[发明专利]基于MOEA/D算法的铝电解生产优化方法

摘要

本发明提供了一种基于MOEA/D算法的铝电解生产优化方法，首先，利用BP神经网络对铝电解生产过程进行建模，然后，利用基于MOEA/D算法对生产过程模型进行优化，得到各决策变量的一组最优解以及该最优解对应的电流效率、吨铝耗能和全氟化物排放量。其中，MOEA/D算法将多目标优化分解为多个单目标优化子问题，其核心思想是获取一个子问题相邻的其他子问题信息，然后进行协同优化，极大地加快了多目标优化的优化速度。该方法确定了铝电解生产过程中工艺参数的最优值，有效提高了电流效率，减少了温室气体排放量，真正达到节能减排的目的。

主权项

一种基于MOEA/D算法的铝电解生产优化方法，其特征在于，包括如下步骤：S1：统计铝电解生产过程中对电流效率、吨铝能耗和全氟化物排放量有影响的原始变量，并从中确定对电流效率、吨铝能耗和全氟化物排放量影响大的参数作为决策变量X；S2：采集时间T内的决策变量X及其对应的电流效率、吨铝能耗和全氟化物排放量Y的样本，得到样本矩阵，利用BP神经网络进行训练、检验，建立铝电解生产过程模型；S3：利用基于MOEA/D算法对生产过程模型进行优化，得到各决策变量的一组最优解以及该最优解对应的电流效率、吨铝能耗和全氟化物排放量；MOEA/D算法对生产过程模型进行优化的具体步骤包括：S31：初始化；S311：将待优化的多个目标分解为N个单目标，并对每个单目标赋予权重(λ₁,λ₂,…λ_N)；S312：计算任意两个权重的欧式距离，对于每个i＝1,2,…N，令B(i)＝{i₁,i₂,…i_T}，则是离λⁱ最近的T个权重；S313：初始化种群初始化目标函数最佳值z＝(z₁,...z_m)^T，z_i＝min{f_i(x¹),...f_i(x^N)}，设置外部存档EP为空；S32：对单个待优化目标最优值进行重复计算，每次产生的新向量都会更加接近多目标优化的最优值；S321：从B(i)中随机选取两个序列号为k,l子向量，运用遗传算子有x^k,x^l产生一个新的解y，并对y运用基于测试问题的修复和改进启发产生y'；S322：更新z：对于j＝1,...m，如果z_i＜f_j(y')，则令z_i＝f_j(y')；S323：更新邻域解：对于j∈B(i)，如果g^te(y'/λ^j,z)≤g^te(x^j/λ^j,z)，则令x^j＝y'，FV^j＝F(y^j)，其中g^te(x/λ^j,z)表示第j个子问题的目标函数，利用切比雪夫法将多目标优化分解为N个标量优化子问题，具体表达式为：$g^{te}=(x/{\mathrm{\λ}}^j,z)=\underset{1\≤i\≤m}{max}\{{\mathrm{\λ}}_i\·|f_i\left(x\right)|-z_i\},{\mathrm{\λ}}^j={({\mathrm{\λ}}_1^j,...{\mathrm{\λ}}_m^j)}^T,$FV为x的目标函数，FVⁱ＝F(xⁱ)，FVⁱ是xⁱ的F值；S324：更新EP，从EP中移出所有被F(y')支配的向量，加入所有不被支配的F(y')；S33：判断EP中的值是否满足条件，如果满足，则输出EP值，如果不满足，则返回S32。