调配计划创建方法、调配计划创建装置以及炼铁厂的作业方法与流程

1.本发明涉及调配计划创建方法、调配计划创建装置以及炼铁厂的作业方法。


背景技术：

2.近些年，在炼铁工艺中，正在推进各工序中的生产计划、物流计划的优化及制定自动化。在原料工序中，存在堆放场配置问题、原料输送问题、原料调配问题等计划问题等。堆放场配置问题是决定将从装载有原料的船舶卸下的原料堆放到哪个堆放场的问题。另外，原料输送问题是决定何时使用哪个带式输送机系列来支出堆放场、堆垛上的原料的问题。另外，原料调配问题是与装入高炉的原料的调配相关的问题。
3.另外，原料调配问题之一存在矿石调配问题。该矿石调配问题是在满足了高炉要求的性状约束等约束条件的基础上，考虑成本最小的各品种的调配比例的问题。关于该矿石调配问题，在专利文献1中公开了以下那样的方法。在该方法中，遵守与产品的性状和制造设备的能力相关的约束，创建使原料的购买及制造所花费的成本最小化的原料的购买计划及使用计划。而且，此时，即使在以非线性式给出约束式及评价函数的情况下，也将其作为向量变量来实施搜索。
4.专利文献1：日本特开2018-77840号公报
5.然而，在实际的作业中，由于使用大量的原料，因此原料的库存误差易变大。另外，通常露天堆放保管原料，因此难以掌握准确的库存的情况较多。因此，即使是在纸上是满足了库存的约束等的计划，实际上也可能成为不成立的计划。另外，相反地，存在即使是根据纸上的数值库存不足的品种而实际上也有足够的库存的情况。
6.并且，例如也存在在作业侧确定眼前的计划并基于该计划进行作业的情况。在该情况下，例如在专利文献1公开的方法中，产生如下问题：每当制定计划时眼前的计划发生变动。


技术实现要素：

7.本发明是鉴于上述内容而完成的，其目的在于提供能够高速创建满足所要求的品位性状的调配计划而不使确定完毕的计划变动的调配计划创建方法、调配计划创建装置以及炼铁厂的作业方法。
8.为了解决上述的课题、实现目的，本发明的调配计划创建方法包括：获取步骤，获取调配计划的创建所需的输入数据和约束条件，该约束条件包括原料调配后的性状约束、上述原料的每个品种的库存约束及与作业条件相关的作业约束；确定完毕计划约束获取步骤，获取计划对象的调配计划中的已经确定完毕的计划作为确定完毕计划约束；优化问题创建步骤，基于上述输入数据、上述约束条件、上述确定完毕计划约束、预先设定的评价函数值来将优化问题公式化；以及优化步骤，求解上述优化问题。
9.另外，本发明的调配计划创建方法是在上述发明的基础上完成的，其中，上述优化
问题创建步骤基于上述确定完毕计划约束，将上述约束条件所包括的一部分变量固定来将上述优化问题公式化。
10.另外，本发明的调配计划创建方法是在上述发明的基础上完成的，其中，在上述确定完毕计划约束获取步骤与优化问题创建步骤之间包括以满足上述确定完毕计划约束的方式变更上述输入数据及上述约束条件的步骤。
11.另外，本发明的调配计划创建方法是在上述发明的基础上完成的，其中，在上述约束条件或上述确定完毕计划约束包括非线性式的情况下，在上述确定完毕计划约束获取步骤与上述优化步骤之间包括：向量变量创建步骤，对于上述非线性式，将非线性项所包括的一个以上的要素置换为不同的变量并进行向量化，作为向量变量；和非线性约束线性化步骤，通过使用上述向量变量来将上述非线性式线性化并追加与上述向量变量相关的约束条件来创建线性化约束条件，上述优化问题创建步骤基于上述输入数据、上述约束条件、上述确定完毕计划约束、上述线性化约束条件、以及上述评价函数值来将优化问题公式化。
12.另外，本发明的调配计划创建方法是在上述发明的基础上完成的，其中，在上述确定完毕计划约束获取步骤与优化问题创建步骤之间，通过在上述确定完毕计划约束追加惩罚项来放宽上述确定完毕计划约束，上述优化问题创建步骤将上述惩罚项越接近0则解越好的优化问题公式化。
13.为了解决上述的课题、实现目的，本发明的调配计划创建装置具备：获取单元，获取调配计划的创建所需的输入数据和约束条件，该约束条件包括原料调配后的性状约束、上述原料的每个品种的库存约束及与作业条件相关的作业约束；确定完毕计划约束获取单元，获取计划对象的调配计划中的已经确定完毕的计划作为确定完毕计划约束；优化问题创建单元，基于上述输入数据、上述约束条件、上述确定完毕计划约束、预先设定的评价函数值来将优化问题公式化；以及优化单元，求解上述优化问题。
14.为了解决上述的课题、实现目的，本发明的炼铁厂的作业方法在炼铁厂的铁矿石或原料煤的调配计划中利用上述的调配计划创建方法。
15.根据本发明，求解考虑确定完毕的计划而公式化了的优化问题，由此能够高速创建满足所要求的品位性状而不使确定完毕的计划变动的调配计划。
附图说明
16.图1是表示线性规划问题的解区域及可执行区域的示意图。
17.图2是表示在本发明的实施方式的调配计划创建方法中、确定完毕约束放宽步骤涉及的放宽前后的可执行区域的图。
18.图3是表示本发明的实施方式的调配计划创建装置的简要结构的示意图。
19.图4是表示本发明的实施方式的调配计划创建方法的流程的流程图。
20.图5是表示在本发明的实施方式的调配计划创建方法中、确定完毕计划约束获取步骤的详细内容的流程图。
21.图6是表示在本发明的实施方式的调配计划创建方法中、非线性问题优化步骤的详细内容的流程图。
22.图7是表示在本发明的实施方式的调配计划创建方法中、确定完毕约束放宽步骤涉及的放宽前后的目标函数值的图。
具体实施方式
23.参照附图对本发明的实施方式的调配计划创建方法、调配计划创建装置及炼铁厂的作业方法进行说明。此外，本发明并不限定于以下说明的实施方式。
24.首先，对应用本发明的调配计划的优化问题的概要进行说明。在钢铁行业中，将所购入的具有各种性状的多种铁矿石、煤等原料混合，并要求将混合后的品质及性状控制在一定范围内。另外，此时成本被作为重要的指标来判断，因此要求购入成本、制造成本等的最小化。并且，为了不使原料的库存用尽，要求使调配比例发生变化来计划多日的调配。在本发明中，将调配计划作为优化问题进行公式化。本发明作为对象的调配计划的优化问题例如能够如下述式(1)、(2)那样表达。
25.[公式1]
[0026]
min(max)f(x)
…
(1)
[0027]
s.tx≤f
…
(2)
[0028]
这里，在上述式(1)、(2)中，f是n维向量空间rn的子集，f是由rn定义的评价函数。
[0029]
《为线性规划问题的情况》
[0030]
图1是表示线性规划问题(lp：linear programming problem)的解区域及可执行区域的示意图。在线性规划问题中，上述评价函数及约束条件为线性。另外，该图的多边形表示线性规划问题的可执行区域。在求解线性规划问题的情况下，由于仅搜索多边形的顶点(参照该图的虚线圆)即可，因此能够实现高速计算。
[0031]
上述式(1)中的评价函数的值能够根据优化问题来设为规定的数值。例如，能够设为最小值、最大值、或预先确定的规定的值。以下，以本发明的对象亦即原料调配问题为例，将下述式(3)～(6)所示那样的数学模型(以下，称为“第一数学模型”)公式化，考虑优化问题。
[0032]
[公式2]
[0033][0034][0035][0036][0037]
在上述式(3)～(6)中，将x
i，j
设为各计划期间j的品种i的调配量，将s设为各计划期间j的品种i的库存量，将c设为品种i的成本，将n设为各计划期间j的调配量的总和，将di、ei、ki设为品种i的某种成分。在该情况下，上述式(3)～(6)成为以下所示的式子。
[0038]
式(3)：表示调配后的计划的成本的式子
[0039]
式(4)：表示与在各计划期间j应满足的调配量相关的约束的式子
[0040]
式(5)：表示每个品种的库存约束的式子
[0041]
式(6)：表示调配后的性状约束的式子
[0042]
此外，上述式(6)那样的性状约束也可以有多个。另外，上述式(3)～(6)中的c为常数。另外，所有变量及常数为非负实数。
[0043]
另外，由上述式(3)所示的评价函数在这里使用了调配后的计划的成本，但也可以是其他方式。例如，也可以使用期间上邻接的计划期间内的各原料品种的使用量x
i，j
相关的调配率的变化幅度，为将该变化幅度最小化的式子。这是因为：例如与原料调配的方法每日大幅度变化相比，调配的方法类似的情况的作业条件的变化小，因此能够减小作业上的负担。总之，上述式(3)所示的评价函数只要是原料的调配所涉及的作业指标即可，根据情况来将该作业指标的最小化或最大化作为目的即可。
[0044]
上述式(3)～(6)的参数由在后述的调配计划创建方法的输入数据获取步骤(参照图5的步骤s1)中获取到的输入数据给出。此时，在后述的调配计划创建方法的确定完毕计划约束获取步骤(参照该图的步骤s3)中，考虑在第一数学模型(参照上述式(3)～(6))追加了下述式(7)所示的约束条件(以下，称为“确定完毕计划约束”)的情况。
[0045]
[公式3]
[0046]
x
1.1
＝c1…
(7)
[0047]
上述式(7)表示期间1内的品种1的调配量由“c
1”确定。在这样的情况下，例如如下述式(8)所示，在期间1中的品种1的库存量比确定完毕的调配量c1少的情况下，第一数学模型(参照上述式(3)～(6))为“无解”。
[0048]
[公式4]
[0049]s1.1
＜c1…
(8)
[0050]
像这样，在约束条件存在矛盾的情况下，修正在后述的输入数据获取步骤(参照图4的步骤s1)中获取到的输入数据或者在约束条件获取步骤(参照该图的步骤s2)中获取到的约束条件(参照图5的步骤s31)。基于确定完毕计划约束修正了上述式(3)～(6)的数学模型(以下，称为“第二数学模型”)能够如下述式(9)～(14)那样表示。
[0051]
[公式5]
[0052][0053][0054]
x
1.1
＝c1…
(11)
[0055][0056][0057][0058]
通过追加确定完毕计划约束亦即式(11)(＝式(7))，从而与该式(11)矛盾的上述式(5)被修正为上述(12)、(13)那样。上述式(12)意味着将输入数据亦即s
1、1
提升至c1以便满足上述式(11)，表示将该增加的量反映及修正至相关的输入数据。通过这样的输入数据修正，能够创建反映了确定完毕的计划的计划。通过以上的操作，能够在将确定完毕的计划固定(保存)的状态下，高速求解优化问题，且高速创建调配计划。
[0059]
《为非线性规划问题的情况》
[0060]
这里，即使应用的问题为非线性规划问题，也能够应用本发明。例如以下述式(15)～(19)所示那样的数学模型(以下，称为“第三数学模型”)为例进行说明。
[0061]
[公式6]
[0062][0063][0064][0065][0066][0067]
这里，上述式(15)～(18)为与上述式(3)～(6)相同的式子。另外，上述式(19)为表示调配后的性状约束的式子。上述式(19)因包括二次非线性变量而成为非线性规划问题。另外，在该第三数学模型(参照上述式(15)～(19))中，在存在上述(7)、(8)所示那样的矛盾的情况下，也修正输入数据或约束条件。基于确定完毕计划约束修正了上述式(15)～(19)的数学模型(以下，称为“第四数学模型”)能够如下述式(20)～(26)所示。
[0068]
[公式7]
[0069][0070][0071]
x
1.1
＝c1…
(22)
[0072][0073][0074][0075][0076]
接下来，在本发明中，将上述式(26)的非线性变量置换为向量变量，将下述式(27)～(34)所示那样的数学模型(以下，称为“第五数学模型”)公式化(参照图5的步骤s81)。
[0077]
[公式8]
[0078][0079][0080]
x
1.1
＝c1…
(29)
[0081]
[0082][0083][0084][0085][0086]
这里，上述式(33)、(34)中的向量变量g
jk
表示计划期间j内的σeixi，j的近似值的常数。通过上述式(33)、(34)，能够将上述式(26)变更为线性式。
[0087]
另外，第五数学模型(参照上述式(27)～(34))受上述式(33)的向量变量g
jk
的值影响较大，因此准备k个成为设定的常数的组合的向量。即，将k个放宽问题被公式化，通过比较其评价函数值来更新j维向量变量g
jk
的值(参照图5的步骤s82)，进行搜索直至上述式(27)的评价函数为最小即0为止。
[0088]
向量变量g
jk
的值的更新例如能够使用粒子群优化法(pso：particle swarm optimization)、遗传算法(ga：genetic algorithm)等启发式解法。以下，对使用了粒子群优化法的例子进行说明。
[0089]
粒子群优化法的算法为在生物的集体行为中得到了启发的元启发式算法，在给出了成为搜索的对象的评价函数时，多个粒子相互共享信息并寻求最优解而在搜索空间内到处移动。粒子群优化法的特征在于这种概念和算法的简单、动作的灵活、改进的可能性等。在粒子群优化法的算法中，按照下述式(35)、(36)来更新各非线性变量的成分。
[0090]
[式9]
[0091][0092][0093]
在上述式(35)、(36)中，a
mk
表示时刻m∈m中的向量变量k∈k的更新向量，b
mk
表示时刻m中的向量变量k的位置向量(坐标)，r、c分别表示由随机数给出的参数。另外，pk表示个体极值(personal best)，该个体极值表示各粒子(各向量变量)k至时刻m为止所取的最佳的位置向量，gm表示群体极值(global best)，该群体极值表示所有粒子(所有向量变量)至时刻m为止所取的最佳的位置向量。在问题设定为最小化问题的情况下，若目标函数值变小，则更新个体极值pk及群体极值gm。
[0094]
在本发明中，位置向量b
mk
相当于第五数学模型(参照上述式(27)～(34))中的时刻m的向量变量g
jk
。在上述式(35)、(36)的算法中，在到达预先设定的反复计算次数或计算时间、或者在预先设定的一定时间以内不实施解的更新的情况下满足结束条件。而且，若满足上述的结束条件(在图5的步骤s86中为是)则结束搜索。并且，将在搜索结束的时刻得到的群体极值gm的位置向量提供给上述式(33)、(34)(参照该图的步骤s84)，求解优化问题(参照该图的步骤s85)。通过以上的操作，在将确定完毕的计划固定(保存)的状态下，即使原问题(第三数学模型)为非线性规划问题，也能够高速求解优化问题，且高速创建调配计划。
[0095]
(得不到可执行解的情况)
[0096]
第二数学模型(参照上述式(9)～(14))及第五数学模型(参照上述式(27)～(34))包括针对x
1，1
的等式约束(参照上述式(11)、(29))。因此，解空间被该式限定，存在难以得到上述式(35)、(36)涉及的粒子群优化法的初始可执行解的可能性。在该情况下，在本发明中，放宽原问题(参照图5的步骤s32)，将下述式(37)～(42)所示那样的数学模型(以下，称为“第六数学模型”)公式化(参照该图的步骤s33)。此外，下述式(37)～(42)表示放宽了第二数学模型(参照上述式(9)～(14))的数学模型的例子。
[0097]
[公式10]
[0098][0099][0100]c1-p≤x
1，1
≤c1 p
…
(39)
[0101][0102][0103][0104]
这里，上述式(38)、(40)～(42)为与上述式(10)、(12)～(14)相同的式子。另外，上述式(37)的α、β表示非负参数，上述式(39)的p表示由非负实数构成的惩罚函数p。通过上述式(39)，将确定完毕计划约束放宽，如图2所示，可执行区域扩张。另外，通过上述式(37)，以惩罚函数p尽可能接近o的方式更新粒子群优化算法，由此能够得到满足了确定完毕计划约束的解。此时，优选以上述式(37)的第二项相充分大于第一项的方式设定参数α、β。通过以上的操作，能够可靠地求解赋予了确定完毕计划约束的优化问题。
[0105]
[调配计划创建装置]
[0106]
参照图3对本发明的实施方式的调配计划创建装置的结构进行说明。调配计划创建装置1具备输入部10、输出部20及运算部30。
[0107]
输入部10为对于运算部30的输入单元，例如通过键盘、鼠标指示器、数字键盘等输入装置来实现。
[0108]
输出部20例如通过lcd显示器、crt显示器等显示装置来实现，基于从运算部30输入的显示信号来显示计算结果等。
[0109]
运算部30例如通过由cpu(central processing unit)等构成的处理器和由ram(random access memory)、rom(read only memory)等构成的存储器(主存储部)来实现。运算部30将程序加载到主存储部的工作区域来执行，通过程序的执行来控制各结构部等，由此实现与规定的目的一致的功能。
[0110]
[调配计划创建方法]
[0111]
参照图4～图6对本发明的实施方式的调配计划创建方法进行说明。本实施方式的调配计划创建方法用于在预先设定的期间计划评价函数在满足了约束条件的基础上最佳的原料的调配比例。以下，对应用的问题为线性规划问题的情况下的调配计划创建方法进行说明。
[0112]
如图4所示，本实施方式的调配计划创建方法依次进行输入数据获取步骤s1、约束条件获取步骤s2、确定完毕计划约束获取步骤s3及非线性变量判定步骤s4。并且，当在非线性变量判定步骤s4中进行了否定判定的情况下(在步骤s4中为“否”)，依次进行优化问题创建步骤s5、优化步骤s6及结果输出步骤s7。另外，当在非线性变量判定步骤s4中进行了肯定判定的情况下(在步骤s4中为“是”)，依次进行非线性问题优化步骤s8和结果输出步骤s7。此外，以调配计划创建装置1的运算部30为主体的方式实施该图所示的各步骤。
[0113]
(输入数据获取步骤s1)
[0114]
在输入数据获取步骤s1中，经由输入部10来获取调配计划的创建所需的输入数据。作为该输入数据，例如可举出与库存、进货、作业计划、调配计划中使用的品种的性状相关的信息。
[0115]
(约束条件获取步骤s2)
[0116]
在约束条件获取步骤s2中，经由输入部10来获取在原料的调配后所要求的性状、库存的上下限、作业条件等在创建调配计划上所需的多个约束条件。作为该约束条件，例如可举出原料调配后的性状约束、原料的每个品种的库存约束、与作业条件相关的作业约束等。
[0117]
(确定完毕计划约束获取步骤s3)
[0118]
在确定完毕计划约束获取步骤s3中，获取在作业上已决定的确定完毕的计划作为约束。即，在确定完毕计划约束获取步骤s3中，获取计划对象的调配计划中的已经确定完毕的计划作为确定完毕计划约束。另外，在确定完毕计划约束获取步骤s3中，当在确定完毕计划约束与已经获取的输入数据或约束条件之间存在矛盾的情况下，进行输入数据或约束条件的变更(修正)。由此，将眼前的不可变更的计划作为确定完毕来对待。此外，确定完毕计划约束获取步骤s3的详细内容将后述(参照图5)。
[0119]
(非线性变量判定步骤s4)
[0120]
在非线性变量判定步骤s4中，判定经由上述的步骤而得到的约束条件或确定完毕计划约束中是否包括非线性式(非线性变量)。而且，在不包括非线性式的情况下(在步骤s4中为“否”)，进入优化问题创建步骤s5，在包括非线性式的情况下(在步骤s4中为“是”)，进入非线性问题优化步骤s8。
[0121]
(优化问题创建步骤s5)
[0122]
在优化问题创建步骤s5中，基于经由上述的步骤而得到的输入数据、约束条件及确定完毕计划约束来将使预先设定的评价函数值最小化或最大化的优化问题公式化。即，在优化问题创建步骤s5中，基于确定完毕计划约束，将约束条件所包括的一部分变量固定来将优化问题公式化(参照上述式(9)～(14))。
[0123]
(优化步骤s6)
[0124]
在优化步骤s6中，求解在优化问题创建步骤s5中公式化了的优化问题。
[0125]
(非线性问题优化步骤s8)
[0126]
在非线性问题优化步骤s8中，对非线性变量进行常数近似及线性化，将优化问题公式化来求解。此外，非线性问题优化步骤s8的详细内容将后述(参照图6)。
[0127]
(结果输出步骤s7)
[0128]
结果输出步骤s7经由输出部20输出在优化步骤s6或非线性问题优化步骤s8中得
到的结果。
[0129]
＜确定完毕计划约束获取步骤s3的详细内容＞
[0130]
具体地如图5所示，确定完毕计划约束获取步骤s3依次进行修正步骤s31、确定完毕约束放宽步骤s32、及确定完毕约束放宽问题创建步骤s33。
[0131]
(修正步骤s31)
[0132]
在修正步骤s31中，在确定完毕计划约束与输入数据或约束条件矛盾的情况下，适当修正输入数据或约束条件(参照上述式(12))。即，在修正步骤s31中，使确定完毕计划约束优先于输入数据及约束条件。而且，在两者有矛盾的情况下(例如规定期间的规定品种的库存量比确定完毕的调配量少的情况下等)，修正输入数据及约束条件以便满足确定完毕计划约束。
[0133]
(确定完毕约束放宽步骤s32)
[0134]
在确定完毕约束放宽步骤s32中，例如在因包括等式约束(参照上述式(11)、(29))而难以得到粒子群优化法的初始可执行解的情况下，放宽确定完毕计划约束(参照上述式(39))。
[0135]
(确定完毕约束放宽问题创建步骤s33)
[0136]
在确定完毕约束放宽问题创建步骤s33中，将具备确定完毕计划约束的优化问题公式化(参照上述式(37)～(42))。
[0137]
＜非线性问题优化步骤s8的详细内容＞
[0138]
具体地如图6所示，非线性问题优化步骤s8依次进行向量变量创建步骤s81、向量变量更新步骤s82、非线性约束线性化步骤s83、优化问题创建步骤s84、优化步骤s85及结束条件判定步骤s86。
[0139]
(向量变量创建步骤s81)
[0140]
在向量变量创建步骤s81中，将非线性变量向量化，并准备许多变量向量。即，在向量变量创建步骤s81中，在确定完毕计划约束包括非线性式(非线性变量)的情况下，对于该非线性式，将非线性项所包括的一个以上的要素置换为不同的变量并进行向量化，作为向量变量。
[0141]
在向量变量创建步骤s81中，具体而言，将在输入数据获取步骤s1中获取到的非线性变量(参照上述式(19))定义为一维以上的向量变量(参照上述式(33)的“向量变量g
jk”)，并进行向量化。而且，创建预先确定的组合数的该向量变量。
[0142]
(向量变量更新步骤s82)
[0143]
在向量变量更新步骤s82中，基于预先确定的算法来更新向量变量的坐标(位置向量)。在本发明中，作为更新该向量变量的坐标时的算法，使用粒子群优化法，但例如也可以使用遗传算法、禁忌搜索算法等其他优化方法。
[0144]
在粒子群优化法中，针对各搜索单位(search unit)，共享坐标及评价值的信息，并向当前极值(个体极值、群体极值)的坐标方向随机更新坐标。由此，搜索搜索单位的更好的坐标。此外，上述的“搜索单位”相当于本发明中的“向量变量”。
[0145]
(非线性约束线性化步骤s83)
[0146]
在非线性约束线性化步骤s83中，通过使用上述的向量变量来将确定完毕计划约束所包括的非线性式(非线性变量)线性化并追加与向量变量相关的约束条件来创建线性
化约束条件。
[0147]
(优化问题创建步骤s84)
[0148]
在优化问题创建步骤s84中，基于经由上述的步骤而得到的输入数据、约束条件、确定完毕计划约束及线性化约束条件来将使预先设定的评价函数值最小化或最大化的优化问题公式化。即，在优化问题创建步骤s84中，基于在上述的非线性约束线性化步骤s83中创建了变量向量的数量的线性约束的集合和在确定完毕计划约束获取步骤s3中创建了的目标函数来将多个优化问题公式化。
[0149]
(优化步骤s85)
[0150]
在优化步骤s85中，分别求解在优化问题创建步骤s84中公式化了多个的优化问题。
[0151]
(结束条件判定步骤s86)
[0152]
在结束条件判定步骤s86中，判定是否满足预先确定的反复计算次数或计算时间等结束条件。进而，在满足结束条件的情况下(在步骤s86中为“是”)，进入结果输出步骤s7(图4)，在不满足结束条件的情况下(在步骤s86中为“否”)，进入向量变量更新步骤s82。
[0153]
根据以上说明过的本实施方式的调配计划创建方法，求解考虑确定完毕的计划而公式化了的优化问题，从而能够高速创建满足了所要求的品位性状的调配计划而不使确定完毕的计划变动。
[0154]
实施例
[0155]
参照图2及图7对本实施方式的调配计划创建方法的实施例进行说明。在本实施例中，以铁矿石的调配计划问题为例，对非线性规划问题赋予确定完毕计划约束，并按照放宽处理的有无进行划分来比较了得到可执行解的粒子群优化法的粒子的数量。此外，粒子的初始配置随机，在无放宽与有放宽下从相同的坐标开始。
[0156]
其结果是，在无放宽的情况下，在400个粒子中的得到可执行解的粒子为1个，但在有放宽的情况下，400个粒子中的得到可执行解的粒子为400个。这是因为：通过确定完毕约束放宽步骤s32的放宽处理，如图2所示地扩大了可执行区域。另外，如图7所示，最终得到的目标函数值改善了约25％。
[0157]
表1示出在本实施例中作为解输出的调配计划的一部分。如该表所示，可知得到了全部满足设定的约束条件的可执行解。
[0158]
[表1]
[0159]
(表1)
[0160]
[0161]
像这样，若将本发明应用于炼铁厂的铁矿石的调配计划，则能够创建满足规定的品位形状的铁矿石的调配计划而不使确定完毕的铁矿石的调配计划变动。另外，同样地也能够将本发明应用于原料煤的调配计划。因此，在炼铁厂中，能够在维持最初的计划的同时适当制定铁矿石、或原料煤的最佳调配计划来实施作业。
[0162]
以上，通过用于实施技术方案的方式及实施例对本发明所涉及的调配计划创建方法、调配计划创建装置及炼铁厂的作业方法具体地进行了说明，但本发明的主旨并不限定于上述的记载，必须基于本技术请求保护的技术方案的记载进行广义解释。另外，基于上述的记载进行了各种变更、改变等的技术方案当然也包括在本发明的主旨内。
[0163]
另外，上述的调配计划创建装置1可以由一个计算机构成，或者也可以构成为由多个计算机构成并在各计算机间进行信息的授受。另外，上述的调配计划创建方法能够利用安装于计算机的计算机程序来执行。该计算机程序也可以记录在cd、磁带等记录介质并能够读取。
[0164]
附图标记说明
[0165]1…
调配计划创建装置；10
…
输入部；20
…
输出部；30
…
运算部。