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

作     者：张伟丰 

作者单位：武汉科技大学 

学位级别：硕士

导师姓名：王朝辉

授予年度：2006年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：遗传算法 进化计算 量子进化 多智能体 优化 轧制规程 

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。