[发明专利]基于AR偏好信息的差分进化铝电解多目标优化方法

摘要

本发明提供了一种基于AR偏好信息的差分进化铝电解多目标优化方法，首先利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，再利用偏好多目标量子个体群算法对生产过程模型进行优化，得到各决策变量的一组最满足决策者期望的最优解以及该最优解对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。利用差分进化算法中变异、交叉和选择操作，对决策变量进行偏好寻优，以此确定铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量和吨铝能耗，满足决策者偏好的同时，达到节能减排的目的。

主权项

1.一种基于AR偏好信息的差分进化铝电解多目标优化方法，其特征在于，包括如下步骤：S1：选择对电流效率、槽电压以及全氟化物排放量和吨铝能耗有影响的控制参数构成决策变量X＝[x1,x2,…,xM]，M为所选控制参数的个数；S2：选定铝电解工业现场，采集N组决策变量X1,X2,…,XN及其对应的电流效率y1,y2,…,yN，槽电压z1,z2,…,zN，以及全氟化物排放量s1,s2,…,sN和吨铝能耗c1,c2,…,cN为数据样本，以每一组决策变量Xi作为输入，分别以对应的电流效率yi、槽电压zi以及全氟化物排放量si和吨铝能耗ci作为输出，利用递归神经网络对样本进行训练、检验，建立四个铝电解槽生产过程模型；S3：利用基于AR支配的偏好多目标差分进化算法，结合DE算法，形成AR‑PMDE算法，根据决策者预先设定的期望值作为参考点，建立基于AR支配的严格偏序关系，对步骤S2所得的四个生产过程模型进行优化，得到一组最满足决策者期望的决策变量Xbest及其对应的电流效率ybest、槽电压zbest以及全氟化物排放量sbest和吨铝能耗cbest；S4：按照步骤S3所得的最优决策变量Xbest中的控制参数来控制步骤S2中所选定的铝电解工业现场，使其满足决策者偏好的同时，达到节能减排降耗的目的。