[发明专利]基于NSGA-Ⅱ算法的铝电解生产优化方法

摘要

本发明提供了一种基于NSGA-Ⅱ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NSGA-Ⅱ算法对映射模型进行搜索,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。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NSGA‑Ⅱ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NSGA‑Ⅱ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；NSGA‑Ⅱ算法对生产过程模型进行优化的具体步骤包括：S31：初始化种群，种群大小为N；S32：计算每个个体的非劣级别值、拥挤距离和改进排序适应度值；S33：设置计数器r＝1，进入循环迭代；S34：对每个子种群依据每个个体的非劣级别值、拥挤距离和改进排序适应度值，运用轮盘赌方法进行设定阈值选择操作；S35：使用算术交叉算子进行变异操作，得到N个后代；S36：对变异操作之后的每个个体计算适应度值；S37：收集第r代和第r+1代所有个体，得到规模为2N的临时种群；S38：计算临时种群内每个个体的非劣级别值、拥挤距离和改进排序适应度值，使用按需分层策略，从临时种群中选择前N个个体作为最优种群，作为下一代遗传操作的父辈；S39：判断生成的新种群是否满足结束条件，如果是，则输出结果，否则，将计数器r＝r+1，跳转至步骤S34。