差分進(jìn)化算法改進(jìn)研究及其在鋁熱連軋負(fù)荷分配中的應(yīng)用.pdf

1、差分進(jìn)化算法是一種基于個(gè)體差異的并行隨機(jī)搜索進(jìn)化算法，具有結(jié)構(gòu)簡(jiǎn)單、控制參數(shù)少、全局搜索能力強(qiáng)等優(yōu)點(diǎn)，已被應(yīng)用于諸多領(lǐng)域。但是差分進(jìn)化算法仍存在諸如容易陷入局部最優(yōu)、進(jìn)化停滯、不能求解多目標(biāo)優(yōu)化問題等缺點(diǎn)，限制了其性能的發(fā)揮，阻礙了其應(yīng)用的推廣。因此，對(duì)差分進(jìn)化算法的改進(jìn)研究具有重要的理論研究意義與實(shí)際應(yīng)用價(jià)值。
　　本文在對(duì)差分進(jìn)化算法進(jìn)行深入研究的基礎(chǔ)上，針對(duì)其存在的缺點(diǎn)提出了三種改進(jìn)算法，并將其應(yīng)用于河南某鋁廠“1+4”鋁熱

2、連軋線的軋制力預(yù)報(bào)和負(fù)荷分配優(yōu)化中。本文的主要研究?jī)?nèi)容如下：
　　(1)針對(duì)標(biāo)準(zhǔn)差分進(jìn)化算法變異策略和控制參數(shù)固定的問題，提出了一種基于指數(shù)平滑法和混沌映射的自適應(yīng)差分進(jìn)化算法(ECADE)。ECADE算法根據(jù)策略候選池中每個(gè)變異策略在當(dāng)前產(chǎn)生更好個(gè)體的成功率，使用指數(shù)平滑法預(yù)測(cè)下一代的成功概率，并使用輪盤賭選擇法為下一代個(gè)體選擇變異策略。此外，ECADE算法使用能平衡算法開發(fā)和探索能力的函數(shù)和Logistic映射生成控制參數(shù)值，

3、從而實(shí)現(xiàn)控制參數(shù)自適應(yīng)。經(jīng)標(biāo)準(zhǔn)測(cè)試函數(shù)驗(yàn)證，ECADE算法具有收斂速度快、收斂精度高、探索和開發(fā)能力均衡等優(yōu)點(diǎn)。
　　(2)針對(duì)如何提高初始種群多樣性的問題，提出了一種基于對(duì)稱拉丁超立方體設(shè)計(jì)的自適應(yīng)差分進(jìn)化算法(SLADE)。SLADE算法采用對(duì)稱拉丁超立方體設(shè)計(jì)(SLHD)技術(shù)初始化種群，并根據(jù)一個(gè)較大概率從先前產(chǎn)生更好個(gè)體的策略列表或策略候選池中為個(gè)體隨機(jī)選擇變異策略。此外，SLADE算法引入柯西分布和正態(tài)分布生成控制參數(shù)值

4、，并且根據(jù)產(chǎn)生更好個(gè)體的控制參數(shù)值進(jìn)行自適應(yīng)。實(shí)驗(yàn)結(jié)果表明SLADE算法較其他算法具有更強(qiáng)的尋優(yōu)能力，并且SLHD技術(shù)的引入提高了SLADE算法的性能。
　　(3)針對(duì)如何實(shí)現(xiàn)差分進(jìn)化算法求解多目標(biāo)優(yōu)化問題，提出了一種基于角度鄰域的多目標(biāo)差分進(jìn)化算法(ANMODE)。ANMODE算法在選擇操作中引入了弱支配的概念，實(shí)現(xiàn)了對(duì)多目標(biāo)優(yōu)化問題的求解。角度鄰域的引入使得變異操作可以在鄰域內(nèi)進(jìn)行，保證了個(gè)體的進(jìn)化方向。此外，ANMODE算法

5、的外部存檔維護(hù)機(jī)制對(duì)于改善Pareto前沿近似解集的分布性也起到了關(guān)鍵作用。實(shí)驗(yàn)結(jié)果表明ANMODE算法求解到的Pareto前沿近似解集具有良好的收斂性和分布性，性能明顯優(yōu)于對(duì)比算法。
　　(4)針對(duì)如何減少傳統(tǒng)軋制力模型誤差的問題，提出了一種基于SLADE的BP神經(jīng)網(wǎng)絡(luò)軋制力預(yù)報(bào)模型(S-BP)。該模型使用SLADE算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，從而提高軋制力的預(yù)報(bào)精度。此外，為了增強(qiáng)S-BP模型的抗干擾能力，在S-BP模型的基礎(chǔ)上引入

6、了模型自學(xué)習(xí)，提高了軋制力預(yù)報(bào)的穩(wěn)定性。實(shí)驗(yàn)結(jié)果表明S-BP模型的軋制力預(yù)報(bào)精度明顯高于傳統(tǒng)軋制力模型和BP神經(jīng)網(wǎng)絡(luò)，模型自學(xué)習(xí)也有效地改善了S-BP模型的魯棒性。
　　(5)針對(duì)如何避免精軋機(jī)組負(fù)荷分配不合理及打滑的問題，使用ECADE算法、SLADE算法和ANMODE算法優(yōu)化鋁熱連軋的負(fù)荷分配。將負(fù)荷分配優(yōu)化分別作為單目標(biāo)和多目標(biāo)優(yōu)化問題，使用上述改進(jìn)算法針對(duì)不同目標(biāo)函數(shù)進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明優(yōu)化后的負(fù)荷分配方案減輕了精軋機(jī)組