一种基于矩形网格复合填充的宽厚板余坯替代方法及装置

技术领域

本发明涉及热轧宽厚板生产技术领域，特别是指一种基于矩形网格复合填充的宽厚板余坯替代方法及装置。

背景技术

宽厚板生产对坯料尺寸和质量要求非常严苛，经常出现大量坯料脱单成为余坯。相比常规热连轧板坯，宽厚板余坯的优化替代要复杂很多，由于产品通常比较厚，余坯替代时微小的坯料损失都会造成成材率的急剧下降，且宽厚板可横、终轧的特性，使得产品与坯料匹配的复杂性极大提升。宽厚板企业一般由现场经验丰富的计划员根据经验进行估算、凑整，然后在辅助信息系统手动试算完成，不仅人工劳动强度大、替代效率低，而且造成替代不及时、替代成材率低等一系列弊端。为了提高替代精度与效率，减少无效库存占用、最大程度加快物流周转、尽可能减小对热轧生产造成影响，需要设计有效的智能替代方式，实现对余坯的自动、高效替代处理。

在对宽厚板生产中余坯替代的研究成果中，通过分析MES系统下人工组板的工序和过程，获取人工组板的经验和知识，通过编程得到可组板的每一块余材钢板的合同组板方案，但余材组板是板坯已经轧制成钢板后与订单的匹配过程，相对余坯替代要简单很多。采用数学规划算法解决虚拟大板与订单的优化匹配难题，设计了融合经验知识和规则的智能组板模型，但也只是对成品钢板的优化匹配过程，而板坯到钢板存在海量的组合及不确定性，则不在研究范围内。通过非定尺生产订单及板坯规格的不确定性建立适应性组合优化模型，实现一维和二维、定尺与非定尺的中厚板组板及板坯集成优化设计，并构建相应的模型软件系统，但该方法是根据订单进行板坯设计的正向设计过程，相比宽厚板余坯替代的反向组合过程，考虑因素少、复杂度低。

在现有技术中，缺乏一种基于矩形网格复合填充的高效、准确的宽厚板余坯替代方法。

发明内容

为了解决现有技术存在的余坯替代生产的技术问题，本发明实施例提供了一种基于矩形网格复合填充的宽厚板余坯替代方法及装置。所述技术方案如下：

一方面，提供了一种基于矩形网格复合填充的宽厚板余坯替代方法，该方法由宽厚板余坯替代设备实现，该方法包括：

根据行业工艺规范制定余坯替代规则以及余坯替代方式；

获取订单信息、余坯信息以及轧件信息；根据所述余坯替代规则、所述订单信息、余坯信息以及轧件信息进行变量定义，获得决策变量；

根据所述订单信息、余坯信息和所述决策变量构建数学模型，获得目标函数模型以及约束条件模型；

根据所述余坯替代规则、所述订单信息、余坯信息以及轧件信息构建映射关系，获得轧件-订单映射集；

基于所述目标函数模型、约束条件模型和所述余坯替代方式，根据所述轧件-订单映射集，通过矩形复合填充算法进行动态求解，获得最优余坯替代方案。

其中，所述余坯替代方式是根据余坯替代规则制定；所述余坯替代方式包括1型替代、2型替代和M型替代。

其中，所述决策变量包括轧件订单关系变量以及轧件轧制选择变量。

可选地，所述根据所述余坯替代规则、所述订单信息、余坯信息以及轧件信息构建映射关系，获得轧件-订单映射集，包括：

根据所述余坯信息以及所述余坯替代规则，对所述订单信息进行筛选，获得可用订单集；

根据所述余坯替代规则、所述可用订单集和所述余坯信息进行规则制定，获得替代执行对照规则以及替代执行工艺规则；

根据所述订单信息、所述替代执行对照规则以及替代执行工艺规则进行筛选，获得可生产订单集；

根据所述轧件信息以及所述可生产订单集构建映射关系，获得轧件-订单映射集。

可选地，所述根据所述轧件信息以及所述可生产订单集构建映射关系，获得轧件-订单映射集，包括：

根据所述可生产订单集的生产内容进行分类，获得可生产产品集；

基于所述轧件信息，将所述可生产产品集中的产品进行轧件组合，获得可生产轧件集；

根据所述可生产轧件集以及所述可用订单集构建映射关系，获得轧件-订单映射集。

可选地，所述基于所述目标函数模型、约束条件模型和所述余坯替代方式，根据所述轧件-订单映射集，通过矩形复合填充算法进行动态求解，获得最优余坯替代方案，包括：

根据所述轧件-订单映射集，获得待规划轧件数据以及对应订单数据；

根据所述目标函数模型、约束条件模型、所述待规划数据以及对应订单数据，通过矩形复合填充算法进行1型替代计算，得到1型替代方案；根据所述1型替代方案计算，得到1型成材率；

根据所述1型成材率以及预设1型成材阈值进行校验，获得1型校验结果；当所述1型校验结果大于等于0时，保留1型替代方案；当所述1型校验结果小于0时，不保留1型替代方案；

根据所述目标函数模型、约束条件模型、所述待规划数据以及对应订单数据，通过矩形复合填充算法进行2型替代计算，得到2型替代方案；根据所述2型替代方案计算，得到2型成材率；

根据所述2型成材率以及预设2型成材率进行校验，获得2型校验结果；当所述2型校验结果大于等于0时，保留2型替代方案；当所述2型校验结果小于0时，不保留2型替代方案；

根据所述目标函数模型、约束条件模型、所述待规划数据以及对应订单数据，通过矩形复合填充算法进行M型替代计算，得到M型替代方案；根据所述M型替代方案计算，得到M型成材率；

根据所述M型成材率以及预设M型成材阈值进行校验，获得M型校验结果；当所述M型校验结果大于等于0时，保留M型替代方案；当所述M型校验结果小于0时，不保留M型替代方案；

将所述1型成材率、所述2型成材率和所述M型成材率进行对比，获得最大成材率的对应方案；当所述1型成材率、所述2型成材率和所述M型成材率相等时，成材率遵循1型替代大于2型替代，2型替代大于M型替代的原则；

将所述对应方案确定为最优余坯替代方案。

其中，所述矩形复合填充算法包括动态规划法以及改进遗传算法；所述动态规划法用于1型替代方案以及2型替代方案；所述改进遗传算法用于M型替代方案。

另一方面，提供了一种基于矩形网格复合填充的宽厚板余坯替代装置，该装置应用于基于矩形网格复合填充的宽厚板余坯替代方法，该装置包括：

替代规则和替代方式制定模块，用于根据行业工艺规范制定余坯替代规则以及余坯替代方式；

决策变量定义模块，用于获取订单信息、余坯信息以及轧件信息；根据所述余坯替代规则、所述订单信息、余坯信息以及轧件信息进行变量定义，获得决策变量；

模型构建模块，用于根据所述订单信息、余坯信息和所述决策变量构建数学模型，获得目标函数模型以及约束条件模型；

映射集构建模块，用于根据所述余坯替代规则、所述订单信息、余坯信息以及轧件信息构建映射关系，获得轧件-订单映射集；

方案获取模块，用于基于所述目标函数模型、约束条件模型和所述余坯替代方式，根据所述轧件-订单映射集，通过矩形复合填充算法进行动态求解，获得最优余坯替代方案。

其中，所述余坯替代方式是根据余坯替代规则制定；所述余坯替代方式包括1型替代、2型替代和M型替代。

其中，所述决策变量包括轧件订单关系变量以及轧件轧制选择变量。

可选地，所述映射集构建模块，进一步用于：

根据所述余坯信息以及所述余坯替代规则，对所述订单信息进行筛选，获得可用订单集；

根据所述余坯替代规则、所述可用订单集和所述余坯信息进行规则制定，获得替代执行对照规则以及替代执行工艺规则；

根据所述订单信息、所述替代执行对照规则以及替代执行工艺规则进行筛选，获得可生产订单集；

根据所述轧件信息以及所述可生产订单集构建映射关系，获得轧件-订单映射集。

可选地，所述映射集构建模块，进一步用于：

根据所述可生产订单集的生产内容进行分类，获得可生产产品集；

基于所述轧件信息，将所述可生产产品集中的产品进行轧件组合，获得可生产轧件集；

根据所述可生产轧件集以及所述可用订单集构建映射关系，获得轧件-订单映射集。

可选地，所述方案获取模块，进一步用于：

根据所述轧件-订单映射集，获得待规划轧件数据以及对应订单数据；

根据所述目标函数模型、约束条件模型、所述待规划数据以及对应订单数据，通过矩形复合填充算法进行1型替代计算，得到1型替代方案；根据所述1型替代方案计算，得到1型成材率；

根据所述1型成材率以及预设1型成材阈值进行校验，获得1型校验结果；当所述1型校验结果大于等于0时，保留1型替代方案；当所述1型校验结果小于0时，不保留1型替代方案；

根据所述目标函数模型、约束条件模型、所述待规划数据以及对应订单数据，通过矩形复合填充算法进行2型替代计算，得到2型替代方案；根据所述2型替代方案计算，得到2型成材率；

根据所述2型成材率以及预设2型成材率进行校验，获得2型校验结果；当所述2型校验结果大于等于0时，保留2型替代方案；当所述2型校验结果小于0时，不保留2型替代方案；

根据所述目标函数模型、约束条件模型、所述待规划数据以及对应订单数据，通过矩形复合填充算法进行M型替代计算，得到M型替代方案；根据所述M型替代方案计算，得到M型成材率；

根据所述M型成材率以及预设M型成材阈值进行校验，获得M型校验结果；当所述M型校验结果大于等于0时，保留M型替代方案；当所述M型校验结果小于0时，不保留M型替代方案；

将所述1型成材率、所述2型成材率和所述M型成材率进行对比，获得最大成材率的对应方案；当所述1型成材率、所述2型成材率和所述M型成材率相等时，成材率遵循1型替代大于2型替代，2型替代大于M型替代的原则；

将所述对应方案确定为最优余坯替代方案。

其中，所述矩形复合填充算法包括动态规划法以及改进遗传算法；所述动态规划法用于1型替代方案以及2型替代方案；所述改进遗传算法用于M型替代方案。

另一方面，提供一种宽厚板余坯替代设备，所述宽厚板余坯替代设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现如上述基于矩形网格复合填充的宽厚板余坯替代方法中的任一项方法。

另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述基于矩形网格复合填充的宽厚板余坯替代方法中的任一项方法。

本发明实施例提供的技术方案带来的有益效果至少包括：

本发明提出一种基于矩形矩阵网格复合填充的宽厚板余坯替代方法，通过对余坯替代规则的制定，大大提升了余坯替代的工艺精度；采用矩型复合填充算法，对最优余坯替代方案进行动态求解，该算法寻优能力强且实际应用表现出色。本发明替代成材率在92％以上，可以有效实现宽厚板余坯自动替代，并且通过多层次替代策略，在保证高成材率的基础上，同时兼顾了切割的简洁性，大大提升后续切割效率，降低用工成本。本发明是一种基于矩形网格复合填充的高效、准确的宽厚板余坯替代方法。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于矩形网格复合填充的宽厚板余坯替代方法流程图；

图2是本发明实施例提供的一种1型替代、2型替代、M型替代示意图；

图3是本发明实施例提供的一种基于矩形网格复合填充的宽厚板余坯替代装置框图；

图4是本发明实施例提供的一种宽厚板余坯替代设备的结构示意图。

具体实施方式

下面结合附图，对本发明中的技术方案进行描述。

在本发明实施例中，“示例地”、“例如”等词用于表示作例子、例证或说明。本发明中被描述为“示例”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用示例的一词旨在以具体方式呈现概念。此外，在本发明实施例中，“和/或”所表达的含义可以是两者都有，或者可以是两者任选其一。

本发明实施例中，“图像”，“图片”有时可以混用，应当指出的是，在不强调其区别时，其所要表达的含义是一致的。

本发明实施例中，有时候下标如W

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明实施例提供了一种基于矩形网格复合填充的宽厚板余坯替代方法，该方法可以由宽厚板余坯替代设备实现，该宽厚板余坯替代设备可以是终端或服务器。如图1所示的基于矩形网格复合填充的宽厚板余坯替代方法流程图，该方法的处理流程可以包括如下的步骤：

S1、根据行业工艺规范制定余坯替代规则以及余坯替代方式。

一种可行的实施方式中，本发明基于多子板-多板坯的组合优化角度出发，根据宽厚板的轧制工艺规范制定余坯替代规则。

余坯替代规则涉及内容包括：同钢种合同优先替代；异钢种合同替代时需满足一坯多钢种规范；钢板尺寸满足板坯轧制尺寸约束；板坯厚度满足压缩比要求，压缩比＝(板坯厚x宽)/(轧件厚x宽)；以及板坯宽度满足最大宽展比要求。

其中，余坯替代方式是根据余坯替代规则制定；余坯替代方式包括1型替代、2型替代和M型替代。

一种可行的实施方式中，本发明根据余坯替代规则制定的余坯替代方式具体如图2所示。依据余坯替代拼板方式越简洁越好的基本原则，在替代率相近或可接受的情况下，优先采用1型替代，其次选择2型替代，在1型替代、2型替代结果不理想的情况下，启动M型替代。

S2、获取订单信息、余坯信息以及轧件信息；根据余坯替代规则、订单信息、余坯信息以及轧件信息进行变量定义，获得决策变量。

其中，决策变量包括轧件订单关系变量以及轧件轧制选择变量。

一种可行的实施方式中，在本发明中决策变量反应了在轧制过程中，轧件订单之间的关系和轧件自身的物理属性。

获取当前工艺条件下的订单信息、余坯信息和轧件信息，具体包括订单和子板信息：轧件序号j；订单序号i；钢种代号r；工艺制程代号b；子板长度l

轧件信息：轧件长度ml

余坯信息：坯料规格类型k

参考替代工艺要求以及上述提到基础信息，设计替代决策变量：a

S3、根据订单信息、余坯信息和决策变量构建数学模型，获得目标函数模型以及约束条件模型。

一种可行的实施方式中，基于矩形网格复合填充的宽厚板余坯替代方法，以最小化废料量、最小化加工损耗为目标，在满足多约束的条件下，建立数学模型，所述目标函数的数学表达式如下式(1)、(2)、(3)：

minf＝f

其中，目标函数minf为最小化总废料量，包括拼板产生的余材及烧损、切边、切头尾量，用余材体积表示。

余材替代的成材率如下式(4)进行计算：

ε＝1-δ

其中，拼板损耗f

约束条件是对替代生产过程中的条件要求，生产出来的各订单子板总数满足需求，即拼完所有的子板，其数学表达式如下式(5)所示：

厚度拼板约束，即轧件厚度与其上订单子板厚度相同，只有相同厚度的子板才能进行拼板，其数学表达式如下式(6)所示：

mh

拼板确定的轧件宽度需满足坯料可轧轧件宽度范围，在该宽厚板生产线中，不同规格的坯料发生转钢轧件可轧宽度范围和不发生转钢轧件可轧宽度范围，其数学表达式如下式(7)所示：

mw

其中，两个区间可合并为[mw

轧件长度计算关系式如下式(8)，即：轧件长度＝母板重量*δ

轧件长度必须小于可取的最大长度且轧件一定是横放，其数学表达式如下式(9)所示：

mw

一个坯料只能被选择一次，其数学表达式如式(10)所示：

限制子板的摆放方向，所有子板在轧件上只能横排即水平放置，其数学表达式如下式(11)：

同一轧件上的所有子板都具有相同的钢种代码和工艺制程，其数学表达式如下式(12)、(13)所示：

r

b

其中，a

在上述约束条件中各变量的取值约束，如下式(14)所示：

所有可分配在某一坯料中的子板重量不超过坯料重量，其数学表达式如式(15)所示：

S4、根据余坯替代规则、订单信息、余坯信息以及轧件信息构建映射关系，获得轧件-订单映射集。

可选地，根据余坯替代规则、订单信息、余坯信息以及轧件信息构建映射关系，获得轧件-订单映射集，包括：

根据余坯信息以及余坯替代规则，对订单信息进行筛选，获得可用订单集；

根据余坯替代规则、可用订单集和余坯信息进行规则制定，获得替代执行对照规则以及替代执行工艺规则；

根据订单信息、替代执行对照规则以及替代执行工艺规则进行筛选，获得可生产订单集；

根据轧件信息以及可生产订单集构建映射关系，获得轧件-订单映射集。

一种可行的实施方式中，按订单对应的钢板分组结果进行轧件动态设定，利用矩形网格复合填充算法进行求解，得到满足订单需求的坯料和拼板方案。

根据余坯的数据信息，获取可用订单集合对应的钢板集；对钢板集按规则进行分组；按照矩形网格，进行多层次复合填充，计算替代成材率；选择并输出最佳替代方案，锁定最佳订单资源。

可选地，根据轧件信息以及可生产订单集构建映射关系，获得轧件-订单映射集，包括：

根据可生产订单集的生产内容进行分类，获得可生产产品集；

基于轧件信息，将可生产产品集中的产品进行轧件组合，获得可生产轧件集；

根据可生产轧件集以及可用订单集构建映射关系，获得轧件-订单映射集。

一种可行的实施方式中，在对钢板集按规则进行分组的过程中，需要获取板坯钢种、厚度、宽度、长度信息；以此为依据制定板坯钢种与成品钢种及执行标准对照规则；并制定宽厚板生产压缩比、宽展比等工艺规则。

根据板坯钢种、规格及上述规则表，获取板坯可能生产的订单数据；对订单按钢种、厚度、宽度分组多种产品；产品种类按可生产宽度范围组合为多类轧件产品(n>＝k)；根据上述步骤处理结果，建立轧件产品与对应订单所需轧件-订单映射集。

S5、基于目标函数模型、约束条件模型和余坯替代方式，根据轧件-订单映射集，通过矩形复合填充算法进行动态求解，获得最优余坯替代方案。

可选地，基于目标函数模型、约束条件模型和余坯替代方式，根据轧件-订单映射集，通过矩形复合填充算法进行动态求解，获得最优余坯替代方案，包括：

根据轧件-订单映射集，获得待规划轧件数据以及对应订单数据；

根据目标函数模型、约束条件模型、待规划数据以及对应订单数据，通过矩形复合填充算法进行1型替代计算，得到1型替代方案；根据1型替代方案计算，得到1型成材率；

根据1型成材率以及预设1型成材阈值进行校验，获得1型校验结果；当1型校验结果大于等于0时，保留1型替代方案；当1型校验结果小于0时，不保留1型替代方案；

根据目标函数模型、约束条件模型、待规划数据以及对应订单数据，通过矩形复合填充算法进行2型替代计算，得到2型替代方案；根据2型替代方案计算，得到2型成材率；

根据2型成材率以及预设2型成材率进行校验，获得2型校验结果；当2型校验结果大于等于0时，保留2型替代方案；当2型校验结果小于0时，不保留2型替代方案；

根据目标函数模型、约束条件模型、待规划数据以及对应订单数据，通过矩形复合填充算法进行M型替代计算，得到M型替代方案；根据M型替代方案计算，得到M型成材率；

根据M型成材率以及预设M型成材阈值进行校验，获得M型校验结果；当M型校验结果大于等于0时，保留M型替代方案；当M型校验结果小于0时，不保留M型替代方案；

将1型成材率、2型成材率和M型成材率进行对比，获得最大成材率的对应方案；当1型成材率、2型成材率和M型成材率相等时，成材率遵循1型替代大于2型替代，2型替代大于M型替代的原则；

将对应方案确定为最优余坯替代方案。

一种可行的实施方式中，获取轧件的钢种、宽度、厚度、长度等数据；按照1型填充需满足的条件，读取轧件i对应的订单钢板集合C1；钢板宽度<＝轧件宽幅and钢板宽带>＝轧件宽度*r，r为最小宽度系数。采用动态规划法，对轧件i进行1型最优替代规划。

按照2型填充需满足的条件，读取轧件i对应的订单钢板集合C2；钢板宽度<＝轧件宽度*r1and钢板宽度>＝轧件宽度*r2，r1、r2为宽度系数。采用动态规划法，对轧件i进行2型最优替代规划。

按照M型填充需满足的条件，读取轧件i对应的订单钢板集合C3；钢板宽度<＝宽度轧件*r3，r3为宽度系数。采用改进遗传算法，对轧件i进行M型最优替代。

保存所以轧件i的替代结果，对各个虚拟轧件的替代结果进行比较，取成材率最高的替代方案。成材率相同的情况下，按照1型>2型>M型进行排序。

其中，矩形复合填充算法包括动态规划法以及改进遗传算法；动态规划法用于1型替代方案以及2型替代方案；改进遗传算法用于M型替代方案。

一种可行的实施方式中，将1型替代与2型替代归结为相对简单的背包问题，即如何选择装入背包的子板，使得装入背包中的子板最接近可用轧件长度。根据不同替代方法的实际搜索空间范围的不同，结合0-1背包问题满足最优子结构的性质，建立各自的状态转移方程，通过递推求出最优解。

设前i块钢板相对于重量为j的轧件的最大面积为sp(i,j)，钢板i的重量为w

对于1型替代，由于轧件仅在对应的一类钢板类别搜索问题的解，视其为一维背包问题，状态转移方程简化如下式(16)：

对于2型替代，由于轧件可在确定的几类钢板类别搜索问题的解，视其为二维背包问题，状态转移方程如下式(17)：

对于M型替代，利用遗传算法结合改进的空白矩形填充算法进行求解。

设定遗传算法参数，初始化种群。参数包括种群数M、代数T、交叉概率Pc、变异概率Pm等；对子板、板坯进行编码。假设轧件种类数为m，板材张数为n，则一个1到m的全排列与一个1到n的全排列，分别称为一个轧件序列以及一个子板序列，两者结合构成了种群的一个个体。

针对种群中的每个个体，采用改进的空白矩形填充算法评估个体适应度，保留最优个体；采用精英保留策略，如果下一代群体的最佳个体适应值小于当前群体最佳个体的适应值，则将当前群体最佳个体或者适应度大于下一代最佳个体适应值的多个个体直接复制到下一代，随机替代或替代最差的下一代群体中的相应数量的个体。

为了保证种群下一代能够尽可能继承父辈优良基因，采用部分匹配交叉来实现交叉操作；采用多点变异对种群实施变异操作，直至满足迭代条件。

在进行适应度值求解的步骤中，需要对给定的订单，按钢种、厚度、宽度组距对可用子板进行分组；对给定的板坯，根据对应的可用钢板宽度范围创建若干个可用轧件；根据给定的轧件、子板信息，随机生成轧件、子板序列A，B(其中A[k]表示编号为A[k]的轧件，B[k]表示编号为B[k]的子板)。

将子板按生成的板材序列排入一个空的剩余矩形链表，使得板材序列中最前的矩形板材在链表最外层，即当前剩余矩形；A[i]为当前排样矩形；判断A[i]能否在当前剩余矩形上排下。

在当前板坯序列中向后查找可以在当前剩余矩形上排放的轧件：交换A[i]和找到的第一个可以排放的轧件在序列中的位置。若不可以在当前剩余矩形上排放的轧件，则将当前剩余矩形从剩余矩形链表中删除，将链表中最外层的剩余矩形设定为新的当前剩余矩形。

根据A[i]的长宽、剩余数量以及当前剩余矩形大小，计算出A[i]可以排下的数量，并按照从上到下，从左到右的顺序依次排放，同时更新A[i]的剩余数量；排放后当前剩余矩形会相应产生0个、1个、2个或者3个剩余矩形，在剩余矩形链表中删除当前剩余矩形，并将新产生的剩余矩形从右到左依次存入剩余矩形链表，最靠近排样区域的剩余矩形在链表最外层，并设为当前剩余矩形；当所有轧件剩余数量总和不大于0时，完成并退出排样。

一种可行的实施方式中，在实际生产过程中分别采用20个订单、30个订单、40个订单进行了三次余坯替代生产，三次测试均得到与比对结果相同的替代订单号。

其中，板坯S100002按1型匹配找到了正确的订单OD100019进行100％完全替代，替代成材率为：(3.289+3.289)*100/6.93＝94.92％。

板坯S100001按M型匹配，平均迭代150次找到了正确的订单OD100028、OD100004、OD100015进行近似100％完全替代，替代成材率为：(4.318*2+1.507*2+1.633*2)*100/15.88＝93.92％。

本发明提出一种基于矩形矩阵网格复合填充的宽厚板余坯替代方法，通过对余坯替代规则的制定，大大提升了余坯替代的工艺精度；采用矩型复合填充算法，对最优余坯替代方案进行动态求解，该算法寻优能力强且实际应用表现出色。本发明替代成材率在92％以上，可以有效实现宽厚板余坯自动替代，并且通过多层次替代策略，在保证高成材率的基础上，同时兼顾了切割的简洁性，大大提升后续切割效率，降低用工成本。本发明是一种基于矩形网格复合填充的高效、准确的宽厚板余坯替代方法。

图3是根据一示例性实施例示出的一种基于矩形网格复合填充的宽厚板余坯替代装置框图，该装置用于基于矩形网格复合填充的宽厚板余坯替代方法。参照图3，该装置包括替代规则和替代方式制定模块310、决策变量定义模块320、模型构建模块330、映射集构建模块340和方案获取模块350。为了便于说明，图3仅示出了该全流程可视化装置300的主要部件：

替代规则和替代方式制定模块310，用于根据行业工艺规范制定余坯替代规则以及余坯替代方式；

决策变量定义模块320，用于获取订单信息、余坯信息以及轧件信息；根据余坯替代规则、订单信息、余坯信息以及轧件信息进行变量定义，获得决策变量；

模型构建模块330，用于根据订单信息、余坯信息和决策变量构建数学模型，获得目标函数模型以及约束条件模型；

映射集构建模块340，用于根据余坯替代规则、订单信息、余坯信息以及轧件信息构建映射关系，获得轧件-订单映射集；

方案获取模块350，用于基于目标函数模型、约束条件模型和余坯替代方式，根据轧件-订单映射集，通过矩形复合填充算法进行动态求解，获得最优余坯替代方案。

其中，余坯替代方式是根据余坯替代规则制定；余坯替代方式包括1型替代、2型替代和M型替代。

其中，决策变量包括轧件订单关系变量以及轧件轧制选择变量。

可选地，映射集构建模块340，进一步用于：

根据余坯信息以及余坯替代规则，对订单信息进行筛选，获得可用订单集；

根据余坯替代规则、可用订单集和余坯信息进行规则制定，获得替代执行对照规则以及替代执行工艺规则；

根据订单信息、替代执行对照规则以及替代执行工艺规则进行筛选，获得可生产订单集；

根据轧件信息以及可生产订单集构建映射关系，获得轧件-订单映射集。

可选地，映射集构建模块340，进一步用于：

根据可生产订单集的生产内容进行分类，获得可生产产品集；

基于轧件信息，将可生产产品集中的产品进行轧件组合，获得可生产轧件集；

根据可生产轧件集以及可用订单集构建映射关系，获得轧件-订单映射集。

可选地，方案获取模块350，进一步用于：

根据轧件-订单映射集，获得待规划轧件数据以及对应订单数据；

根据目标函数模型、约束条件模型、待规划数据以及对应订单数据，通过矩形复合填充算法进行1型替代计算，得到1型替代方案；根据1型替代方案计算，得到1型成材率；

根据1型成材率以及预设1型成材阈值进行校验，获得1型校验结果；当1型校验结果大于等于0时，保留1型替代方案；当1型校验结果小于0时，不保留1型替代方案；

根据目标函数模型、约束条件模型、待规划数据以及对应订单数据，通过矩形复合填充算法进行2型替代计算，得到2型替代方案；根据2型替代方案计算，得到2型成材率；

根据2型成材率以及预设2型成材率进行校验，获得2型校验结果；当2型校验结果大于等于0时，保留2型替代方案；当2型校验结果小于0时，不保留2型替代方案；

根据目标函数模型、约束条件模型、待规划数据以及对应订单数据，通过矩形复合填充算法进行M型替代计算，得到M型替代方案；根据M型替代方案计算，得到M型成材率；

根据M型成材率以及预设M型成材阈值进行校验，获得M型校验结果；当M型校验结果大于等于0时，保留M型替代方案；当M型校验结果小于0时，不保留M型替代方案；

将1型成材率、2型成材率和M型成材率进行对比，获得最大成材率的对应方案；当1型成材率、2型成材率和M型成材率相等时，成材率遵循1型替代大于2型替代，2型替代大于M型替代的原则；

将对应方案确定为最优余坯替代方案。

其中，矩形复合填充算法包括动态规划法以及改进遗传算法；动态规划法用于1型替代方案以及2型替代方案；改进遗传算法用于M型替代方案。

本发明提出一种基于矩形矩阵网格复合填充的宽厚板余坯替代方法，通过对余坯替代规则的制定，大大提升了余坯替代的工艺精度；采用矩型复合填充算法，对最优余坯替代方案进行动态求解，该算法寻优能力强且实际应用表现出色。本发明替代成材率在92％以上，可以有效实现宽厚板余坯自动替代，并且通过多层次替代策略，在保证高成材率的基础上，同时兼顾了切割的简洁性，大大提升后续切割效率，降低用工成本。本发明是一种基于矩形网格复合填充的高效、准确的宽厚板余坯替代方法。

图4是本发明实施例提供的一种宽厚板余坯替代设备的结构示意图，如图4所示，宽厚板余坯替代设备可以包括上述图3所示的基于矩形网格复合填充的宽厚板余坯替代装置。可选地，宽厚板余坯替代设备410可以包括处理器2001。

可选地，宽厚板余坯替代设备410还可以包括存储器2002和收发器2003。

其中，处理器2001与存储器2002以及收发器2003，如可以通过通信总线连接。

下面结合图4对宽厚板余坯替代设备410的各个构成部件进行具体的介绍：

其中，处理器2001是宽厚板余坯替代设备410的控制中心，可以是一个处理器，也可以是多个处理元件的统称。例如，处理器2001是一个或多个中央处理器(centralprocessing unit，CPU)，也可以是特定集成电路(application specific integratedcircuit，ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路，例如：一个或多个微处理器(digital signal processor，DSP)，或，一个或者多个现场可编程门阵列(field programmable gate array，FPGA)。

可选地，处理器2001可以通过运行或执行存储在存储器2002内的软件程序，以及调用存储在存储器2002内的数据，执行宽厚板余坯替代设备410的各种功能。

在具体的实现中，作为一种实施例，处理器2001可以包括一个或多个CPU，例如图4中所示出的CPU0和CPU1。

在具体实现中，作为一种实施例，宽厚板余坯替代设备410也可以包括多个处理器，例如图4中所示的处理器2001和处理器2004。这些处理器中的每一个可以是一个单核处理器(single-CPU)，也可以是一个多核处理器(multi-CPU)。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。

其中，所述存储器2002用于存储执行本发明方案的软件程序，并由处理器2001来控制执行，具体实现方式可以参考上述方法实施例，此处不再赘述。

可选地，存储器2002可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器2002可以和处理器2001集成在一起，也可以独立存在，并通过宽厚板余坯替代设备410的接口电路(图4中未示出)与处理器2001耦合，本发明实施例对此不作具体限定。

收发器2003，用于与网络设备通信，或者与终端设备通信。

可选地，收发器2003可以包括接收器和发送器(图4中未单独示出)。其中，接收器用于实现接收功能，发送器用于实现发送功能。

可选地，收发器2003可以和处理器2001集成在一起，也可以独立存在，并通过宽厚板余坯替代设备410的接口电路(图4中未示出)与处理器2001耦合，本发明实施例对此不作具体限定。

需要说明的是，图4中示出的宽厚板余坯替代设备410的结构并不构成对该路由器的限定，实际的知识结构识别设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

此外，宽厚板余坯替代设备410的技术效果可以参考上述方法实施例所述的基于矩形网格复合填充的宽厚板余坯替代方法的技术效果，此处不再赘述。

应理解，在本发明实施例中的处理器2001可以是中央处理单元(centralprocessing unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

还应理解，本发明实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器(random accessmemory，RAM)可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(doubledata rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。

上述实施例，可以全部或部分地通过软件、硬件(如电路)、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。

本发明中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。