基于遗传算法烧结配料优化方法

《基于遗传算法烧结配料优化方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于遗传算法烧结配料优化方法　　摘要：配料是烧结的基础，烧结配料效果的好坏直接影响到企业的生产效益。传统的烧结配料试算模型存在配料成分不稳定，配料成本高等诸多弊端，本文介绍了利用遗传算法进行烧结优化配料的方法，将优化方案应用到实际生产中取得明显的经济效益。关键词：烧结优化配料遗传算法中图分类号：TF04文献标识码：A文章编号：1007-9416（2013）01-0118-021前言配料是烧结的基础，烧结配料效果的好坏直接影响到烧结矿的化学成分及稳定性，并影响到原料的使用成本。传统的试算模型存在配料成分不稳定，配料成本高，配料能力不足，资源利用不合理等诸多弊端。而传统的

2、求解最优化方法又大多要求搜索空间具有连续可导性，且通常只能给出局部最优解，不易获得全面最优解。近几年来发展起来的遗传算法则较好地解决了这些问题，遗传算法（Genetic6Algorithms，GA）是基于自然选择和基因遗传学原理的有导向随机搜索算法，其求解问题不依赖于系统模型的表达方式，而是对参数集进行了编码的个体进行操作，搜索过程从一个潜在解的群体开始，以模型对应的适应度函数作为寻优判据，根据自然选择和适者生存的竞争策略求解问题。因此将遗传算法应用到冶金配料当中，必定会在生产中取得显著的经济效益。2烧结配料模型的构建烧结厂通常使用多种含铁原料（精粉、澳矿、富粉、返矿

3、、印巴粉）、溶剂（生石灰）配成烧结混合料。其配比是否合理，不仅影响烧结矿的产量、质量，而且极大地影响烧结矿的成本（占整个烧结矿成本的70%～85%），因此烧结配料要满足低成本（经济性）、优良的烧结性能（工艺性）及最终烧结矿优良的冶金性能（质量性）等指标。但由于工艺性和质量性的精确量化较为困难，因此将成本作为目标。把工艺性和质量性要求作为约束条件处理。同时由于这些约束条件都是线性，所以烧结配料最优化问题可以视为线性约束最优化问题来处理。线性约束最优化问题的一般形式可以描述为：MinimizeSubjectto2.1原料条件各种原料的成分见（表1），各种原料的价格见（表2

4、），对烧结矿化学成分的规定要求见（表3）。2.2建立配料计算数学模型6以配1000kg矿粉为例，设需要精矿粉量为kg，澳矿粉量为kg，印度粗粉量为kg，富粉量为kg，返矿量为kg，生石灰量为kg。目标函数为最低成本Minimize=（1）配1000kg矿粉约束条件：（2）烧结矿的品位必须大于某一数值，否则冶炼价值低，厂内规定大于57%。即：（3）氧化钙含量大于3.30%，即：（4）氧化镁的含量大于3.50%，即：（5）二氧化硅含量小于10.00%，即：将上面约束条件整理简化得烧结配料数学模型目标函数：Minimize=约束条件：3遗传算法的设计和实现3.1确定编码方案

5、在求解连续参数优化问题时，基于实数编码的遗传算法不存在编码和解码过程，能够大大提高解的精度和运算速度。故在遗传算法中采用实数编码[1][2][3]。3.2确定适应度函数6遗传算法在进化搜索中基本不利用外部信息，仅以适应度函数为依据[4]，利用种群中每个个体的适应度值来进行搜索。从上节表2烧结所用材料价格表可以得出目标函数的最大值不会超过300。目标函数为最小问题，则适应度函数：3.3选择方法设计选择的方法有多种，这里选用轮盘赌选择法。3.4交叉设计在实数编码策略的遗传算法中，算法的效率及全局优化性能与交叉操作和变异操作密切相关。实数编码的整体算术交叉算法如下：设和是两

6、个父解向量，而和是通过交叉获得的两个后代。整体算术交叉为：首先在[0，1]区间内生成随机数，则两个后代分别为式中。另外可以取。从上式可以看出算术交叉产生的后代，其分量依然在其定义的区间内。3.5变异设计变异操作是对群体中个体串的某些基因值作变动，变异的目的是使遗传算法具有局部随机搜索能力，自适应变异是在非一致性变异操作的基础上发展起来的。其操作过程如下：设是解空间的一个父解向量，若分量被选进行变异，其定义区间为[，]，则变异后的解向量为，其中6式中，是（0，1）上的随机数，是决定变异程度的一个参数，其取值一般为2～5。4优化计算4.1参数确定遗传算法中需预先选择的运行

7、参数主要有：种群数、迭代次数、交叉率、变异率等。这些参数对遗传算法的运行性能及效率影响较大，参数的适当取值很关键。种群数（popsize）：种群规模对遗传优化最终结果以及遗传算法的执行效率影响较大。经过多次实验，本文取种群数为50。迭代次数：是遗传算法进化中止条件。本文经反复实验，取500代较为合适。交叉率（PC）：交叉率控制着交叉操作被使用的频度。较大的交叉概率可增强遗传算法开辟新的搜索区域的能力；若交叉概率太低，遗传算法容易陷入迟钝状态。一般取0.25～1.00。本文经过多次实验取0.3。变异率（Pm）：变异在遗传算法中属于辅助性的搜索操作，主要