多目标进化算法及其在轧制规程优化中的应用研究

【摘要】：在进行轧制规程优化时,需要同时考虑多个目标,如：总轧制能耗最小,轧制功率分配平衡等,这就需要在高度复杂的搜索空间中对多个冲突的目标进行寻优,传统的多目标优化方法往往难以有效的求解这类问题。多目标进化算法在求解多目标优化问题时具有传统多目标优化方法不可比拟的优势。然而,目前常用的多目标进化算法存在的自身不足及其在实际应用中的诸多困难,一直阻碍其在轧制规程优化中的应用。本文针对多目标进化算法及其在轧制规程优化中的应用展开研究,主要内容和成果如下： 1)在查阅大量文献的基础上,对多目标进化算法与轧制规程优化的部分基本理论以及它们的发展历史和研究现状进行了综述。 2)为了加强多目标进化算法的搜索能力、加快其收敛速度、使多目标进化算法更适合于轧制规程优化问题的求解,将对位学习与非支配排序遗传算法(NSGAⅡ)相结合,提出了基于对位学习的多目标遗传算法。该算法在NSGAⅡ的种群初始化和种群进化过程中加入了对位学习机制,提升了NSGAⅡ的性能。之后,对该算法在热连轧精轧轧制规程优化中的应用进行研究,根据热连轧精轧的特点和轧制过程数学模型建立了热连轧精轧轧制规程的多目标优化模型,并应用基于对位学习的多目标遗传算法对热连轧精轧轧制规程进行优化,获得了比原轧制规程更好的结果。 3)为了加强多目标进化算法的局部搜索能力、提高多目标进化算法的求解效率,将用于单目标差分算法的自适应局部搜索算法推广到多目标进化算法。采用克隆选择算子对局部搜索算法中的个体进行更新,并且提出一种自适应调整被搜索个体的克隆规模的方法来解决推广中的关键问题,进而形成了克隆选择自适应局部搜索算法。将其与多目标遗传算法相结合,构成了基于克隆选择自适应局部搜索的多目标Memetic算法。将单目标进化算法的收敛性证明思路推广到多目标进化算法后,对该算法的收敛性进行了证明。之后,研究了该算法在热连轧精轧制规程优化中的应用,仿真结果表明该算法用较少的运行时间获得了比原轧制规程及基于对位学习的多目标遗传算法更好的结果,为基于多目标进化算法的轧制规程优化的在线应用奠定了基础。 4)为了缩短基于进化算法的轧制规程优化所需的运行时川,增加其在线应用的可能性,需要用小种群来获得高质量的Pareto解集,为此,将免疫算法与标准化正规化约束方法相结合提出了基于免疫算法的标准化正规化约束方法,并对该方法的收敛性进行了分析。结合实际生产过程,建立了冷连轧轧制规程的多目标优化模型,对基于免疫算法的标准化正规化约束方法进行仿真验证,获得了较好的优化结果。 5)为了进一步缩短轧制规程多目标优化问题的求解时间,提出一种改进权重自适应方法,并以遗传算法、PSO和克隆选择算法为基础对冷连轧轧制规程进行了多目标优化。在原冷连轧轧制规程多目标优化模型的基础上加入了反映带钢打滑概率的目标函数。将改进权重自适应GA、PSO和克隆选择算法应用于不同规格带钢的轧制规程优化中,获得了很好结果。基于改进权重自适应进化算法的轧制规程优化,考虑的目标更多,所需运行时间更少,在线应用的可能性更大。