[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

本發明公開了一種基于優化小生境遺傳算法的熔煉配料方法，包括下述步驟：S1.建立多目標函數，提出各種參數的指標為多約束條件，建立配料優化數學模型；S2.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.根據K均值聚類算法把種群分為K個聚類并確定聚類中心；S4.選擇、自適應交叉、自適應變異和小生境淘汰操作；S5.判斷是否滿足終止條件得到最終配料的加入量。本發明針對配料優化中現存的多目標求解難和易陷入局部最優解等問題，對基于優化小生境遺傳算法的熔煉配料方法中的多目標函數確定權值、小生境半徑和交叉和變異算子這三個過程進行改進，并且有效顯著提高配料比的準確度，節約成本。

技術領域

本發明涉及配料技術領域，具體涉及一種基于優化小生境遺傳算法的熔煉配料方法。

背景技術

如何在保證成分要求和操作工藝的前提下，降低配料成本和提高產品質量近來成為研究熱點。應用智能優化技術研究更有效、更科學和更便捷的配料方法是改變當前配料優化過程單憑配料經驗、很少考慮配料成本、手工操作落后等狀況的重要途徑和必然方法。

近年來，隨著國家對基礎設施的大額投入以及中國工業化的大力推進，我國總產量和需求量節節攀升，越來越多的研究人員將智能優化方法應用于配料優化領域。傳統的配料優化算法大多為線性規劃、神經網絡、模擬退火、專家系統、蟻群算法等，文章[張學鋒等.基于線性規劃的智能煉鐵配料系統[J].計算機系統應用,2019,28(04):87-93.]采用線性規劃的方法建立煉鐵配料的數學模型，利用單純形法求解達到成本最優；文章[趙宏博等.球團礦優化配料方法及應用研究[J].燒結球團,2018,v.43(04):43-47.]建立以成品球團礦的化學成分指標為約束條件，將成本最低作為尋優目標的配料模型，并選用非線性規劃方法進行模型求解。這些方法能夠解決配料模型較為簡單的問題，但是在配料模型中約束條件越來越復雜情況下，難以得到最佳配料比，且收斂速度較慢、易陷入局部最優，具有局限性，不適合處理復雜的配料模型。智能優化算法以其通用性強廣泛應用于生產調度和模式識別等領域。目前已有學者將智能優化算法應用于配料優化計算，有效的解決了傳統計算配料模型存在的問題。文章[杜家楠.基于遺傳算法與非線性規劃優化燒結成本[J].市場研究,2018,No.472(08):26-27.]提出用遺傳算法優化燒結配料，由于建模中的約束條件比較多，利用罰函數來處理約束條件使求解更加便利，成功地運用遺傳算法降低了傳統的煉鋼成本。隨著工廠的需求逐漸增加，傳統智能優化算法法出現了新的問題：不僅需要考慮配料成本的問題，也要同時考慮產品質量和原料用量的問題，因此，如何求得多目標函數的最佳配料比并滿足復雜的約束條件成為新的問題焦點。

發明內容

為了解決現有技術問題，本發明提供一種基于優化小生境遺傳算法的熔煉配料方法，首先建立以生產成本、原料用量和質量為優化目標，以元素含量、非負等為約束條件的多目標優化模型。其次，采用差值粒子群算法將多目標優化問題轉化為單目標優化問題。最后，根據工廠生產的實際執行因素，將基于改進的K均值聚類算法優化自適應小生境遺傳算法與實際工廠生產過程相結合，合理地生成配料比，達到減小生產成本、降低生產能耗、提高產品質量的效果。

為解決上述技術問題，本發明所采取的技術方案是：

一種基于優化小生境遺傳算法的熔煉配料方法，包括下述步驟：

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

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，并計算各個個體的適應度值，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；