冷轧是对热轧板材进行深加工的过程,冷轧产品是汽车、家电等行业的主要原料,其轧制质量将直接关系到企业的经济效益。冷轧平整机的生产过程中存在着轧辊的凸度和冷轧薄板的表面粗糙度之间相互耦合的状况,这种机器设备参数动态变化下的调度问题是一个理论界并未涉足的计算困难问题,问题比较复杂。本文首先介绍了冷轧生产的生产流程,以及其在生产过程中的工艺特点。通过分析,确定了冷轧生产调度过程中的工艺约束和调度的要求。冷轧平整机生产调度过程的要求与PCTSP模型相似,结合冷轧生产的特点,建立了平整机调度问题的模型。该模型考虑了轧件的宽度、厚度和重量的限制,以及客户对于粗糙度的要求,调度的目标是使得相邻轧件的宽度、厚度和粗糙度的跳变惩罚值最小,并且粗糙度满足客户要求程度最高。针对冷轧调度问题中存在着轧件参数与轧辊性能相耦合的状况,本文设计了基于动态规划的分解合成机制,将复杂的问题分解、简化成易于求解的子问题。首先是动态规划分阶段,分析轧辊的磨损,根据轧辊的磨损模型,可以将粗糙度的变化曲线线性化。根据线性化后的曲线,得到粗糙度与轧制总重量之间的关系,在此基础上对整个问题分解。分段时,综合考虑轧辊的特性以及轧件的特点,定义了分段规则和聚类规则,根据客户要求的粗糙度值,将轧件分配到不同的阶段。求解全局最短路径的过程采用了动态规划,设置了虚拟的起止点,定义了各阶段状态变量,状态转移递推公式,将各阶段的最短子路径相连,确定出最优的全局路径。特别的,两个阶段间相联,不是两点的简单相联,而是确定头尾轧件的一段排序。而针对这段排序的求解,相当于求解一个子调度问题,设计了启发式算法来确定动态规划中子路径数值。本文中针对冷轧平整机调度问题的特性,设计出针对该问题的极值优化算法。极值优化算法来源于自组织临界理论,不是全局算法,是对解的局部调整。文中定义轧件与其后续轧件的最小惩罚值与当前惩罚值的比值作为局部适应值,并根据概率选择插入的轧件作为对最差部分的调整策略,设计算法流程来提高调度计划的效果。遗传算法是基于整个种群的搜索和进化的过程,具有多样性,而极值优化算法,是针对局部的优化。本文将这两种算法相结合,设计出基于极值优化的混合算法,将极值优化算法对调度结果局部调整策略与遗传算法多样性特点和基于整个种群搜索的特点相结合。本文运用某钢厂实际生产的数据,在VC++平台上仿真验证所设计的调度算法和解决问题的分解合成机制。首先分别实现了所提出的极值优化算法和混合算法进行验证,通过分析,发现算法得到的解的局部适应值的分布与初始解相比有很大的提高。同时将不同算法的收敛过程进行比较,可以得出混合算法的收敛速度大于极值优化算法,并且所设计的极值优化算法也远远优于传统的遗传算法。然后将调度算法应用在整个问题中,仿真的结果表明该所设计的机制和混合算法能够有效的解决冷轧调度问题,能够在满足生产约束的同时,得到更好的调度计划。