本文關(guān)鍵詞： 熱精軋負(fù)荷分配 多目標(biāo)優(yōu)化 粒子群優(yōu)化算法 Pareto支配 分解　出處：《控制理論與應(yīng)用》2017年01期 　論文類(lèi)型：期刊論文

【摘要】：通過(guò)對(duì)熱精軋負(fù)荷分配過(guò)程的分析,選取負(fù)荷均衡、板形良好和軋制功率最低為目標(biāo),建立了熱精軋負(fù)荷分配多目標(biāo)優(yōu)化模型.為了提高多目標(biāo)優(yōu)化算法解集的分布性和收斂性,提出了一種混合多目標(biāo)粒子群優(yōu)化算法(HMOPSO),該算法根據(jù)Pareto支配關(guān)系得到Pareto前沿進(jìn)而保證種群收斂;采用分解策略維護(hù)外部存檔,該策略首先根據(jù)Pareto前沿求出上界點(diǎn)對(duì)目標(biāo)空間進(jìn)行歸一化處理,然后對(duì)種群進(jìn)行分區(qū)處理進(jìn)而保證種群的分布性能.仿真結(jié)果表明,HMOPSO的收斂性和分布性都好于MOPSO和d MOPSO;采用模糊多屬性決策的方法從Pareto最優(yōu)解集中選擇一個(gè)Pareto最優(yōu)解,通過(guò)與經(jīng)驗(yàn)負(fù)荷分配方法相比,表明該P(yáng)areto最優(yōu)解可以使軋制方案更加合理.
[Abstract]:Through the analysis of the load distribution process of hot finishing mill, the target is load balance, good shape and the lowest rolling power. A multi-objective optimization model for load distribution of hot finishing mill is established. In order to improve the distribution and convergence of the solution set of multi-objective optimization algorithm, A hybrid multiobjective particle swarm optimization algorithm (HMOPSO) is proposed, which obtains the Pareto frontier according to the Pareto dominance relation and ensures the population convergence. The decomposition strategy is used to maintain the external archive. According to the Pareto frontier, the upper bound point is obtained to normalize the target space. The simulation results show that the convergence and distribution of HMOPSO are better than those of MOPSO and d-MOPSO, and a Pareto optimal solution is selected from the Pareto optimal solution set by fuzzy multi-attribute decision making. Compared with the empirical load distribution method, it is shown that the Pareto optimal solution can make the rolling scheme more reasonable.
【作者單位】： 東北大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61374137) 流程工業(yè)綜合自動(dòng)化國(guó)家重點(diǎn)實(shí)驗(yàn)室基礎(chǔ)科研業(yè)務(wù)項(xiàng)目(2013ZCX02 03)資助~~
【分類(lèi)號(hào)】：TP18;TG335.11

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 萬(wàn)再蓮;;粒子群優(yōu)化算法在圓環(huán)陣綜合中的應(yīng)用[J];廣西輕工業(yè);2010年09期

2 楊松銘;;一種基于混沌序列的粒子群優(yōu)化算法[J];齊齊哈爾大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

3 劉卓倩;顧幸生;陳國(guó)初;;三群協(xié)同粒子群優(yōu)化算法[J];華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年07期

4 邵華;;改進(jìn)的粒子群優(yōu)化算法在環(huán)境規(guī)劃與管理中的應(yīng)用[J];市場(chǎng)周刊(理論研究);2009年08期

5 張媛媛;高興寶;;雙評(píng)價(jià)粒子群優(yōu)化算法[J];陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

6 姜長(zhǎng)元;趙曙光;郭力爭(zhēng);冀川;;改進(jìn)型耗散粒子群優(yōu)化算法[J];東華大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

7 莫愿斌;陳德釗;胡上序;王居鳳;;二進(jìn)制粒子群優(yōu)化算法在化工優(yōu)化問(wèn)題中的應(yīng)用[J];計(jì)算機(jī)與應(yīng)用化學(xué);2006年12期

8 邢杰;蕭德云;;混合粒子群優(yōu)化算法及其應(yīng)用[J];化工學(xué)報(bào);2008年07期

9 竇明武;王國(guó)艷;李亮;;一種新型粒子群優(yōu)化算法[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年06期

10 俞歡軍,張麗平,陳德釗,宋曉峰,胡上序;復(fù)合粒子群優(yōu)化算法在模型參數(shù)估計(jì)中的應(yīng)用[J];高�；瘜W(xué)工程學(xué)報(bào);2005年05期

相關(guān)會(huì)議論文 前10條

1 張妍;張曉光;王永鋼;;幾種改進(jìn)型的粒子群優(yōu)化算法[A];第一屆中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集[C];2007年

2 孫紅光;潘毓學(xué);;基于運(yùn)動(dòng)目標(biāo)路徑的粒子群優(yōu)化算法研究[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽(yáng);;混合粒子群優(yōu)化算法求解多層批量問(wèn)題(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第八屆學(xué)術(shù)交流會(huì)論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見(jiàn)青;;一種新的自適應(yīng)粒子群優(yōu)化算法及應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測(cè)算法[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六省（區(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

8 徐俊杰;忻展紅;;基于增強(qiáng)型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類(lèi)改進(jìn)的自適應(yīng)粒子群優(yōu)化算法對(duì)混沌系統(tǒng)未知參數(shù)的估計(jì)[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進(jìn)粒子群優(yōu)化算法的彈道求解方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 劉昊;多樣性增強(qiáng)的粒子群優(yōu)化算法及其應(yīng)用研究[D];北京理工大學(xué);2015年

2 姜毅;動(dòng)態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學(xué);2013年

3 劉華鎣;粒子群優(yōu)化算法的改進(jìn)研究及在石油工程中的應(yīng)用[D];東北石油大學(xué);2012年

4 劉波;粒子群優(yōu)化算法及其在機(jī)電設(shè)備中的應(yīng)用研究[D];中北大學(xué);2011年

5 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實(shí)例[D];浙江大學(xué);2005年

6 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2007年

7 閆允一;粒子群優(yōu)化及其在圖像處理中的應(yīng)用研究[D];西安電子科技大學(xué);2008年

8 余炳輝;粒子群優(yōu)化算法試驗(yàn)研究及擴(kuò)展[D];華中科技大學(xué);2007年

9 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學(xué);2007年

10 徐慧;粒子群優(yōu)化算法改進(jìn)及其在煤層氣產(chǎn)能預(yù)測(cè)中的應(yīng)用研究[D];中國(guó)礦業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陳卓;粒子群優(yōu)化算法的改進(jìn)及在油藏?cái)?shù)值模擬中的應(yīng)用[D];北京建筑大學(xué);2015年

2 白云;基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘[D];西北農(nóng)林科技大學(xué);2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)模型研究[D];蘭州大學(xué);2015年

4 孟亞州;基于粒子群優(yōu)化OTSU的肺組織分割算法研究[D];寧夏大學(xué);2015年

5 鄭博;基于快速排序的多目標(biāo)粒子群優(yōu)化算法的研究及應(yīng)用[D];鄭州大學(xué);2015年

6 米永強(qiáng);非線性規(guī)劃問(wèn)題的混合粒子群優(yōu)化算法研究[D];寧夏大學(xué);2015年

7 李建美;基于自適應(yīng)變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學(xué);2015年

8 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學(xué);2015年

9 牛旭;動(dòng)態(tài)粒子群優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2014年

10 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1553653