11、钢铁厂板坯设计与基于约束的聋童电子学习工具研究

钢铁厂板坯设计与基于约束的聋童电子学习工具研究

钢铁厂板坯设计问题

钢铁厂板坯设计可视为带有颜色约束的装箱问题，需将订单合理分配到板坯上。为解决此问题，采用了特定的搜索策略。
- 搜索策略 ：
- 优先选择重量最大的订单。
- 将该订单放置在第一个可用的板坯上。
此策略遵循“先失败原则”，先处理最大订单可减少搜索空间，同时将订单集中在少量板坯上，避免分散，降低损失。该策略在深度优先搜索中实现。
- 测试实例 ：CSPLIB 中的问题实例包含 111 个订单。为精确评估策略效果，考虑了从 12 到 110 个订单的所有子实例以及原始实例。使用 ILOG CP Optimizer 1.0 进行实验，在 2.6 Mhz 的奔腾 4 处理器 PC 上设置 1000 秒的时间限制。结果表明，能在 200 秒内解决 12 到 74 个订单的所有实例，优于以往的约束编程方法。
- 对称性破缺 ：以往研究强调通过添加额外约束来打破对称性的重要性，主要有两类对称性：
- 板坯重量对称性：板坯重量可交换而不改变解的目标值。
- 相同订单对称性：不同板坯上的两个相同订单（重量和颜色相同）可交换。
为避免搜索策略产生对称解，添加了额外约束。但实验表明，这些约束对小实例有用，对大实例会产生负面影响。对于 37 个及以上订单的实例，在时间限制内无法找到最优解。因此，在约束编程解决方案中未使用这些对称性破缺约束，而是采用局部搜索方法显著提高了搜索的收敛性。
- 大邻域搜索 ：大邻域搜索（LNS）是一种