Inorganic materials 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- RYYVLZVUVIJVGH-UHFFFAOYSA-N trimethylxanthine Natural products CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Electrolytic Production Of Metals (AREA)
Abstract
基于混沌克隆算子的铝液抬包配载优化方法,针对电解铝生产过程中电解槽调配及出铝调度中多约束优化问题,引入免疫混沌克隆算子,与人工经验组成混合优化算法,排出特例,以出铝路径为优化亲和度函数,变异算子调配电解槽铝液组合及改变槽装车路线。通过具体的算例证明了本发明创造所采用优化方法具有更好的效果,能满足生产工艺的要求,使得化验数据变小了,提高了铝的品质,优化了出铝路径,合理的调配电解槽铝液组合优化了槽装车路线。
Description
技术领域
本发明涉及电解铝厂出铝调度中多约束优化问题的一种基于混沌克隆算子的铝液抬包配载优化方法,可优化出铝路径,调配电解槽铝液组合及实现出铝抬包调度。
背景技术
电解槽配铝是电解铝生产关键工艺之一,在生产过程中,电解槽工况各不相同,其生产出的铝液化验结果各异,化验成分涉及到铁、硅、镁、铜、钙、锌等,这些杂质成分决定了生产出铝的纯度。电解槽配铝工艺就是根据每台电解槽的化验数据,将多台电解槽铝液按照生产出铝重量进行调配,使融合后的铝液成分满足生产工艺化学成分要求,即铁、硅、镁、铜、钙、锌等杂质含量不能高于指定值。现实生产中,电解槽配铝工艺过程非常复杂,电解槽配铝工艺规划与出铝抬包调度存在相关性,电解槽配铝即要考虑到配铝后的工艺成分要求,也需考虑出铝的轨迹路径问题,使出铝抬包尽可能在临近的电解槽出铝,因此电解铝配铝问题是一个多约束条件下的工艺调度优化问题。
目前,电解槽配铝基本采用人工配铝,费时费力且容易出错,针对以上问题国内外研究很少,其中一种方法是在没有考虑到调度情况下对原铝铸造优化方法进行了研究,另外一种方法是对按照每两个电解槽合成一个抬包对配铝过程的多约束优化进行了研究。这两种方法都以Fe、Si含量及出铝路径对应权值形成优化目标对配铝调度进行优化,但是实际上使得电解槽配铝与调度更加复杂。现场化验数据复杂,不仅仅只处理Fe、Si两种杂质,电解槽工况复杂,往往存在化验数据非常好不需要配比调度,或者存在大的杂质化验数据无法自动配比调度,现场调度过程复杂,合成抬包的电解槽的数量在小于等于3的条件下变化。
发明内容
本发明的目的是提供一种基于混沌克隆算子的铝液抬包配载优化方法。
本发明是基于混沌克隆算子的铝液抬包配载优化方法,其步骤为:
步骤1:最优情况特例排除:按照出铝电解槽号每三个一组顺序累增;如满足约束条件则槽况良好,直接出铝,按照槽号生成抬包调度数据,程序结束;
步骤2:最差情况特例排除:对于任意一个,和其他电解槽中任意两个组成抬包,如所有约束条件都不满足,则槽况恶劣,提示无法配铝,程序结束;
步骤3:初始化:免疫克隆算法开始,初始化种群,设定算子参数,种群规模NS,进化代数,克隆规模AS,计算个体适应度;
步骤4:克隆扩增:依据抗体克隆规模AS,进行个体克隆扩增操作,获得新的抗体群落;
步骤5:混沌克隆变异:计算扰动混沌向量,按照混沌向量中为1的位对克隆扩增群落个体进行变异操作,计算变异后的亲和度;
步骤6:克隆选择:依据亲和度、种群规模、抗体克隆规模,进行克隆选择操作,将抗体种群的数目缩减回NS;
步骤7:中止条件判断,不满足终止条件跳转到步骤4,反之则停止程序;
步骤8:输出最优个体:即为抬包调度数据。
本发明创造在数学模型分析基础上,以出铝路径为优化目标,设计了混合策略优化方法完成优化,考虑到优化过程中存在着大量的约束造成过多的无效解,引入混沌克隆算子解决铝液配载调度问题。所采用优化方法简单,且具有更好的效果,能满足生产工艺的要求,在电解槽配铝的实际应用中替代人工,优化了出铝路径,合理的调配电解槽铝液组合,实现出铝抬包自动调度。
附图说明
图1电解车间的电解槽排放方式。
具体实施方式
电解槽按顺序排放,如图1所示,电解槽配载问题包括配和载,生产中每三个电解槽的铝液配成一个抬包,在抬包中的铝液满足工艺化验标准前提下,决策出电解槽抬包装载方案使铝液出铝路程最短。
定义1:设n个出铝电解槽集合为,n为出铝槽数。
定义2:设铝液调配工艺标准集合为,m为工艺要求化验元素个数,Mi为第i种元素的最大含量,为铝液中m种元素含量总和的最大值。
定义3:设n个电解槽出铝重量集合为。
定义4:设,其中Pij表示第i个电解槽第j种元素的含量,表示第i个电解槽m种元素的含量总和。
定义5:为抬包组,其中ci1、ci2、ci3为槽号,代表该槽在第i组铝液抬包中。,为便于计算,要求(最后一组铝液调配组合个数可以小于3)。
定义6:设,Li表示出铝抬包在第i个组合内天车行驶路程,若最后一组剩两个电解槽,则抬包行驶路程仅为这两个电解槽间的路程,若只剩一个电解槽,那么行驶路程记为0(单位为电解槽间距)。
在符合配铝约束的前提下,以适应度函数最短为目标完成一批次电解槽的铝液优化调度任务。
配铝约束特征为:;式中,为自然数,代表当前抬包号;是自然数,表示在当前抬包组中序列号;为自然数,代表当前化验元素号;,为需要调度的总的电解槽数;,代表需化验杂质元素总的个数;为当前抬包组含电解槽数目,最小为1,最大为3;代表第组抬包中且序列号为的电解槽液实际来源的电解槽号;表示电解槽号的第种元素的化学含量;代表电解槽号此次需要出铝的重量;表示工艺标准要求第种杂质元素的最高含量。
适应度函数特征为:;表示出铝抬包在第个抬包组合内天车行驶路程,天车行驶路径以电解槽号之差为计量方法,如1号电解槽和9号电解槽之间的天车行驶路径为8;若抬包组含两个电解槽,则抬包行驶路程仅为这两个电解槽间的路程,若抬包组只有一个电解槽,那么行驶路程记为0;为完成所有配铝电解槽后天车行驶路径之和。
根据对电解铝工艺配铝调度的描述,可以看出这样条件下的优化过程必然面对众多的约束限制,优化方法设计具有很高的复杂度,大量无效解的存在优化方法实现上存在着很大困难。针对于此,本发明基于应用场景引入混沌克隆算子。
在混沌克隆算子优化前,必须对特例进行排除,以完成最终优化,实际生产中,电解槽化验数据经常出现波动,如电解槽情况良好,则化验数据满足工艺要求,无需进行配铝优化,直接按照就近电解槽出铝即可。另一种电解槽情况不好的极端情况,某些化学成分过高而不可能实现工艺配铝,则无法完成电解槽配铝优化,只能转人工对杂质成分过高的电解槽进行处理。对这两种情况需按照人工经验排除。
整体优化方法流程如下:
步骤1:最优情况特例排出:定义5中cik按照出铝电解槽号每三个一组顺序累增。如满足约束条件则槽况良好,直接出铝,按照槽号生成抬包调度数据,程序结束。
步骤2:最差情况特例排出:对于任意一个,和其他电解槽中任意两个组成抬包,如所有约束条件都不满足,则槽况恶劣,提示无法配铝,程序结束。
步骤3:初始化:免疫克隆算法开始,初始化种群,设定算子参数,种群规模NS,进化代数,克隆规模AS,计算个体适应度。
步骤4:克隆扩增:依据抗体克隆规模AS,进行个体克隆扩增操作,获得新的抗体群落。
步骤5:混沌克隆变异:计算扰动混沌向量,按照混沌向量中为1的位对克隆扩增群落个体进行变异操作,计算变异后的亲和度。
步骤6:克隆选择:依据亲和度、种群规模、抗体克隆规模,进行克隆选择操作,将抗体种群的数目缩减回NS。
步骤7:中止条件判断,不满足终止条件跳转到步骤4,反之则停止程序。
步骤8:输出最优个体:即为抬包调度数据。
基因编码与初始种群生成。定义为符合调配标准的电解槽序列基因编码,每三个电解槽组成一个抬包,也就是基因编码从前往后每三个基因合成一个抬包,ni表示电解槽Nni,则其中抬包组出铝方案表示为:。当k为最后一组时,包含的槽数可以小于3。例如:基因编码为(7,9,10,14,15,16,3,5,6,1,2,4,11,12,13,8)代表共16个电解槽将完成出铝任务,其中(7,9,10)为第1抬包,(14,15,16)为第2抬包……,最后第6抬包只包含一个电解槽8。在初始化过程中,由于Fe杂质含量是最重要的指标,因此侧重考虑。初始化过程如下:
步骤1:在[1,n]之间随机产生起始槽位i。形成顺序基因链(i,i+1,i+2......n,1,2,......,i-1)。
步骤2:Fe元素含量按冒泡法由高到低排列调整基因链。
步骤3:从起始基因位开始,每三个基因组成抬包,如抬包数据不满足约束条件,则顺序向后调换基因位置直到满足约束条件。
步骤4:产生初始基因链。
变异算子用来调配电解槽铝液组合及改变槽装车路线。在混沌向量指引下产生变异基因位i,其中。[1,n]不包括i所在基因组的3个基因位,若[1,n]基因位中存在j,使得i与j所在的两个基因组在二者互换后,仍旧满足约束条件,变异操作结束;否则,按未发生变异操作看待。如以上算例:
变异前:(8,12,13,3,6,14,9,10,16,1,11,15,4,5,7,2)变异后:(8,12,13,3,6,14,9,10,16,1,11,2,4,5,7,15)
本发明的优点可以通过以下算例进一步说明。
以某企业电解槽数据为算例依托数据,工艺要求生产七零铝,即要求生产出的铝纯度达到99.7%,杂质的化验数据最大标准如表1所示,表1中含量约束为多约束,约束条件必须同时满足。
表1电解铝七零铝化学元素最大含量标准(%)
选择出铝电解槽为16个,其化验数据如表2所示:
表2电解铝原铝化验数据(%)
实际生产过程中,电解槽一次出铝量约为3吨,为方便计算并直观显示,取出铝重量统一为3吨,初始种群大小10,随机生成的初始种群中最好抬包出铝路程为48槽间距。经过本发明克隆优化方法进化20代后,出铝路程最优值为14槽间距,最优值为:(1,2,3,14,15,16,4,5,6,9,10,11,7,8,13,12)。
在我们前期的工作中,尝试用遗传算法完成优化,由于交叉算子大量无效解的存在造成设计及计算的复杂化,遗传算法计算效率相对较差,针对多组电解槽化验数据,20次平均实验结果对比如表3:
表3试验对比结果
另外,针对槽况不好的情况或者槽况非常好的算例,本发明可以完成特例排除。
本发明创造所采用优化计算方法具有更好的效果,能满足生产工艺的要求,在电解槽配铝的实际应用中替代人工,优化了出铝路径,合理的调配电解槽铝液组合,实现出铝抬包自动调度。
Claims (5)
1.基于混沌克隆算子的铝液抬包配载优化方法,其步骤为:
步骤1:最优情况特例排出:按照出铝电解槽号每三个一组顺序累增;如满足约束条件则槽况良好,直接出铝,按照槽号生成抬包调度数据,程序结束;
步骤2:最差情况特例排出:对于任意一个,和其他电解槽中任意两个组成抬包,如所有约束条件都不满足,则槽况恶劣,提示无法配铝,程序结束;
步骤3:初始化:免疫克隆算法开始,初始化种群,设定算子参数,种群规模NS,进化代数,克隆规模AS,计算个体适应度;
步骤4:克隆扩增:依据抗体克隆规模AS,进行个体克隆扩增操作,获得新的抗体群落;
步骤5:混沌克隆变异:计算扰动混沌向量,按照混沌向量中为1的位对克隆扩增群落个体进行变异操作,计算变异后的亲和度;
步骤6:克隆选择:依据亲和度、种群规模、抗体克隆规模,进行克隆选择操作,将抗体种群的数目缩减回NS;
步骤7:中止条件判断,不满足终止条件跳转到步骤4,反之则停止程序;
步骤8:输出最优个体:即为抬包调度数据。
2.根据权利要求1所述的基于混沌克隆算子的铝液抬包配载优化方法,其特征在于在符合调配标准的前提下,完成一批次电解槽的铝液调配任务,以出铝电解槽集合所有抬包路程之和最短为目标,定义目标函数如下:
定义约束条件为:
其中,s为当前抬包组含电解槽数目。
3.根据权利要求1所述的基于混沌克隆算子的铝液抬包配载优化方法,其特征在于根据权利要求1中步骤3所述的初始化种群先定义为符合调配标准的电解槽序列基因编码,每三个电解槽组成一个抬包,也就是基因编码从前往后每三个基因合成一个抬包,ni表示电解槽Nni,则其中抬包组出铝方案表示为:,当k为最后一组时,包含的槽数可以小于3。
4.根据权利要求1所述的基于混沌克隆算子的铝液抬包配载优化方法,其特征在于根据权利要求1中步骤3所述的初始化种群过程如下:
步骤1:在之间随机产生起始槽位i;形成顺序基因链i,i+1,i+2......n,1,2,......,i-1;
步骤2:Fe元素含量按冒泡法由高到低排列调整基因链;
步骤3:从起始基因位开始,每三个基因组成抬包,如抬包数据不满足约束条件,则顺序向后调换基因位置直到满足约束条件;
步骤4:产生初始基因链。
5.根据权利要求1所述的基于混沌克隆算子的铝液抬包配载优化方法,其特征在于根据权利要求1中步骤5所述的变异算子用来调配电解槽铝液组合及改变槽装车路线;在混沌向量指引下产生变异基因位i,其中;[1,n]不包括i所在基因组的3个基因位,若[1,n]基因位中存在j,使得i与j所在的两个基因组在二者互换后,仍旧满足约束条件,变异操作结束;否则,按未发生变异操作看待。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310079667.0A CN103116806B (zh) | 2013-03-13 | 2013-03-13 | 基于混沌克隆算子的铝液抬包配载优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310079667.0A CN103116806B (zh) | 2013-03-13 | 2013-03-13 | 基于混沌克隆算子的铝液抬包配载优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103116806A CN103116806A (zh) | 2013-05-22 |
CN103116806B true CN103116806B (zh) | 2016-08-03 |
Family
ID=48415175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310079667.0A Expired - Fee Related CN103116806B (zh) | 2013-03-13 | 2013-03-13 | 基于混沌克隆算子的铝液抬包配载优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103116806B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105420760B (zh) * | 2015-11-06 | 2018-05-01 | 重庆科技学院 | 基于自适应步长细菌觅食算法的铝电解多参数优化方法 |
CN106835202A (zh) * | 2017-01-08 | 2017-06-13 | 北京首钢自动化信息技术有限公司 | 一种电解铝厂铝液生产调度的过程控制方法 |
CN111382896B (zh) * | 2018-12-29 | 2023-10-31 | 陕西师范大学 | 一种自适应混沌并行克隆选择算法的wta目标优化方法 |
CN111931898B (zh) * | 2020-07-23 | 2023-05-23 | 兰州理工大学 | 一种基于深度免疫克隆算法的电解铝智能配铝调度方法 |
CN114139817B (zh) * | 2021-12-02 | 2024-05-28 | 兰州理工大学 | 区域集聚生产模式的电解铝协同配铝调度优化方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3254393B2 (ja) * | 1996-11-19 | 2002-02-04 | 三菱電機株式会社 | 遺伝的アルゴリズムマシン及び遺伝的アルゴリズムマシンの製造方法及び遺伝的アルゴリズムの実行方法 |
CN101109091A (zh) * | 2007-06-26 | 2008-01-23 | 中国铝业股份有限公司 | 一种铝电解槽低效应生产方法 |
CN101520858B (zh) * | 2008-02-28 | 2011-03-16 | 北京航空航天大学 | 一种求解旅行商问题的蚁群优化-微分进化融合方法 |
-
2013
- 2013-03-13 CN CN201310079667.0A patent/CN103116806B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103116806A (zh) | 2013-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103116806B (zh) | 基于混沌克隆算子的铝液抬包配载优化方法 | |
CN104881527B (zh) | 城市轨道交通列车ato速度命令优化方法 | |
Bettemir et al. | Hybrid genetic algorithm with simulated annealing for resource-constrained project scheduling | |
CN108303958B (zh) | 一种炼钢连铸过程的多目标柔性调度方法 | |
CN108258706B (zh) | 一种火/储agc调频优化控制方法及系统 | |
CN106119458B (zh) | 基于bp神经网络的转炉炼钢工艺成本控制方法及系统 | |
CN105550751A (zh) | 利用优先级策略混合遗传算法的炼钢连铸生产调度方法 | |
CN110580530B (zh) | 考虑工位约束及能耗的双边拆卸线设置方法 | |
CN106611230A (zh) | 结合关键工序的遗传局部搜索算法求解柔性作业车间调度 | |
CN108306298A (zh) | 一种柔性多状态开关接入配电网的设计方法 | |
CN109740983A (zh) | 一种基于压力控制的成品油调度方法及装置 | |
CN105780714A (zh) | 一种水库群联合供水水权分配调度方法 | |
Wong et al. | Dwell-time and run-time control for DC mass rapid transit railways | |
CN112668901A (zh) | 一种考虑能耗的钢厂生产调度方法及系统 | |
CN107832983A (zh) | 基于动态规划与遗传算法的铸造熔炼批计划与调度方法 | |
CN112580865A (zh) | 一种基于混合遗传算法的外卖配送路径的优化方法 | |
CN106875031B (zh) | 一种多车间作业调度方法及装置 | |
CN104122861B (zh) | 基于等待时间松弛的冲突消解方法及优化调度方法 | |
CN111931898B (zh) | 一种基于深度免疫克隆算法的电解铝智能配铝调度方法 | |
CN109586299A (zh) | 一种配电网有功功率分区优化控制方法及系统 | |
CN110641470B (zh) | 一种融合驾驶员偏好的纯电动汽车驾驶辅助系统优化方法 | |
CN105242545B (zh) | 一种基于工艺批次模型的转炉用氧流量的预测方法 | |
CN103729686B (zh) | 一种高炉上料系统的车制智能切换系统和方法 | |
Gielen et al. | Energy Strategy Reviews | |
CN107730072A (zh) | 基于改进人工免疫算法的平行机成组调度方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160803 |