CN114662776A - 一种炼钢用废钢的优配方法 - Google Patents

Abstract

本发明属于钢铁冶炼技术领域，公开了一种炼钢用废钢的优配方法。所述优配方法包括：首先，基于废钢种类、目标钢种及优化目标确定决策变量及基本量；所述优化目标包括废钢配料成本最低化，所述决策变量包括各类废钢的加入比例；其次，基于所述决策变量及基本量建立目标函数，及与所述目标函数相应的约束条件；所述目标函数的参数包括废钢最新收得率；再者，基于所述决策变量、所述基本量、所述目标函数及所述约束条件建立数学规划模型；然后，对所述数学规划模型进行求解，得到各类废钢的加入比例；并基于所述各类废钢的加入比例及目标钢种的吨数得到各类废钢的加入量。本发明在实际生产时，可极大地降低冶炼时的废钢配料成本。

Description

一种炼钢用废钢的优配方法

技术领域

本发明涉及钢铁冶炼技术领域，具体涉及一种炼钢用废钢的优配方法。

背景技术

随着我国工业化发展的进程，钢铁行业作为一种经济支柱性产业，具有巨大的需求量。且随着工业化发展中后期的到来，我国钢铁行业也正面临着控产能、限产量及降能耗的机遇与挑战。

现有的钢铁冶炼中，主要原料分为两类：一类是高炉铁水，另一类则是废钢。其中，由于废钢是一种可循环再生的人造矿产资源，因此有利于降低冶炼成本。且其相较于高炉铁水，具有更低的吨钢能耗，及更低的CO₂排放量；因此还有利于实现钢铁行业的低碳节能发展。基于此，在目前的钢铁冶炼的原料中，废钢炼钢逐渐占据更大的份额。

但现有的利用废钢进行冶炼时，仍具有以下缺陷：废钢的种类繁多，不同废钢具有不同的成分，在不同时期段还具有较大的价格波动，且随着工艺的变化，不同废钢的收得率也存在着波动。而目前在冶炼时，多依据生产经验及废钢的已有价格粗略的估算各类废钢的配比及加入量。因此导致废钢冶炼的成本难以得到有效控制。

发明内容

本发明目的在于提供一种炼钢用废钢的优配方法，所述优配方法解决了利用现有配料方法进行废钢配料时，难以有效控制冶炼成本的技术问题。

为达成上述目的，本发明提出如下技术方案：

一种炼钢用废钢的优配方法，包括：

基于废钢种类、目标钢种及优化目标确定决策变量及基本量；所述优化目标包括废钢配料成本最低化，所述决策变量包括各类废钢的加入比例；所述基本量包括通过大数据获得的废钢最新收得率；

基于所述决策变量及所述基本量建立目标函数，及与所述目标函数相应的约束条件；所述目标函数的参数包括所述废钢最新收得率；

基于所述决策变量、所述基本量、所述目标函数及所述约束条件建立数学规划模型；

对所述数学规划模型进行求解得到所述各类废钢的加入比例；并基于所述各类废钢的加入比例及目标钢种的吨数得到各类废钢的加入量。

进一步的，所述基本量包括各类废钢的废钢单价。

进一步的，所述基于所述决策变量及所述基本量建立的目标函数为：

其中，Cost为废钢配料成本，计量单位为元；x_i为第i种废钢的加入比例，计量单位为％；z_i为第i种废钢的废钢单价，计量单位为元；Y_i为第i种废钢的废钢最新收得率，计量单位为％。

进一步的，所述约束条件包括总和约束条件，所述总和约束条件为：

其中，x_i为第i种废钢的加入比例，计量单位为％。

进一步的，所述基本量包括各类废钢的库存量，及所有废钢的废钢总装入量。

进一步的，所述约束条件包括废钢库存约束条件；所述废钢库存约束条件为：W_scrap·x_i≤K_i，i＝1,2,...,n；

其中，W_scrap为所述废钢总装入量，计量单位为吨；x_i为第i种废钢的加入比例，计量单位为％；K_i为第i种废钢的库存量，计量单位为吨。

进一步的，所述基本量包括各类废钢的有害元素含量，及目标钢种的有害元素含量。

进一步的，所述约束条件包括有害元素约束条件，所述有害元素约束条件为：

其中，CL_j和CH_j分别为目标钢种的第j种有害元素的含量下限及含量上限，计量单位均为％；c_ij为第i种废钢中第j种有害元素的含量，计量单位为％；Y_i为第i种废钢最新收得率，计量单位为％；x_i为第i种废钢的加入比例，计量单位为％；W_steel为出钢量，计量单位为吨。

进一步的，所述通过大数据获得的废钢最新收得率，其获得过程包括：

获得本次炼钢前若干月内的冶炼数据集，所述冶炼数据集包括任一冶炼批次的工艺参数及废钢收得率；

以某一工艺参数对所述冶炼数据集内的冶炼批次进行筛选；

对筛选出的冶炼批次的废钢收得率取平均值，作为本次炼钢的废钢最新收得率。

进一步的，所述对数学规划模型进行求解，包括：

基于所述约束条件得到所述数学规划模型的基本可行解；

将所述基本可行解代入所述数学规划模型求解得到所述数学规划模型的更优可行解；

对上一步骤进行迭代计算直至得到所述数学规划模型的最优可行解。

有益效果：

由以上技术方案可知，本发明的技术方案针对现有的基于经验进行的废钢配料方法中存在的缺陷，提供了一种全新的炼钢用废钢的优配方法。

所述优配方法包括：首先，基于废钢种类、目标钢种及优化目标确定决策变量及基本量。由于本次优配的目的为降低废钢冶炼时的冶炼成本，因此所述优化目标包括废钢配料成本最低化，所述决策变量包括各类废钢的加入比例。其次，基于所述决策变量及基本量建立目标函数，及与所述目标函数相应的约束条件；所述目标函数的基本量包括废钢最新收得率。然后，基于所述决策变量、所述基本量、所述目标函数及所述约束条件建立数学规划模型。最终，对所述数学规划模型进行求解，得到各类废钢的加入比例；并基于所述各类废钢的加入比例及目标钢种的吨数得到各类废钢的加入量。

由上述优配方法的具体步骤可得，其基于数学规划模型进行。因此可对将要进行的冶炼过程进行精准预测，以使其符合冶炼需求。如当以降低废钢配料成本为优化目标时，建立以废钢配料成本最低化为目标的目标函数，并设置对应的约束条件。当以提升冶炼质量为优化目标时，建立以冶炼质量最优为目标的目标函数，并设置对应的约束条件。本发明中则以降低冶炼成本作为了主要优化目标。

在确定基本量时，还引入了通过大数据获得的废钢最新收得率，并将其作为了目标函数的参数。废钢收得率为该类废钢对应的出钢量与该类废钢装入量的比值。由此可见，废钢收得率直接影响着废钢的加入比例，进而影响着冶炼成本。而受废钢种类繁多，及现场冶炼过程繁杂的影响，导致废钢收得率难以获取。因此在现有的基于经验进行的优配过程中，多采用如下过程：针对不同的目标钢种，以固定的废钢配比为基础，当某类废钢价格上升时则适当减少其配比，反之亦然。并不会引入废钢收得率作为优配过程的基本量。而本基于数学规划模型进行的优配过程中，则引入了废钢最新收得率，因此实现了废钢收得率与优配过程的结合，提高了所述数学规划模型的合理性。而所述废钢最新收得率又通过大数据获得，因此保证了所述收得率数值的精准性，进而保证了将其引入数学规划模型时，数学规划模型求解的准确性及合理性；即总能得到误差许可范围内最小的配料成本。

应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。

结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。

附图说明

附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：

图1为本发明所述的炼钢用废钢的优配方法的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。除非另作定义,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。

本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,除非上下文清楚地指明其它情况，否则单数形式的“一个”“一”或者“该”等类似词语也不表示数量限制,而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的特征、整体、步骤、操作、元素和/或组件,并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。“上”“下”“左”“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。

本发明提供了一种炼钢用废钢的优配方法。所述优配方法基于数学规划模型进行，依次包括：确定决策变量、基本量；建立目标函数及约束条件；建立数学规划模型；求解得到废钢的加入比例及对应的加入量。其中，所述数学规划模型以配料成本最低为优化目标，在确定基本量及建立目标函数时，引入了通过大数据获得的废钢最新收得率。因此通过准确有效的数学规划模型对实际冶炼中的配料成本进行了有效控制，使冶炼成本总能保持最低化。

下面结合附图所示的实施例，对本发明公开的炼钢用废钢的优配方法作进一步具体介绍。

实施例1

如图1所示，所述优配方法包括如下步骤：

S102、基于废钢种类、目标钢种及优化目标确定决策变量及基本量；所述优化目标包括废钢配料成本最低化，所述决策变量包括各类废钢的加入比例；所述基本量包括通过大数据获得的废钢最新收得率；

本步骤中，所述决策变量及基本量为建立数学规划模型的基础。在确定所述基本量时还需考虑生产计划及现场情况，如综合考虑炼钢过程中的物料平衡、能量平衡、炼钢工艺及设备特征等。

S104、基于所述决策变量及基本量建立目标函数，及与所述目标函数相应的约束条件；所述目标函数的参数包括废钢最新收得率；

由于步骤S102中确定了以废钢配料成本最低为优化目标，以各类废钢的加入比例作为决策变量，因此在建立目标函数时则以该优化目标为因变量，并引入基本量为参数。

基于此，所述目标函数的表达式可以是：

其中，Cost为废钢配料成本，计量单位为元；x_i为第i种废钢的加入比例，计量单位为％；z_i为第i种废钢的废钢单价，计量单位为元；Y_i为第i种废钢的废钢最新收得率，计量单位为％。

基于此，在步骤S102确定基本量时，所述基本量还需包括废钢的废钢单价。

废钢收得率为

所述Y_out为任一种废钢对应的出钢量，所述Y_in为任一种废钢的废钢加入量。由此可见，废钢收得率直接与废钢的加入比例相关，并影响着冶炼成本。而受废钢种类繁多，及现场冶炼过程繁杂的影响，导致任一种废钢的废钢收得率总是难以获取。因此在现有的基于经验进行的优配过程中，并不会引入废钢收得率。而本基于数学规划模型进行的优配过程中，则引入了废钢最新收得率，因此实现了废钢收得率与优配过程的结合，提高了所述数学规划模型的合理性。而所述废钢最新收得率Y_i又通过大数据获得，因此保证了所述最新收得率的数值精确性，进而保证了将其引入数学规划模型时，数学规划模型的求解准确性；即总能得到误差许可范围内最小的配料成本。

本步骤中，所述约束条件限制了所述目标函数的可行性区域。本实施例中，所述约束条件包括总和约束条件，所述总和约束条件为：

其中，x_i为第i种废钢的加入比例，计量单位为％。

由于冶炼时废钢的加入量不能大于其储存量，因此所述约束条件还包括废钢库存约束条件；所述废钢库存约束条件为：W_scrap·x_i≤K_i，i＝1,2,...,n；

其中，W_scrap为废钢总装入量，计量单位为吨；x_i为第i种废钢的加入比例，计量单位为％；K_i为第i种废钢的库存量，计量单位为吨。

基于此，在步骤S102确定基本量时，所述基本量包括各类废钢的库存量，及所有废钢的废钢总装入量。

上述总和约束条件、废钢库存约束条件均为所述目标函数的可行性条件。

由于目标钢种内的有害元素影响着其质量，而其在后续工艺中又难以去除。因此还设置了有害元素约束条件，所述有害元素约束条件为：

其中，CL_j和CH_j分别为目标钢种的第j种有害元素的最低含量及最高含量，计量单位均为％；c_ij为第i种废钢中第j种有害元素的含量，计量单位为％；Y_i为第i种废钢的废钢最新收得率，计量单位为％；x_i为第i种废钢的加入比例，计量单位为％；W_steel为出钢量，计量单位为吨。

基于此，在步骤S102确定基本量时，所述基本量各类废钢的有害元素含量，及目标钢种的有害元素含量。

S106、基于所述决策变量、所述基本量、所述目标函数及所述约束条件建立数学规划模型；

常见的数学规划模型包括线性数学规划模型、整数规划模型、非线性数学规划模型及多目标规划模型。

本实施例中，由上述步骤S104的目标函数及约束条件的表达式可见，它们均为线性函数，因此此处建立的数学规划模型为线性数学规划模型。

S108、对所述数学规划模型进行求解，得到各类废钢的加入比例；并基于所述各类废钢的加入比例及目标钢种的吨数得到各类废钢的加入量。

本步骤中，所述对数学规划模型进行的求解基于单纯形法进行。包括：

首先，基于所述约束条件得到所述数学规划模型的基本可行解；

然后，将所述基本可行解带入所述数学规划模型，得到所述数学规划模型的更优可行解；

其次，对上一步骤进行迭代计算直至得到所述数学规划模型的最优可行解。

在步骤S102，所述通过大数据获得的废钢最新收得率，其获得过程包括：

首先，获得本次炼钢前若干月内的冶炼数据集，所述冶炼数据集包括任一冶炼批次的工艺参数及废钢收得率；

本实施例中，获得的冶炼数据集为本次冶炼前6个月的。所述任一冶炼批次的工艺参数包括钢铁料加入数据、冶炼过程操作数据、出钢量数据；还包括目标钢种成分、炉龄、总装入量、目标温度、渣量、渣的碱度、吹氧量、底吹强度等。

其次，以某一工艺参数对所述冶炼数据集内的冶炼批次进行筛选；

由上述可见冶炼中的工艺参数多而繁杂，为了筛选出符合要求的冶炼批次，并减小筛选数据量，此处采用了单因素筛选方法。即在筛选时具体以选定的工艺参数作为变量，并控制除该选定的工艺参数之外的其余工艺参数的数值处于限定范围内。

最终，对筛选出的冶炼批次的废钢收得率取平均值，作为本次炼钢的废钢最新收得率。

由于所述废钢最新收得率基于平均值计算得到，因此其与通过单一数据量得到的结果相比更加准确可靠。

实施例2

依据实施例1所述的优化方法，针对80吨电炉冶炼16Mn钢种用废钢进行优配计算，以降低吨钢水废钢成本。具体步骤如下：

首先，基于废钢种类-重废和炉料、剪废和统废等，目标钢种-16Mn钢种，优化目标-废钢配料成本最低化，并综合考虑80吨电炉生产计划和现场情况，确定决策变量为各类废钢的加入比例；确定基本量包括：废钢的废钢最新收得率、废钢单价、库存量、废钢总装入量、有害元素含量；及目标钢种的有害元素含量等。

其中，目标钢种的有害元素含量为：C：>0.6％、Si：0.08％-0.18％、Mn：0.9％-1.2％、P：<0.01％、S：<0.01％；

废钢总装入量为85t；使用的废钢种类和单价为：重废和炉料：3770.0元、剪废和统废：3491.6元、钢筋压块：3453.7元、普通压块：2936.2元、粉碎料：3793.8元、普通刨花：3286.8元。

其次，建立线性规划数学模型，模型的目标函数为：

其中，Cost为废钢配料成本，元；x_i为第i种废钢的加入比例，％；z_i为第i种废钢的价格，元；Y_i为第i种废钢的收得率，％。

然后，根据16Mn钢种最近6个月的电炉生产大数据，采用单因素控制的方法统计计算各类废钢最新收得率为：重废和炉料：95.1％、剪废和统废：95.6％、钢筋压块：94.3％、普通压块：93.2％、粉碎料：94.6％、普通刨花：96.8％。

再者，依次建立约束条件：

(1)总和约束条件：

(2)废钢库存约束条件：Wscrap·x_i≤K_i,i＝1,2,...,n；

其中，W_scrap为废钢总装入量，t；K_i为第i种废钢的库存量，t，分别为：重废和炉料：4204t、剪废和统废：3132t、钢筋压块：0t、普通压块：2229t、粉碎料：2219t、普通刨花：435t。

(3)目标钢种出钢要求的有害元素约束条件：

CL_j和CH_j分别为目标钢种出钢时第j种有害元素的控制下限和上限，％，有害元素主要包括P、S、Cu等元素；c_ij为第i种废钢中j元素的含量，％；Y_i为第i种废钢的收得率；W_steel为出钢量，kg。

最终，将上述各废钢最新收得率，及各约束条件代入所述数学规划模型的目标函数，对所述数学规划模型进行求解，得到各类废钢的加入比例分别为：重废和炉料：7.0％、剪废和统废：54.0％、钢筋压块：0.0％、普通压块：5.0％、粉碎料：14.0％、普通刨花：20.0％；各类废钢的加入量分别为：重废和炉料：5950kg、剪废和统废：45900kg、钢筋压块：0kg、普通压块：4250kg、粉碎料：11900kg、普通刨花：17000kg。

通过该实施例2所述的计算步骤计算得到废钢优配料单，可实现80t电炉冶炼16Mn钢种的吨钢水废钢成本为3660.2元。

实施例3

依据实施例1所述优化方法，针对120吨电炉冶炼13Cr钢种用废钢进行优配计算，以降低吨钢水废钢成本。具体步骤如下：

首先，基于废钢种类-重废和炉料、剪废和统废等，目标钢种-13Cr钢种，优化目标-废钢配料成本最低化，并综合考虑120吨电炉生产计划和现场情况，确定决策变量为各类废钢的加入比例；确定基本量包括：废钢的废钢最新收得率、废钢单价、库存量、废钢总装入量、有害元素含量；及目标钢种的有害元素含量等。

其中，目标钢种的有害元素含量为：C：0.15％>0.22％、Si：0.2％-1.0％、Mn：0.4％-0.6％、P：<0.01％、S：<0.01％、Cr：12％>14％；

废钢总装入量为128t；使用的废钢种类和单价为：重废和炉料：3770.0元、剪废和统废：3491.6元、钢筋压块：3453.7元、普通压块：2936.2元、粉碎料：3793.8元、普通刨花：3286.8元。

其次，建立线性规划数学模型，模型的目标函数为：

其中，Cost为废钢配料成本，元；x_i为第i种废钢的加入比例，％；z_i为第i种废钢的价格，元；Y_i为第i种废钢的收得率，％。

然后，根据13Cr钢种最近6个月的电炉生产大数据，采用单因素控制的方法统计计算各类废钢最新收得率为：重废和炉料：95.7％、剪废和统废：94.6％、钢筋压块：93.8％、普通压块：93.9％、粉碎料：95.6％、普通刨花：96.1％。

再者，依次建立约束条件：

(1)总和约束条件：

(2)废钢库存约束条件：Wscrap·x_i≤K_i,i＝1,2,...,n；

其中，Wscrap为废钢总装入量，t；K_i为第i种废钢的库存量，t，分别为：重废和炉料：6500t、剪废和统废：3200t、钢筋压块：580t、普通压块：1900t、粉碎料：2782t、普通刨花：683t。

(3)目标钢种出钢要求的有害元素约束条件：

CL_j和CH_j分别为目标钢种出钢时第j种有害元素的控制下限和上限，％，有害元素主要包括P、S、Cu等元素；c_ij为第i种废钢中j元素的含量，％；Y_i为第i种废钢的收得率；Wsteel为出钢量，kg。

最终，将上述各废钢最新收得率，及各约束条件代入所述数学规划模型的目标函数，对所述数学规划模型进行求解，得到各类废钢的加入比例分别为：重废和炉料：7.5％、剪废和统废：49.5％、钢筋压块：14.8％、普通压块：1％、粉碎料：16.0％、普通刨花：0％；各类废钢的加入量分别为：重废和炉料：24000kg、剪废和统废：63360kg、钢筋压块：18880kg、普通压块：1280kg、粉碎料：20480kg、普通刨花：0kg。

通过该实施例3所述的计算步骤计算得到废钢优配料单，可实现120t电炉冶炼13Cr钢种的吨钢水废钢成本为3772.8元。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (10)

1.一种炼钢用废钢的优配方法，其特征在于，包括：

基于废钢种类、目标钢种及优化目标确定决策变量及基本量；所述优化目标包括废钢配料成本最低化，所述决策变量包括各类废钢的加入比例；所述基本量包括通过大数据获得的废钢最新收得率；

基于所述决策变量及所述基本量建立目标函数，及与所述目标函数相应的约束条件；所述目标函数的参数包括所述废钢最新收得率；

基于所述决策变量、所述基本量、所述目标函数及所述约束条件建立数学规划模型；

对所述数学规划模型进行求解得到所述各类废钢的加入比例；并基于所述各类废钢的加入比例及目标钢种的吨数得到各类废钢的加入量。

2.根据权利要求1所述的炼钢用废钢的优配方法，其特征在于，所述基本量包括各类废钢的废钢单价。

3.根据权利要求2所述的炼钢用废钢的优配方法，其特征在于，所述基于所述决策变量及所述基本量建立的目标函数为：

其中，Cost为废钢配料成本，计量单位为元；x_i为第i种废钢的加入比例，计量单位为％；z_i为第i种废钢的废钢单价，计量单位为元；Y_i为第i种废钢的废钢最新收得率，计量单位为％。

4.根据权利要求1所述的炼钢用废钢的优配方法，其特征在于，所述约束条件包括总和约束条件，所述总和约束条件为：

其中，x_i为第i种废钢的加入比例，计量单位为％。

5.根据权利要求1所述的炼钢用废钢的优配方法，其特征在于，所述基本量包括各类废钢的库存量，及所有废钢的废钢总装入量。

6.根据权利要求5所述的炼钢用废钢的优配方法，其特征在于，所述约束条件包括废钢库存约束条件；所述废钢库存约束条件为：W_scrap·x_i≤K_i，i＝1,2,...,n；

其中，W_scrap为所述废钢总装入量，计量单位为吨；x_i为第i种废钢的加入比例，计量单位为％；K_i为第i种废钢的库存量，计量单位为吨。

7.根据权利要求1所述的炼钢用废钢的优配方法，其特征在于，所述基本量包括各类废钢的有害元素含量，及目标钢种的有害元素含量。

8.根据权利要求7所述的炼钢用废钢的优配方法，其特征在于，所述约束条件包括有害元素约束条件，所述有害元素约束条件为：

其中，CL_j和CH_j分别为目标钢种的第j种有害元素的含量下限及含量上限，计量单位均为％；c_ij为第i种废钢中第j种有害元素的含量，计量单位为％；Y_i为第i种废钢最新收得率，计量单位为％；x_i为第i种废钢的加入比例，计量单位为％；W_steel为出钢量，计量单位为吨。

9.根据权利要求1所述的炼钢用废钢的优配方法，其特征在于，所述通过大数据获得的废钢最新收得率，其获得过程包括：

获得本次炼钢前若干月内的冶炼数据集，所述冶炼数据集包括任一冶炼批次的工艺参数及废钢收得率；

以某一工艺参数对所述冶炼数据集内的冶炼批次进行筛选；

对筛选出的冶炼批次的废钢收得率取平均值，作为本次炼钢的废钢最新收得率。

10.根据权利要求1所述的炼钢用废钢的优配方法，其特征在于，所述对数学规划模型进行求解，包括：

基于所述约束条件得到所述数学规划模型的基本可行解；

将所述基本可行解代入所述数学规划模型求解得到所述数学规划模型的更优可行解；

对上一步骤进行迭代计算直至得到所述数学规划模型的最优可行解。

Images