[發明專利]一種基于優化小生境遺傳算法的熔煉配料優化方法

有效

• 申請號: 202010106328.7
• 申請日: 2020-02-21
• 公開（公告）號: CN111260157B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 馮海領;袁夕霞
• 申請（專利權）人: 天津開發區精諾瀚海數據科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/12;G06K9/62
• 代理公司: 石家莊知住優創知識產權代理事務所(普通合伙) 13131
• 代理人: 林艷艷

1.一種基于優化小生境遺傳算法的熔煉配料方法，其特征在于，包括下述步驟：

S1：建立原料成本、原料用量和產品質量的多目標函數，提出生產過程中的各種參數的指標為多約束條件，建立配料優化數學模型；

S2：針對多目標的特點提出一種基于差值粒子群優化方法對多目標函數進行加權處理，將多目標模型轉化為單目標函數的問題；

S3：初始化種群，隨機生成M個個體，并計算每個個體的適應度值，對每個個體的適應度進行計算按降序排列，并記憶前N個個體；

S4：根據基于密度值改進的K均值聚類算法把種群分為K個聚類并確定聚類中心；

S5：進行選擇操作，在每個聚類中隨機選取個體進行自適應交叉和變異；

S6：小生境淘汰操作，將S3得到的M個個體記憶的N個個體合并起來，得到了一個含有M+N個個體的新群體，確定新群體中的個體屬于哪個聚類，在每一個聚類中計算每兩個個體X_i和X_j的適應度大小，并對其中適應度較低的個體加罰函數；

S7：計算新的適應度并記憶前N個個體；

S8：若滿足終止條件，則輸出算法結果，算法完成，若不滿足終止條件，則將種群及種群代數計數器更新；

所述步驟S1中，原料成本的計算公式如下：

其中，F表示使用原料成本，n表示有n種原料，c_i表示第i種生產的原料的單價，x_i表示第i種加入原料的用量；

目標函數為原料用量，公式如下：

其中，G表示使用原料用量，n表示有n種原料，x_i表示第i種加入原料的用量；

產品質量是指生產出產品品質的好壞，通過計算成分偏差來反映產品的品質，即成分偏差越小產品質量越好；

成分偏差計算公式為：

其中，Z表示生產產品的質量，m表示有m個元素約束，n表示有n種原料，x_i表示第i種加入原料的用量，a_ij表示第i種原料含有的第j種元素的元素含量，z_j表示產品中第j種元素含量最佳控制點，G表示使用原料用量；

約束條件為工藝性能要求，公式如下：

其中，x_i表示第i種原料的加入量，n表示有n種原料，n_j是目標產品的第j種元素的成分要求下限，m_j是目標產品的第j種元素的成分要求上限，a_ij是第i種原料的第j種元素含量；

約束條件為總量要求，公式如下：

其中，x_i表示第i種原料的加入量，n表示有n種原料，G為使用原料用量；

所述步驟S2中，采用基于差值粒子群優化方法決定配料優化中多目標函數權值的計算，步驟如下：

1-1)已知有3個目標函數，利用粒子群算法分別求出各子目標函數的最優解，記做Y_i,i＝1,2,3；

1-2)將各目標函數得到的最優解代入不同的目標函數，獲取相應的目標函數值f_i(x_j)，即f_i(x_j)表示第i個目標函數的最優解代入第j個目標函數的函數值；

1-3)計算第i個目標函數的差值θ_i

其中，θ_i表示第i個目標函數的差值，j表示第j個目標函數，f_i(x_j)表示第i個目標函數的最優解代入第j個目標函數的函數值，f_i(x_i)表示第i個目標函數的最優解代入第i個目標函數的函數值；

1-4)按照公式計算第i個目標函數的平均差值；

其中，u_i表示第i個目標函數的平均差值，i表示第i個目標函數，θ_i表示第i個目標函數的差值；

1-5)按照公式計算權重系數λ_i

其中，q表示q個目標函數，u_i表示第i個目標函數的平均差值，λ_i表示權值；

1-6)為了均衡有效解的范圍，將上述權重系數按大小進行排序，按照差值大的目標函數乘以較小的權重系數，差值小的目標函數乘以較大的權重系數，重新構造目標函數；

通過基于差值粒子群優化方法可以對原料用量、產品質量、原料成本的多目標函數加上權值得到單目標函數。

2.根據權利要求1所述的一種基于優化小生境遺傳算法的熔煉配料方法，其特征在于：所述步驟S5中，通過引入Sigmoid函數，使得交叉概率和變異概率呈現出S型，自適應的交叉和變異算子，具體為：

其中，P_c(x)為第x代的交叉概率，P_c為初始交叉概率，GEN為總的進化代數，x表示進化代數；

其中，P_m(x)為第x代的變異概率，P_m為初始變異概率，GEN為總的進化代數，x表示進化代數。