基于进化计算的混合优化算法及其在轧制规程优化上的应用

摘要

遗传算法是一类借鉴生物自然选择和自然遗传机制的智能优化算法，自60年代Holland教授提出遗传算法以来，至今已取得了很多重要的研究成果，在各个领域取得了广泛的应用。 由于遗传算法适用性好，鲁棒性强，能很好的解决传统传统搜索算法难以解决或无法解决的复杂优化问题，已经成为智能优化方法的一个热点研究领域。但遗传算法用于高维复杂问题的优化时易陷入局部解，优化能力下降，难以搜寻到全局最优解。为了提高遗传算法对复杂优化问题的求解能力，在对当前遗传算法研究的最新进展进行了详细分析的基础上，提出了基于进化计算的混合优化算法，通过与其它优化算法的有机结合来进一步提高遗传算法求解高维复杂问题的能力。 由智能体的特性和进化计算的思想结合而提出的多智能体进化算法，已经在函数优化上取得了很好的效果。根据个体存在于网格中的特点和进化操作算子的特点，结合其它优化算法而提出新的混合优化算法，来进一步提高算法的搜索性能。根据粒子群优化算法的特点和模拟退火算法的特点，将多智能体遗传算法与它们结合起来而提出两种新的混合优化算法。量子算法是近几年出现的进化搜索算法，它采用新颖的量子编码，利用全干扰交叉和量子旋转变异来搜索解空间，有着比传统遗传算法更好的搜索性能。通过对量子编码和进化方式进行分析，和传统的实数编码方式结合起来，提出混合编码的多智能体遗传算法。通过仿真实验证明，上述混合优化算法在求解高维函数的优化问题时有更好的性能。 本文将多智能体遗传算法用于薄板冷连轧的轧制规程优化中，在经验分配法的基础上，用多智能体遗传算法对其进一步优化，以获得在满足工艺条件下使轧制总能耗最小的轧制规程。通过仿真实验，多智能体遗传算法比其它优化方法能更加快速高效的寻找到最优的轧制规程，并编程实现了轧制规程智能优化辅助系统，为实际生产提供一定参考。

目录

文摘

英文文摘

第一章 绪论

1.1进化计算的国内外研究进展

1.2课题的研究背景

1.3本文的主要研究内容

第二章 进化计算的研究现状

2.1遗传算法概述

2.1.1遗传算法的基本原理

2.1.2遗传算法的编码方式

2.2当前进化计算的研究方向

2.2.1进化计算的理论研究现状

2.2.2进化计算的应用研究现状

2.3新的进化计算方法

2.3.1遗传算法中个体的存在形式

2.3.2多智能体进化算法

2.3.3组织进化算法

2.3.4量子进化算法

2.4混合优化算法研究现状

第三章 基于进化计算的混合算法与实验仿真

3.1与进化计算结合的优化算法

3.1.1模拟退火算法概述

3.1.2粒子群优化算法概述

3.2多智能体进化的混合算法

3.2.1多智能体遗传算法描述

3.2.2多智能体进化算法和模拟退火算法的混合优化算法

3.2.3多智能体局部寻优的粒子群算法

3.2.4混合编码的多智能体遗传算法

3.3仿真实验

3.4本章小结

第四章 基于进化计算的轧制规程优化

4.1薄板连轧轧制规程优化的研究现状

4.2薄板冷连轧设定计算及数学模型

4.2.1冷连轧的经验负荷分配模型

4.2.2轧制压力计算模型

4.2.3轧制力矩与轧制功率计算模型

4.3智能体进化计算的轧制规程优化

4.3.1编码方式

4.3.2目标函数和约束条件

4.3.3多智能体进化算法用于负荷分配优化的步骤

4.4实验结果

4.5本章小结

第五章 冷连轧轧制规程智能优化辅助系统的设计与应用

5.1轧制规程智能优化辅助系统的总体设计

5.2轧制规程智能优化辅助系统的应用

第六章 总结与展望

参考文献

致谢

附录 攻读硕士学位期间发表的学术论文