JP2014206813A - Optimum solution search method and optimum solution search device - Google Patents
Optimum solution search method and optimum solution search device Download PDFInfo
- Publication number
- JP2014206813A JP2014206813A JP2013082977A JP2013082977A JP2014206813A JP 2014206813 A JP2014206813 A JP 2014206813A JP 2013082977 A JP2013082977 A JP 2013082977A JP 2013082977 A JP2013082977 A JP 2013082977A JP 2014206813 A JP2014206813 A JP 2014206813A
- Authority
- JP
- Japan
- Prior art keywords
- solution
- search
- optimal solution
- initial
- unit
- 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.)
- Pending
Links
Abstract
Description
本発明は、ある条件下においてモデルを用いて、転炉に投入される副原料の投入量等の解を計算する際に、解を評価する関数から最も良い解を短時間に予測する最適解探索方法、及び最適解探索装置に関する。 The present invention uses a model to calculate an optimal solution that predicts the best solution from a function that evaluates the solution in a short time when calculating a solution such as the input amount of the auxiliary material input to the converter using a model. The present invention relates to a search method and an optimal solution search apparatus.
従来から、転炉で行われる溶銑の精錬では、溶鋼中の炭素（Ｃ）、りん（Ｐ）およびマンガン（Ｍｎ）等の各濃度に対し目標値が設定されており、酸素（気酸、固酸）の供給量や副原料の投入量を適切にすることで、この目標値を満たすように各成分の調整が行われる。副原料の投入は、溶鋼の品質を考慮しつつ、副原料のコストを考慮することによって行われるが、その投入量の決定は、長年の操業実績から得られた手法が用いられている。 Conventionally, in hot metal refining performed in a converter, target values are set for each concentration of carbon (C), phosphorus (P), manganese (Mn), etc. in molten steel, and oxygen (gasic acid, solid By adjusting the supply amount of the acid) and the input amount of the auxiliary material, each component is adjusted to satisfy this target value. The input of the auxiliary raw material is performed by considering the cost of the auxiliary raw material in consideration of the quality of the molten steel, but the method of obtaining the input amount is obtained from a long experience of operation.
その一方で、様々な数学的手法や予測モデルを適用して、副原料の投入量の決定を行う技術も開発されている。
例えば、特許文献１に開示された転炉吹錬制御方法及び転炉吹錬制御システムは、溶鋼成分の物質収支式、熱収支式、溶鋼及びスラグへと分配される比を規定する分配比推定式、操業条件に関する式等を制約条件として、吹込酸素量と副原料投入量を最適化する方法および装置を開示しており、従来の物理モデルに基づく重回帰では対応が不十分であった分配比推定式を回帰木モデルで構築することにより、高精度の推定を実現している。
On the other hand, techniques for determining the input amount of secondary raw materials by applying various mathematical methods and prediction models have been developed.
For example, the converter blowing control method and the converter blowing control system disclosed in Patent Document 1 include a material balance equation, a heat balance equation, and a distribution ratio estimation that regulates the ratio of the molten steel distributed to the molten steel and slag. Discloses a method and device that optimizes the amount of oxygen blown in and the amount of auxiliary material input, using the formulas, formulas related to operating conditions, etc. as constraints, and distribution that has been insufficient for multiple regression based on conventional physical models Highly accurate estimation is realized by constructing the ratio estimation formula using a regression tree model.
また、転炉に関係する技術ではないものの、ある条件下においてモデルを用いて解を計算する際に、解を評価する関数から最も良い解を短時間に予測する最適解探索方法に関する技術が特許文献２に開示されている。
すなわち、特許文献２は、電力系統を構成する電力機器に対して行われる操作目的（目的操作）を取り扱って系統復旧手順を作成する。また、停電発生直後の系統を入力して局所条件を満たした操作集合を抽出して実行可能目的操作集合を検索し、何れかの系統断面に実行可能目的操作集合の存在時には次の系統構成の操作候補を生成する。実行可能目的操作集合の無くなる復旧操作終了時には大局評価関数を用いて評価し、評価の高いものを求める復旧手順とした系統復旧手順の作成方法を開示する。
Also, although not related to converters, when calculating a solution using a model under certain conditions, a technology related to an optimal solution search method that predicts the best solution from a function that evaluates the solution in a short time is patented It is disclosed in Document 2.
That is, Patent Document 2 creates a system restoration procedure by handling an operation purpose (target operation) performed on the power equipment constituting the power system. In addition, the system immediately after the occurrence of the power failure is input, the operation set that satisfies the local conditions is extracted, and the executable target operation set is searched. Generate operation candidates. Disclosed is a method for creating a system restoration procedure, which is evaluated using a global evaluation function at the end of a restoration operation in which an executable target operation set disappears, and is a restoration procedure for obtaining a high evaluation.
前述した如く、転炉で行われる溶銑の精錬では、様々な副原料が吹錬条件に応じて投入されることとなるが、投入量の決定は非常に複雑で難しいものとなっている。そこで、特許文献１のような予測モデルを用いて、副原料の投入量を決定することが考えられるが、実操業下では、短時間でモデル計算を行い、投入量の決定をする必要がある。
そこで、予測モデルによる短時間での計算を行う場合、傾向や理論により「有り得ない組み合わせ」を除いた後、解の探索範囲を限定して最適解を算出する方法や、解の探索範囲を縮小して最適解を算出する方法が用いられることがある。
As described above, in the hot metal refining performed in the converter, various auxiliary materials are input according to the blowing conditions, but the determination of the input amount is very complicated and difficult. Therefore, it is conceivable to determine the input amount of the auxiliary raw material using a prediction model as in Patent Document 1, but it is necessary to perform the model calculation in a short time and determine the input amount under actual operation. .
Therefore, when calculating in a short time using a prediction model, after removing “impossible combinations” due to trends and theories, the solution search range is limited and the solution search range is reduced. Thus, a method for calculating an optimal solution may be used.
しかし、この方法では、「組み合わせとしてはあり得るが、最適解ではない可能性が高いと考える組み合わせ」を含んで最適化計算が行われる虞がある。つまり、このような方法で算出された解は、最適な値ではないことが考えられる。
また、粒子群最適化（ＰＳＯ：Particle Swarm optimization）などの最適化手法を用いて最適解を算出するにあたっては、粒子が「有り得る組み合わせ」の解の範囲をランダムに動いて（規則性はあるが）最適解の探索を行っているが、粒子がランダムに動くため、「最適解ではない可能性が高い範囲」、つまり最適解が存在する可能性が低い範囲も探索してしまう虞がある。この問題を解決するには、最適解を探索する時間に制約を設けず、且つ探索する粒子の数や探索回数を十分に増やして、最適解が存在する可能性が高い範
囲と最適解が存在する可能性が低い範囲とを十分に探索する。すなわち、探索可能なほぼ全ての範囲において、最適解を探索する必要がある。
However, in this method, there is a possibility that the optimization calculation is performed including “a combination that can be a combination but is considered to be not an optimal solution”. That is, it is conceivable that the solution calculated by such a method is not an optimal value.
In calculating an optimal solution using an optimization method such as particle swarm optimization (PSO: Particle Swarm optimization), the particles move randomly within the range of “possible combinations” (although there is regularity). ) While searching for an optimal solution, since particles move randomly, there is a possibility of searching for a “range that is not likely to be an optimal solution”, that is, a range that is unlikely to have an optimal solution. To solve this problem, there is a range and optimal solution where there is a high possibility that the optimal solution exists by setting the number of particles to be searched and the number of searches sufficiently without limiting the time to search for the optimal solution. Fully search the range that is unlikely to do. In other words, it is necessary to search for an optimal solution in almost the entire searchable range.
しかし、転炉の操業など時間に制約がある場合、短時間で最適解の探索を行わなければならないため、探索する粒子の数や探索回数を限定せざるを得なくなる。このような条件下では、粒子は十分な探索することができないばかりか、仮に解を発見してもその解が本当の最適解ではない可能性がある。
特許文献１の技術は、転炉吹錬制御において、分配比推定式を回帰木モデルで構築することで高精度の推定を実現しているものであるが、上記した問題の解決手段を提供するものとはなっていない。
However, when there is a restriction on time such as converter operation, the search for the optimum solution must be performed in a short time, and thus the number of particles to be searched and the number of searches must be limited. Under such conditions, the particles cannot be searched sufficiently, but even if a solution is found, the solution may not be a true optimal solution.
The technique of Patent Document 1 realizes high-precision estimation by constructing a distribution ratio estimation formula using a regression tree model in converter blowing control, and provides a solution to the above-described problem. It is not a thing.
そこで、特許文献１の技術に特許文献２の技術を採用することが考える。特許文献２の技術は、探索範囲を限定することで解の探索時間を短縮しているので、時間に制約がある場合、特許文献２の技術を適用して最適解を算出することが可能である。
しかし、この技術は、探索範囲の限定を常に行っているので、限定することによって一度除外された探索範囲は、以後一切探索されることがない。ゆえに、この技術における探索範囲の限定は「絶対に最適解が無い範囲」のみに限られており、「最適解がある可能性が低い範囲」は探索されている。仮に、最適解が全範囲均一に存在している可能性がある場合、この技術を用いて最適解を算出することは可能であるが、最適解の存在が探索範囲において不均一な場合、探索頻度が一定になる傾向があり、探索条件（粒子数、探索回数や制限時間など）が厳しい時には十分な探索ができない可能性がある。ゆえに、特許文献２に記載された技術をそのまま転炉の副原料投入量決定の最適計算を適用することはできない。
Therefore, it is considered that the technique of Patent Document 2 is adopted as the technique of Patent Document 1. Since the technique of Patent Document 2 shortens the search time of the solution by limiting the search range, it is possible to calculate the optimal solution by applying the technique of Patent Document 2 when there is a restriction on time. is there.
However, since this technique always limits the search range, the search range once excluded by the limitation is not searched at all thereafter. Therefore, the limitation of the search range in this technique is limited to “a range where there is absolutely no optimal solution”, and “a range where the possibility of having an optimal solution is low” is searched. If there is a possibility that the optimal solution exists uniformly over the entire range, it is possible to calculate the optimal solution using this technique, but if the existence of the optimal solution is not uniform within the search range, the search is performed. If the frequency tends to be constant and the search conditions (number of particles, number of searches, time limit, etc.) are severe, there is a possibility that sufficient search cannot be performed. Therefore, the technique described in Patent Document 2 cannot be applied to the optimum calculation for determining the auxiliary material input amount of the converter as it is.
そこで、本発明は上記問題点を鑑み、最適化計算で粒子の初期探索範囲を限定して解を探索し、その後、探索範囲を再設定して再び解の探索を繰り返し行い、これら解の中から最適解を決定する最適解探索方法、及び最適解探索装置を提供することを目的とする。 Therefore, in view of the above problems, the present invention searches for a solution by limiting the initial search range of particles by optimization calculation, and then resets the search range and repeats the search for the solution again. It is an object of the present invention to provide an optimal solution search method and an optimal solution search device that determine an optimal solution from the above.
上述の目的を達成するため、本発明においては以下の技術的手段を講じた。
本発明に係る最適解探索方法は、制約条件下の入力条件に対して、粒子群最適化方法に基づいた集団的降下法を用いて、評価関数に基づいて最適解を求める最適解探索方法において、前記入力条件を入力する入力ステップと、前記制約条件を計算する制約条件計算工程を有し、前記制約条件計算工程にて計算された制約条件を初期の制約条件として設定する初期条件設定ステップと、粒子の初期探索範囲を設定する初期探索範囲設定工程と、前記初期探索範囲設定工程で設定した範囲に前記粒子の初期探索地点を割り振る初期探索地点設定工程とで構成され、前記粒子が最初に探索を行う地点の設定を行う初期探索地点設定ステップと、前記制約条件を満たす解を発見する解探索工程と、前記解探索工程で新たに発見された解を保存する解保存工程と、前記解保存工程で保存された解の中から暫定的な最適解を決定する暫定最適解決定工程と、前記暫定最適解決定工程後に再び粒子の探索範囲を再設定する探索範囲再設定工程とで構成され、解探索条件を満たすまで解の計算を行う最適化計算ステップと、前記解探索条件を満たした際に、前記解保存工程で保存された解の中から最適解を決定する最適解決定ステップと、前記最適解決定ステップで決定された最適解及び当該最適解に関する制約条件を出力する出力ステップと、を有することを特徴とする。
In order to achieve the above-described object, the present invention takes the following technical means.
The optimal solution search method according to the present invention is an optimal solution search method for obtaining an optimal solution based on an evaluation function using a collective descent method based on a particle swarm optimization method for input conditions under constraint conditions. An input step for inputting the input condition; a constraint condition calculation step for calculating the constraint condition; and an initial condition setting step for setting the constraint condition calculated in the constraint condition calculation step as an initial constraint condition; An initial search range setting step for setting an initial search range for particles, and an initial search point setting step for allocating the initial search points for the particles to the range set in the initial search range setting step. An initial search point setting step for setting a point to be searched; a solution search step for finding a solution satisfying the constraint conditions; and a solution protection for storing a solution newly found in the solution search step A temporary optimal solution determining step for determining a temporary optimal solution from the solutions stored in the solution storing step, and a search range resetting for resetting the particle search range after the temporary optimal solution determining step. An optimization calculation step configured to calculate a solution until a solution search condition is satisfied, and when the solution search condition is satisfied, an optimal solution is determined from the solutions stored in the solution storage step An optimal solution determining step; and an output step of outputting the optimal solution determined in the optimal solution determining step and a constraint condition related to the optimal solution.
好ましくは、前記初期探索地点設定ステップは、物理現象及び／又は操業実績に基づいて、前記粒子が最初に探索する範囲を限定するとよい。
好ましくは、前記探索範囲再設定工程は、前記粒子の探索範囲を前記初期探索地点設定ステップで設定された探索範囲から通常の探索範囲に再設定するとよい。
好ましくは、前記出力ステップは、前記最適化計算ステップで計算された解の結果、及び前記初期探索地点設定ステップで設定された初期探索範囲をオペレータに提示するとよい。
Preferably, the initial search point setting step may limit a range in which the particle searches first based on a physical phenomenon and / or a performance record.
Preferably, the search range resetting step resets the particle search range from the search range set in the initial search point setting step to a normal search range.
Preferably, in the output step, the result of the solution calculated in the optimization calculation step and the initial search range set in the initial search point setting step may be presented to the operator.
本発明に係る最適解探索方法は、転炉の副原料の投入量を求める際に用いるとよい。
本発明に係る最適解探索装置は、制約条件下の入力条件に対して、粒子群最適化方法に
基づいた集団的降下法を用いて、評価関数に基づいて最適解を求める最適解探索装置において、前記入力条件を入力する入力部が備えられている入力手段と、前記制約条件を計算する制約条件計算部が備えられ、前記制約条件計算部にて計算された制約条件を初期の制約条件として設定する初期条件設定手段と、粒子の初期探索範囲を設定する初期探索範囲設定部と、前記初期探索範囲設定部で設定した範囲に前記粒子の初期探索地点を割り振る初期探索地点設定部とが備えられ、前記粒子が最初に探索を行う地点の設定を行う初期探索地点設定手段と、前記制約条件を満たす解を発見する解探索部と、前記解探索部で新たに発見された解を保存する解保存部と、前記解保存部で保存された解の中から暫定的な最適解を決定する暫定最適解決定部と、前記暫定最適解決定部で暫定最適解が決定された後に再び粒子の探索範囲を再設定する探索範囲再設定部とが備えられ、解探索条件を満たすまで解の計算を行う最適化計算手段と、前記解探索条件を満たした際に、前記解保存部で保存された解の中から最適解を決定する最適解決定部が備えられている最適解決定手段と、前記最適解決定手段で決定された最適解及び当該最適解に関する制約条件を出力する出力部が備えられている出力手段と、を備えることを特徴とする。
The optimum solution search method according to the present invention is preferably used when determining the input amount of the auxiliary material for the converter.
An optimum solution search apparatus according to the present invention is an optimum solution search apparatus that obtains an optimum solution based on an evaluation function using a collective descent method based on a particle swarm optimization method for input conditions under constraint conditions. An input unit provided with an input unit for inputting the input condition, and a constraint condition calculation unit for calculating the constraint condition, and the constraint condition calculated by the constraint condition calculation unit as an initial constraint condition An initial condition setting means for setting, an initial search range setting unit for setting an initial search range for particles, and an initial search point setting unit for allocating the initial search points for the particles to the range set by the initial search range setting unit An initial search point setting means for setting a point at which the particle searches first, a solution search unit for finding a solution satisfying the constraint conditions, and a solution newly discovered by the solution search unit Cancellation , A provisional optimal solution determination unit that determines a provisional optimal solution from the solutions stored in the solution storage unit, and a particle search range again after the provisional optimal solution is determined by the provisional optimal solution determination unit A search range resetting unit for resetting, and an optimization calculation means for calculating a solution until a solution search condition is satisfied, and a solution stored in the solution storage unit when the solution search condition is satisfied An optimal solution determining unit including an optimal solution determining unit for determining an optimal solution from the above, and an output unit for outputting the optimal solution determined by the optimal solution determining unit and a constraint condition related to the optimal solution Output means.
本発明の最適解探索方法、及び最適解探索装置よれば、最適化計算で粒子の初期探索範囲を限定して解を探索し、その後、探索範囲を再設定して再び解の探索を繰り返し行い、これら解の中から最適解を決定することになるため、最も良い解を短時間に算出することが可能となる。 According to the optimum solution search method and the optimum solution search apparatus of the present invention, the search is performed by limiting the initial search range of particles by optimization calculation, and then the search range is reset and the solution search is repeated again. Since the optimum solution is determined from these solutions, the best solution can be calculated in a short time.
以下、本発明に係る最適解探索方法、および最適解探索装置１の実施の形態を、図をもとに説明する。
本発明に係る最適解探索方法、および最適解探索装置１の詳細を述べる前に、本発明の技術が適用される転炉２０について、図をもとに説明する。
図４に示す如く、脱りん処理を行う転炉２０は、気体酸素を溶銑に吹き込む上吹きランス２１と炉底から酸素又は不活性ガスを溶銑に吹き込む羽口２３を備えた上底吹き型であって、上吹きランス２１からの気体酸素により酸素を供給し、羽口２３からの酸素又は不活性ガスにより溶湯を攪拌するものである。また、転炉２０は、供給装置２２を備えている。この供給装置２２は、副原料（生石灰、固体酸素源等）を供給するものであって、例えば、ホッパーやシュート等である。
Embodiments of an optimum solution searching method and an optimum solution searching apparatus 1 according to the present invention will be described below with reference to the drawings.
Before describing details of the optimum solution search method and the optimum solution search apparatus 1 according to the present invention, a converter 20 to which the technology of the present invention is applied will be described with reference to the drawings.
As shown in FIG. 4, the converter 20 for performing the dephosphorization process is an upper bottom blowing type provided with an upper blowing lance 21 for blowing gaseous oxygen into the molten iron and a tuyere 23 for blowing oxygen or inert gas from the furnace bottom into the molten iron. Thus, oxygen is supplied by gaseous oxygen from the top blowing lance 21, and the molten metal is stirred by oxygen from the tuyere 23 or by an inert gas. Further, the converter 20 includes a supply device 22. The supply device 22 supplies auxiliary materials (quick lime, solid oxygen source, etc.) and is, for example, a hopper or a chute.
図１は、前述した転炉２０において、投入する副原料の量を正確、且つ短時間で算出するための最適解を探索する装置のシステム構成を示したものである。なお、最適解を探索するにあたっては、本実施形態では、粒子群最適化法（Particle Swarm optimization、ＰＳＯ法）等の集団的降下法を用いている。
最適解探索装置１は、転炉２０における入力条件を入力する入力手段２と、初期の制約条件を設定する初期条件設定手段３と、粒子が最初に探索を行う地点の設定を行う初期探索地点設定手段５と、解探索条件を満たすまで解の計算を繰り返し行う最適化計算手段と、解探索条件を満たした際に、後述の解保存部１０で保存された解の中から転炉２０における最適解を決定する最適解決定手段１３と、最適解決定手段１３で決定された最適解及び当該最適解に関する制約条件を出力する出力手段１５と、を備えている。
FIG. 1 shows a system configuration of an apparatus for searching for an optimal solution for calculating the amount of auxiliary raw material to be input accurately and in a short time in the converter 20 described above. In this embodiment, a collective descent method such as a particle swarm optimization method (Particle Swarm optimization, PSO method) is used to search for an optimal solution.
The optimum solution search apparatus 1 includes an input unit 2 for inputting an input condition in the converter 20, an initial condition setting unit 3 for setting an initial constraint condition, and an initial search point for setting a point where particles are first searched. In the converter 20 from among the solutions stored in the solution storage unit 10 (to be described later) when the solution search conditions are satisfied, the setting unit 5, the optimization calculation unit that repeatedly calculates the solution until the solution search condition is satisfied. An optimum solution determining means 13 for determining an optimum solution, and an output means 15 for outputting the optimum solution determined by the optimum solution determining means 13 and the constraint conditions related to the optimum solution are provided.
まず、入力手段２では、最適化計算を行うため、転炉２０における初期の条件を入力部２に入力する。本実施形態の入力条件は、転炉２０に投入する副原料の量を決定するために必要な溶銑の成分（溶銑燐比率、溶銑温度、溶銑配合率など）、目標値（溶鋼燐比率、溶鋼温度など）及び、それ以外の情報（炉冷、休炉時間など）を入力する。
初期条件設定手段３では、制約条件計算部４で粒子が最初に探索を行う範囲の条件（例
えば、副原料Ａの成分制約）を計算する。制約条件計算部４にて計算された条件を転炉２０における初期の制約条件として設定する。
First, the input means 2 inputs initial conditions in the converter 20 to the input unit 2 in order to perform optimization calculation. The input conditions of this embodiment are: hot metal components (hot metal phosphorus ratio, hot metal temperature, hot metal mixture ratio, etc.) necessary for determining the amount of the auxiliary raw material charged into the converter 20, target values (molten steel phosphorus ratio, molten steel) Temperature) and other information (furnace cooling, downtime, etc.).
In the initial condition setting means 3, the constraint condition calculation unit 4 calculates the condition of the range in which the particle first searches (for example, the component constraint of the auxiliary raw material A). The conditions calculated by the constraint condition calculation unit 4 are set as initial constraint conditions in the converter 20.
転炉２０における初期の制約条件を設定するにあたっては、以下の方法を用いる。
一般的な最適化問題（Ｐ） は、不等式制約、等式制約、上下限制約を有しており、以下の式（１）のように定義できる。
In setting initial constraints in the converter 20, the following method is used.
The general optimization problem (P) has inequality constraints, equality constraints, and upper and lower limit constraints, and can be defined as the following equation (1).
ここで、ｘ＝（ｘ１，・・・，ｘｎ）はｎ次元決定変数ベクトル、ｆ（ｘ）は評価関数、ｇｊ（ｘ）≦α はｑ個の不等式制約、ｈｊ（ｘ）＝βはｍ−ｑ個の等式制約であり、ｆ，ｇｊ，ｈｊは線形あるいは非線形の実数値関数である。ｌｉ，ｕｉはそれぞれｎ個の決定変数ｘｉの下限値、上限値である。
本実施形態の評価関数ｆ（ｘ）は、コストを算出する関数であり、ｘは、副原料の投入量を示すことになる。また、例えば、ｇ（ｘ）が溶鋼燐比率を求める関数であり、ｈ（ｘ）が溶鋼温度を求める関数となる。
Here, x = (x 1 ,..., X n ) is an n-dimensional decision variable vector, f (x) is an evaluation function, g j (x) ≦ α is q inequality constraints, h j (x) = Β is m−q equality constraints, and f, g j , and h j are linear or nonlinear real-valued functions. l i and u i are a lower limit value and an upper limit value of n decision variables x i , respectively.
The evaluation function f (x) of the present embodiment is a function for calculating the cost, and x indicates the input amount of the auxiliary material. For example, g (x) is a function for obtaining the molten steel phosphorus ratio, and h (x) is a function for obtaining the molten steel temperature.
初期探索地点設定手段５では、粒子が最初に探索を行う範囲の設定および、粒子が最初に探索を行う地点の設定が行われる。図３に示すように、まず、初期探索範囲設定部６で粒子が最初に探索する初期探索範囲を設定する。このとき、初期探索地点設定手段５は、物理現象及び／又は操業実績に基づいて、粒子が最初に探索する範囲の限定を行っている。そして、初期探索地点設定部７で、初期探索範囲設定部６において設定された範囲内にそれぞれの粒子を割り振り、割り振られた地点を粒子の初期探索地点と設定する。 In the initial search point setting means 5, the setting of the range where the particle searches first and the setting of the point where the particle searches first are performed. As shown in FIG. 3, first, an initial search range in which particles are searched first is set by the initial search range setting unit 6. At this time, the initial search point setting means 5 limits the range in which the particles first search based on the physical phenomenon and / or the operation results. Then, the initial search point setting unit 7 allocates each particle within the range set by the initial search range setting unit 6, and sets the allocated point as the initial search point for particles.
粒子の初期探索地点を設定するにあたっては、以下のようにする。
ＰＳＯ法における粒子の探索範囲は、通常、各ＰＳＯ変数で設定される範囲である。
例えば、転炉２０に投入する副原料を副原料Ａとする場合、副原料Ａの物理的な投入限界量である０ｋｇ〜１００００ｋｇの領域を探索範囲とする。この探索範囲は、特別な処置を施さない限り、最適化計算が行われている間変更されることはない。
To set the initial search point for particles, do the following:
The particle search range in the PSO method is usually a range set by each PSO variable.
For example, when the auxiliary raw material A to be input to the converter 20 is the auxiliary raw material A, the search range is an area of 0 kg to 10,000 kg which is the physical input limit amount of the auxiliary raw material A. This search range is not changed during the optimization calculation unless special measures are taken.
しかし、本実施形態では、統計的（操業実績）・物理現象に基づいて、初期の探索範囲を限定している。例えば、「統計的・物理現象から、溶銑成分ｂが１０％以下のときの副原料Ａの最適解は３０００ｋｇ以上の領域にある可能性が高い」と分かっている場合、初期の探索範囲を３０００ｋｇ〜１００００ｋｇの領域に限定する。そして、限定した範囲の中に粒子を複数配置する。 However, in this embodiment, the initial search range is limited based on statistical (operation results) / physical phenomena. For example, if it is known from statistical / physical phenomena that there is a high possibility that the optimum solution of the auxiliary raw material A when the hot metal component b is 10% or less is in the region of 3000 kg or more, the initial search range is 3000 kg. Limited to an area of 10000 kg. And multiple particle | grains are arrange | positioned in the limited range.
最適化計算手段８では、解探索条件を満たすまで、ＰＳＯ法など最適化手法で解の計算を繰り返し行われる。
最適化計算手段８は、解を探索する解探索部９と、解探索部９で探索された解を保存する解保存部１０と、解保存部１０に保存された解の中から暫定的に最適解を決定する暫定最適解決定部１１と、暫定最適解決定部１１で暫定最適解が決定された後に再び粒子の探索範囲を再設定する探索範囲再設定部１２とを有している。
The optimization calculation means 8 repeatedly calculates the solution by an optimization method such as the PSO method until the solution search condition is satisfied.
The optimization calculation means 8 tentatively selects a solution search unit 9 that searches for a solution, a solution storage unit 10 that stores a solution searched by the solution search unit 9, and a solution stored in the solution storage unit 10. A temporary optimal solution determining unit 11 that determines an optimal solution and a search range resetting unit 12 that resets the particle search range again after the temporary optimal solution is determined by the temporary optimal solution determining unit 11.
解探索部９では、転炉２０における制約条件を満たす解を発見されるまで探索する。そして、解探索部９で発見された解は、解保存部１０に保存される。解保存部１０には、複数個、解が保存されていて、それら複数の解は最適解の候補とされる。
暫定最適解決定部１１では、解保存部１０に保存された複数の解の中から現時点において暫定的な最適解を決定する。暫定最適解決定部１１で暫定最適解が決定されると、探索範囲再設定部１２で再び粒子の探索範囲を設定する。このとき、探索範囲再設定部１２では、粒子の探索範囲を初期探索地点設定手段５で設定された探索範囲から通常の探索範囲に再設定している。
In the solution search part 9, it searches until the solution which satisfy | fills the constraint conditions in the converter 20 is discovered. The solution found by the solution search unit 9 is stored in the solution storage unit 10. A plurality of solutions are stored in the solution storage unit 10, and the plurality of solutions are candidates for the optimal solution.
The provisional optimum solution determination unit 11 determines a provisional optimum solution from the plurality of solutions stored in the solution storage unit 10 at the present time. When the provisional optimal solution determination unit 11 determines the provisional optimal solution, the search range resetting unit 12 sets the particle search range again. At this time, the search range resetting unit 12 resets the particle search range from the search range set by the initial search point setting means 5 to the normal search range.
通常の探索範囲に再設定されると、解探索部９に戻り解の探索が再度行われる。
解探索部９で発見された解が暫定最適解よりも良い場合、暫定最適解決定部１１で新たに発見された解を暫定最適解とする。
ここで、解探索部９で解の探索を行い、暫定最適解決定部１１で暫定最適解を更新するまで過程を、詳細に述べる。
When the normal search range is reset, the solution search unit 9 is returned to search for solutions again.
When the solution found by the solution search unit 9 is better than the provisional optimal solution, the solution newly discovered by the provisional optimum solution determination unit 11 is set as the provisional optimum solution.
Here, the process until the solution search unit 9 searches for a solution and the provisional optimum solution determination unit 11 updates the provisional optimum solution will be described in detail.
各変数の制約条件を始点条件として、ＰＳＯ法を用いて最適化計算を開始する。
ＰＳＯ法は集団的降下法の一つであり、集団的降下法での探索ルーチンは一般的に以下のように記述できる。
（１）初期化: 集団に属する解をランダムに発生させる。
（２）評価: 発生した全ての解を評価する。
The optimization calculation is started using the PSO method with the constraint condition of each variable as the starting point condition.
The PSO method is one of the collective descent methods, and the search routine in the collective descent method can be generally described as follows.
(1) Initialization: A solution belonging to a group is randomly generated.
(2) Evaluation: Evaluate all generated solutions.
（３）終了判定: 終了条件（解探索条件）を満足すると、探索を終了する。
（４）各解に対して、
（ａ） 生成: 各解と集団の情報に基づき、新しい解を生成する。
（ｂ） 評価: 生成された新しい解を評価する。
（ｃ） 更新: 新しい解が古い解（暫定最適解）より良ければ、暫定最適解を新しい解に置き換える。
(3) Termination determination: When the termination condition (solution search condition) is satisfied, the search is terminated.
(4) For each solution
(A) Generation: Generate a new solution based on each solution and group information.
(B) Evaluation: Evaluate the generated new solution.
(C) Update: If the new solution is better than the old solution (provisional optimal solution), replace the temporary optimal solution with the new solution.
（５）終了判定へ戻る。
なお、（２）の「評価」では、発生した全ての解がそれぞれ評価関数の値と制約条件とを満たしているか否かについて、評価している。（２）の「評価」で制約条件を満たす解が発見されなかった場合、（４）（ａ）の「生成」に移り、制約条件を満たす解が発見されるまで探索を繰り返す。
(5) Return to end determination.
In the “evaluation” in (2), it is evaluated whether or not all the generated solutions satisfy the evaluation function value and the constraint condition. If no solution that satisfies the constraint condition is found in the “evaluation” in (2), the process proceeds to “generation” in (4) (a), and the search is repeated until a solution that satisfies the constraint condition is found.
次に、探索範囲再設定部１２において、例を挙げて初期の探索範囲から通常の探索範囲に再設定する方法を説明する。
図３に示すように、初回（１回目）の解の探索が終了した後、２回目以降の解の探索範囲の再設定を行う。２回目以降の解の探索範囲は、通常行われているもの（当初の解の探索範囲）とする。このように、当初の解の探索範囲に再設定することで、最適解が存在する可能性が低い探索範囲まで隈無く探索が行えるようになる。
Next, a method of resetting the initial search range from the initial search range to the normal search range in the search range resetting unit 12 will be described with an example.
As shown in FIG. 3, after the first (first) solution search is completed, the second and subsequent solution search ranges are reset. The search range of the second and subsequent solutions is assumed to be normally performed (the search range of the initial solution). In this way, by resetting to the search range of the initial solution, it is possible to perform a search without any difficulty up to the search range where the possibility that the optimal solution exists is low.
例えば、副原料Ａの場合、初期の探索範囲（３０００ｋｇ〜１００００ｋｇ）から、当初の探索範囲（０ｋｇ〜１００００ｋｇ）に再設定する。１回目の解の探索では、探索範囲を最適解が存在する可能性が高い領域に絞ったが、０ｋｇ〜３０００ｋｇの範囲で最適解が存在する可能性は十分にある。そのため、２回目以降の解の探索では、初期の探索範囲に加えて０ｋｇ〜３０００ｋｇの範囲を含めて探索範囲とすることで、ほぼ全ての探索範囲において最適解を探索することができる。 For example, in the case of the auxiliary material A, the initial search range (3000 kg to 10,000 kg) is reset to the initial search range (0 kg to 10,000 kg). In the first solution search, the search range is limited to a region where there is a high possibility that an optimal solution exists, but there is a sufficient possibility that an optimal solution exists in the range of 0 kg to 3000 kg. Therefore, in the second and subsequent solution searches, the optimal solution can be searched in almost all search ranges by setting the search range including the range of 0 kg to 3000 kg in addition to the initial search range.
なお、２回目以降の解の探索においては、１回目に配置された探索範囲に粒子が集中していることから、最適解の存在する可能性が低い探索範囲は最適解の存在する可能性が高い範囲に比べて、粒子の探索は少なくなる。
このように、最適解の存在する可能性が高い探索範囲をより重点的に探索することができ、且つ最適解の存在する可能性が低い探索範囲も探索することが可能である。
In the second and subsequent search for solutions, since the particles are concentrated in the search range arranged for the first time, there is a possibility that the optimal solution exists in the search range where the possibility that the optimal solution exists is low. Compared to the higher range, the search for particles is less.
As described above, it is possible to search for a search range with a high possibility that an optimal solution exists, and to search a search range with a low possibility that an optimal solution exists.
最適解決定手段１３では、解探索条件（終点条件）を満たした際に、最適解決定部１４において、解保存部１０で保存された解の中から最も評価関数の良い解を副原料の投入量の最適解とし、最適化計算を終了する。
出力手段１５では、最適解決定手段１３で決定された副原料の投入量の最適解及び当該最 適解に関する制約条件を出力部１５から出力する。
In the optimum solution determination means 13, when the solution search condition (end point condition) is satisfied, the optimum solution determination unit 14 inputs the solution with the best evaluation function from the solutions stored in the solution storage unit 10. The optimization calculation is completed with the optimal solution of the quantity.
In the output unit 15, the optimal solution of the input amount of the auxiliary material determined by the optimal solution determination unit 13 and the constraint condition related to the optimal solution are output from the output unit 15.
副原料の投入量の最適解を出力するにあたっては、その最適解を転炉設備の近傍に配備されたモニタなどの表示器に示し、転炉操業に携わるオペレータに通達する。オペレータに最適解を通達することによって、転炉操業の安定化や操業効率の向上を図ることができる。
以下、本発明の最適解探索装置１を用いて最適解を探索する方法について、図をもとに詳しく説明する。
When outputting the optimal solution of the input amount of the auxiliary material, the optimal solution is displayed on a display device such as a monitor provided in the vicinity of the converter facility, and is notified to the operator who is engaged in the converter operation. By notifying the operator of the optimum solution, the converter operation can be stabilized and the operation efficiency can be improved.
Hereinafter, a method for searching for an optimal solution using the optimal solution search apparatus 1 of the present invention will be described in detail with reference to the drawings.
図２は、最適解探索装置１を用いて最適解を探索する方法を示したフローチャートである。図３は、粒子が解を探索する際に設定される探索範囲を示した図である。
図２に示すように、ステップＳ１−１では、転炉２０に投入する副原料の量を決定するために必要な溶銑の成分（溶銑燐比率、溶銑温度、溶銑配合率など）、目標値（溶鋼燐比率、溶鋼温度など）及び、それ以外の情報（炉冷、休炉時間など）を入力する（入力ステップ）。
FIG. 2 is a flowchart showing a method for searching for an optimal solution using the optimal solution search apparatus 1. FIG. 3 is a diagram showing a search range set when a particle searches for a solution.
As shown in FIG. 2, in step S <b> 1-1, hot metal components (hot metal phosphorus ratio, hot metal temperature, hot metal mixture ratio, etc.) necessary for determining the amount of the auxiliary material charged into the converter 20, a target value ( The molten steel phosphorus ratio, molten steel temperature, etc.) and other information (furnace cooling, outage time, etc.) are input (input step).
ステップＳ１−２では、制約条件計算工程で粒子が最初に探索を行う範囲の条件（例え
ば、副原料Ａや副原料Ｂの成分制約）を計算し、計算された条件を転炉２０における初期の制約条件として設定する（初期条件設定ステップ）。
ステップＳ１−３では、初期探索範囲設定工程で、物理現象及び／又は操業実績に基づいて、粒子が最初に探索する初期の探索範囲を設定する（図３参照、初期探索地点設定ステップ）。
In step S1-2, the conditions of the range in which the particles are first searched in the constraint condition calculation step (for example, the component constraints of the auxiliary material A and the auxiliary material B) are calculated, and the calculated conditions are the initial values in the converter 20. Set as a constraint condition (initial condition setting step).
In step S1-3, in the initial search range setting step, an initial search range in which particles first search is set based on physical phenomena and / or operation results (see FIG. 3, initial search point setting step).
ステップＳ１−４では、初期探索範囲設定工程で設定された範囲内にそれぞれの粒子を割り振り、割り振られた地点を粒子の初期探索地点と設定する（初期探索地点設定ステップ）。
ステップＳ１−５では、解探索工程でＰＳＯ法を用いて転炉２０における制約条件を満たす解を探索する（最適化計算ステップ）。
In step S1-4, each particle is allocated within the range set in the initial search range setting step, and the allocated point is set as an initial search point for particles (initial search point setting step).
In step S1-5, a solution satisfying the constraint condition in the converter 20 is searched using the PSO method in the solution search step (optimization calculation step).
ステップＳ１−６では、解探索工程で発見された解を解保存部１０に保存する（解保存工程、最適化計算ステップ）。
ステップＳ１−７では、暫定最適解決定工程で解保存部１０に保存された解の中から現時点において暫定的な最適解を決定する（最適化計算ステップ）。なお、２回目以降の場合、解探索工程で新たに発見された解がその時点の暫定最適解よりも良いか否かを判断する。新たに発見された解が暫定的な最適解である場合、ステップＳ１−８に移行する（ｙｅｓ）。新たに発見された解が暫定最適解未満である場合、ステップＳ１−９に移行する（ｎｏ）。
In step S1-6, the solution found in the solution search process is stored in the solution storage unit 10 (solution storage process, optimization calculation step).
In step S1-7, a temporary optimal solution is determined at the present time from the solutions stored in the solution storage unit 10 in the temporary optimal solution determination step (optimization calculation step). In the second and subsequent times, it is determined whether or not the solution newly discovered in the solution search process is better than the provisional optimal solution at that time. If the newly discovered solution is a provisional optimal solution, the process proceeds to step S1-8 (yes). When the newly discovered solution is less than the provisional optimal solution, the process proceeds to step S1-9 (no).
ステップＳ１−８では、新たに発見された解を暫定最適解に更新する。（最適化計算ステップ）
ステップＳ１−９では、探索回数が１回目であるか否かを判断する（最適化計算ステップ）。探索回数が１回目である場合、ステップＳ１−１０に移行する（ｙｅｓ）。探索回数が２回目以降である場合、ステップＳ１−１１に移行する（ｎｏ）。
In step S1-8, the newly discovered solution is updated to a provisional optimal solution. (Optimization calculation step)
In step S1-9, it is determined whether or not the number of searches is the first time (optimization calculation step). When the number of searches is the first time, the process proceeds to step S1-10 (yes). If the number of searches is the second or later, the process proceeds to step S1-11 (no).
ステップＳ１−１０では、探索範囲再設定工程で粒子の探索範囲を初期の探索範囲から通常の探索範囲に設定する（図３参照、最適化計算ステップ）。
ステップＳ１−１１では、次回の探索のために粒子の探索地点を通常の探索範囲内に設定する（最適化計算ステップ）。粒子の探索地点と粒子の探索範囲の設定が終了すると、ステップＳ１−５に戻って解を探索する。
In step S1-10, in the search range resetting step, the particle search range is set from the initial search range to the normal search range (see FIG. 3, optimization calculation step).
In step S1-11, the particle search point is set within the normal search range for the next search (optimization calculation step). When the setting of the particle search point and the particle search range is completed, the process returns to step S1-5 to search for a solution.
ステップＳ１−１２では、終了条件を満たすまで、最適化計算を繰り返す（最適化計算ステップ）。
ステップＳ１−１３では、終点条件を満たした際に、最適解決定工程において、解保存部１０で保存された解の中から最も評価関数の良い解を副原料の投入量の最適解とする（最適解決定ステップ）。
In step S1-12, the optimization calculation is repeated until the end condition is satisfied (optimization calculation step).
In step S1-13, when the end point condition is satisfied, in the optimum solution determination step, the solution with the best evaluation function among the solutions stored in the solution storage unit 10 is set as the optimum solution of the input amount of the auxiliary material ( Optimal solution determination step).
ステップＳ１−１４では、最適解決定ステップで決定された副原料の投入量の最適解及び当該最適解に関する制約条件を転炉設備の近傍に配備されたモニタなどの表示器に出力する（出力ステップ）。
なお、ステップＳ１−５およびステップＳ１−６は、上述した探索ルーチンの（２）の「評価」と（４）（ｂ）「評価」の「評価」に該当する。ステップＳ１−７およびステップＳ１−８は（４）（ｃ） の「更新」に該当している。ステップＳ１−１は（４）（ａ）の「生成」に該当する。ステップＳ１−１２は（３）の「終了判定」に該当する。
In step S1-14, the optimal solution of the input amount of the auxiliary material determined in the optimal solution determination step and the constraint condition related to the optimal solution are output to a display device such as a monitor provided in the vicinity of the converter facility (output step). ).
Steps S1-5 and S1-6 correspond to “evaluation” in (2) and “evaluation” in (4) (b) “evaluation” of the above-described search routine. Steps S1-7 and S1-8 correspond to “update” in (4) and (c). Step S1-1 corresponds to “generation” in (4) (a). Step S1-12 corresponds to “end determination” in (3).
以上述べた最適解探索方法、及び最適解探索装置１を用いることで、探索条件をより厳しいもの（短い探索回数や最小限の探索粒子数）にした場合においても、最適化計算で粒子の初期探索範囲を限定して解を探索し、その後、探索範囲を再設定して再び解の探索を繰り返し行い、これら解の中から最適解を決定することになるため、最も良い解を短時間に算出することが可能となる。
[変形例]
ところで、上述した最適解探索装置１、及び最適解探索方法の説明において、ＰＳＯ法を用いて「最適解が存在する可能性が高い範囲」を粒子の初期の探索範囲として設定し、そして解を探索した後、「最適解が存在する可能性が低い範囲」次回以降の解の探索範囲として再設定して解を探索し、これら解の中から最適解を決定することを述べた。
By using the optimum solution search method and the optimum solution search apparatus 1 described above, even when the search conditions are more severe (short search times and minimum number of search particles), the initial calculation of the particles is performed by the optimization calculation. The solution is searched by limiting the search range, then the search range is reset and the solution search is repeated again, and the optimal solution is determined from these solutions. It is possible to calculate.
[Modification]
By the way, in the explanation of the optimum solution search device 1 and the optimum solution search method described above, the “range where there is a high possibility that the optimum solution exists” is set as the initial search range of the particles using the PSO method, and the solution is calculated. After searching, it was stated that “the range where the possibility of the existence of the optimal solution is low” is reset as the search range for the next and subsequent solutions, the solution is searched, and the optimal solution is determined from these solutions.
しかしながら、粒子の探索範囲を設定するやり方として、複数の段階において探索範囲を限定する方法、を採用することもできる。
例えば、３つの段階に分けて解を探索する範囲を限定した方が、重点的に解を探索することができるときもあれば、４つの段階に分けて解を探索する範囲を限定した方が解を探索するのに良い場合もある。
However, as a method of setting the particle search range, a method of limiting the search range in a plurality of stages can be adopted.
For example, there are times when the range of searching for a solution is divided into three stages, and when the solution can be intensively searched, there are cases where the range of searching for a solution is divided into four stages and limited. Sometimes it is good to search for solutions.
具体的な方法としては、物理現象及び／又は操業実績（統計的）に基づいて、解が存在する可能性が最も高い範囲を先に探索し、探索回数などの任意の条件によって、段階的に解が存在する可能性の高い順に、段階的に探索範囲を拡大する。解が存在する可能性の高い範囲を重点的に探索しつつ、解が存在する可能性の低い範囲になるにつれて探索頻度を下げる。このように、複数の段階に分けて解を探索することで、より良い最適解を決定することができる。 As a specific method, based on physical phenomena and / or operational performance (statistical), a range in which the solution is most likely to exist is searched first, and step by step according to an arbitrary condition such as the number of searches. The search range is expanded step by step in descending order of the probability that a solution exists. The search frequency is lowered as the range where the possibility that the solution exists is low while the search is focused on the range where the solution is likely to exist. In this way, a better optimal solution can be determined by searching for a solution in a plurality of stages.
ところで、本発明は上記各実施形態に限定されるものではなく、発明の本質を変更しない範囲で各部材の形状、構造、材質、組み合わせなどを適宜変更可能である。また、今回開示された実施形態において、明示的に開示されていない事項、例えば、運転条件や操業条件、各種パラメータ、構成物の寸法、重量、体積などは、当業者が通常実施する範囲を逸脱するものではなく、通常の当業者であれば、容易に想定することが可能な事項を採用している。 By the way, this invention is not limited to said each embodiment, The shape, structure, material, combination, etc. of each member can be suitably changed in the range which does not change the essence of invention. Further, in the embodiment disclosed this time, matters that are not explicitly disclosed, for example, operating conditions and operating conditions, various parameters, dimensions, weights, volumes, and the like of a component deviate from a range that a person skilled in the art normally performs. However, matters that can be easily assumed by those skilled in the art are employed.
１ 最適解探索装置
２ 入力手段（入力部）
３ 初期条件設定手段
４ 制約条件計算部
５ 初期探索地点設定手段
６ 初期探索範囲設定部
７ 初期探索地点設定部
８ 最適化計算手段
９ 解探索部
１０ 解保存部
１１ 暫定最適解決定部
１２ 探索範囲再設定部
１３ 最適解決定手段
１４ 最適解決定部
１５ 出力手段（出力部）
２０ 転炉
２１ 上吹きランス
２２ 供給装置
２３ 羽口
DESCRIPTION OF SYMBOLS 1 Optimal solution search apparatus 2 Input means (input part)
DESCRIPTION OF SYMBOLS 3 Initial condition setting means 4 Restriction condition calculation part 5 Initial search point setting means 6 Initial search range setting part 7 Initial search point setting part 8 Optimization calculation means 9 Solution search part 10 Solution preservation | save part 11 Temporary optimal solution determination part 12 Search range Reset unit 13 Optimal solution determining unit 14 Optimal solution determining unit 15 Output unit (output unit)
20 Converter 21 Top blowing lance 22 Feeder 23 Tuyere
Claims (6)
前記入力条件を入力する入力ステップと、
前記制約条件を計算する制約条件計算工程を有し、前記制約条件計算工程にて計算された制約条件を初期の制約条件として設定する初期条件設定ステップと、
粒子の初期探索範囲を設定する初期探索範囲設定工程と、前記初期探索範囲設定工程で設定した範囲に前記粒子の初期探索地点を割り振る初期探索地点設定工程とで構成され、前記粒子が最初に探索を行う地点の設定を行う初期探索地点設定ステップと、
前記制約条件を満たす解を発見する解探索工程と、前記解探索工程で新たに発見された解を保存する解保存工程と、前記解保存工程で保存された解の中から暫定的な最適解を決定する暫定最適解決定工程と、前記暫定最適解決定工程後に再び粒子の探索範囲を再設定する探索範囲再設定工程とで構成され、解探索条件を満たすまで解の計算を行う最適化計算ステップと、
前記解探索条件を満たした際に、前記解保存工程で保存された解の中から最適解を決定する最適解決定ステップと、
前記最適解決定ステップで決定された最適解及び当該最適解に関する制約条件を出力する出力ステップと、
を有することを特徴とする最適解探索方法。 In an optimal solution search method for obtaining an optimal solution based on an evaluation function using a collective descent method based on a particle swarm optimization method for input conditions under constraint conditions,
An input step for inputting the input condition;
An initial condition setting step of setting the constraint condition calculated in the constraint condition calculation step as an initial constraint condition, including a constraint condition calculation step of calculating the constraint condition;
An initial search range setting step for setting an initial search range for particles, and an initial search point setting step for allocating the initial search points for the particles to the range set in the initial search range setting step. An initial search point setting step for setting a point to perform,
A solution search step for finding a solution satisfying the constraint conditions, a solution storage step for storing a solution newly found in the solution search step, and a provisional optimal solution among the solutions stored in the solution storage step And a search range resetting step for resetting the particle search range again after the provisional optimal solution determination step, and an optimization calculation for calculating the solution until the solution search condition is satisfied. Steps,
An optimal solution determination step for determining an optimal solution from the solutions stored in the solution storage step when the solution search conditions are satisfied;
An output step of outputting the optimal solution determined in the optimal solution determination step and the constraint condition related to the optimal solution;
The optimal solution search method characterized by having.
前記入力条件を入力する入力部が備えられている入力手段と、
前記制約条件を計算する制約条件計算部が備えられ、前記制約条件計算部にて計算された制約条件を初期の制約条件として設定する初期条件設定手段と、
粒子の初期探索範囲を設定する初期探索範囲設定部と、前記初期探索範囲設定部で設定した範囲に前記粒子の初期探索地点を割り振る初期探索地点設定部とが備えられ、前記粒子が最初に探索を行う地点の設定を行う初期探索地点設定手段と、
前記制約条件を満たす解を発見する解探索部と、前記解探索部で新たに発見された解を保存する解保存部と、前記解保存部で保存された解の中から暫定的な最適解を決定する暫定最適解決定部と、前記暫定最適解決定部で暫定最適解が決定された後に再び粒子の探索範囲を再設定する探索範囲再設定部とが備えられ、解探索条件を満たすまで解の計算を行う最適化計算手段と、
前記解探索条件を満たした際に、前記解保存部で保存された解の中から最適解を決定する最適解決定部が備えられている最適解決定手段と、
前記最適解決定手段で決定された最適解及び当該最適解に関する制約条件を出力する出力部が備えられている出力手段と、
を備えることを特徴とする最適解探索装置。 In an optimal solution search device that finds an optimal solution based on an evaluation function using a collective descent method based on a particle swarm optimization method for input conditions under constraint conditions,
Input means provided with an input unit for inputting the input conditions;
An initial condition setting unit that includes a constraint condition calculation unit that calculates the constraint condition, and sets the constraint condition calculated by the constraint condition calculation unit as an initial constraint condition;
An initial search range setting unit for setting an initial search range for particles, and an initial search point setting unit for allocating the initial search points for the particles to the range set by the initial search range setting unit. Initial search point setting means for setting a point to perform,
A solution search unit that finds a solution that satisfies the constraint conditions, a solution storage unit that stores a solution that is newly discovered by the solution search unit, and a provisional optimal solution among the solutions stored by the solution storage unit And a search range resetting unit for resetting the particle search range again after the provisional optimal solution is determined by the provisional optimal solution determination unit until the solution search condition is satisfied. An optimization calculation means for calculating a solution;
Optimum solution determination means provided with an optimal solution determination unit that determines an optimal solution from the solutions stored in the solution storage unit when the solution search condition is satisfied;
An output unit provided with an output unit that outputs the optimal solution determined by the optimal solution determination unit and the constraint condition related to the optimal solution;
An optimal solution search apparatus comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013082977A JP2014206813A (en) | 2013-04-11 | 2013-04-11 | Optimum solution search method and optimum solution search device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2013082977A JP2014206813A (en) | 2013-04-11 | 2013-04-11 | Optimum solution search method and optimum solution search device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2014206813A true JP2014206813A (en) | 2014-10-30 |
Family
ID=52120332
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2013082977A Pending JP2014206813A (en) | 2013-04-11 | 2013-04-11 | Optimum solution search method and optimum solution search device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2014206813A (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017182528A (en) * | 2016-03-31 | 2017-10-05 | 株式会社デンソーウェーブ | Parameter adjustment device |
| CN111881498A (en) * | 2020-07-08 | 2020-11-03 | 东南大学建筑设计研究院有限公司 | Improved particle swarm algorithm-based frame-shear structure wall layout optimization method |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8018874B1 (en) * | 2009-05-06 | 2011-09-13 | Hrl Laboratories, Llc | Network optimization system implementing distributed particle swarm optimization |
| JP2013041321A (en) * | 2011-08-11 | 2013-02-28 | Kobe Steel Ltd | Optimal solution search device and optimal solution search method |
-
2013
- 2013-04-11 JP JP2013082977A patent/JP2014206813A/en active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8018874B1 (en) * | 2009-05-06 | 2011-09-13 | Hrl Laboratories, Llc | Network optimization system implementing distributed particle swarm optimization |
| JP2013041321A (en) * | 2011-08-11 | 2013-02-28 | Kobe Steel Ltd | Optimal solution search device and optimal solution search method |
Non-Patent Citations (1)
| Title |
|---|
| JPN6016031797; 田口 祐ほか: '優先度付き評価に基づく競合型ＰＳＯによる複数解探索手法' 電子情報通信学会技術研究報告 Ｖｏｌ．１０９ Ｎｏ．１２４ 第１０９巻, 20090706, ｐｐ．８３-８６ * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017182528A (en) * | 2016-03-31 | 2017-10-05 | 株式会社デンソーウェーブ | Parameter adjustment device |
| CN111881498A (en) * | 2020-07-08 | 2020-11-03 | 东南大学建筑设计研究院有限公司 | Improved particle swarm algorithm-based frame-shear structure wall layout optimization method |
| CN111881498B (en) * | 2020-07-08 | 2024-01-19 | 东南大学建筑设计研究院有限公司 | Frame-shear structure wall layout optimization method based on improved particle swarm optimization |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Long et al. | Scheduling a realistic hybrid flow shop with stage skipping and adjustable processing time in steel plants | |
| KR102065455B1 (en) | Phosphorus concentration estimation method and converter blow control device in molten steel | |
| WO2020152750A1 (en) | Design assistance method for metal material, prediction model generation method, metal material manufacturing method, and design assistance device | |
| JP4093934B2 (en) | Model parameter determination method and program thereof, model prediction method and program thereof | |
| JP2014206813A (en) | Optimum solution search method and optimum solution search device | |
| JP6617842B1 (en) | Metal material design support method and design support device | |
| JP5400555B2 (en) | Blast furnace operating condition deriving method and blast furnace operating condition deriving apparatus using this method | |
| JP2003328030A (en) | Apparatus for designing quality of steel product, and apparatus for aiding designing for optimum quality | |
| JP5845945B2 (en) | Operation prediction apparatus, operation prediction method, and computer program | |
| JP7028272B2 (en) | Optimal calculation method of energy operation conditions in steelworks, optimal calculation device of energy operation conditions in steelworks, and operation method of steelworks | |
| JP5766532B2 (en) | Environmental impact calculation device and environmental impact calculation method | |
| JP2014201770A (en) | Estimation apparatus and estimation method of prediction model of converter | |
| JP2018178199A (en) | Phosphorus concentration estimation method in molten steel, converter blowing control device, program, and recording medium | |
| JP5715004B2 (en) | Optimal solution search device | |
| JP6010500B2 (en) | Optimal solution search method and optimal solution search device | |
| JP3912215B2 (en) | Converter blowing control method | |
| JP2018177869A (en) | An extrusion load predictor for a coke oven, a prediction method for an extrusion load, a computer program and a computer readable memory medium | |
| JP2008007828A (en) | Method and apparatus for controlling dephosphorization | |
| JP2008112212A (en) | Manufacturing lot integration support system, manufacturing lot integration support method, computer program and computer-readable recording medium | |
| CN113454413B (en) | Operation result prediction method, learning method of learning model, operation result prediction device, and learning device of learning model | |
| JP5524020B2 (en) | Blast furnace operating condition deriving method and blast furnace operating condition deriving apparatus using this method | |
| JP2014209274A (en) | Calculation device and calculation method | |
| JP2007238982A (en) | Method for controlling blowing end-point in converter | |
| JP2019133486A (en) | Plant operation state prediction system, plant operation state prediction method, and program | |
| Wang et al. | Fuzzy based similarity adjustment of case retrieval process in CBR system for BOF oxygen volume control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150901 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160815 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160823 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20170228 |