改进的混沌遗传算法及其在炼铜转炉操作优化中的应用
姚俊峰 梅 炽 彭小奇 吴东华 周安梁 江金宏
(1. 中南大学 热工设备仿真与优化研究所， 长沙 410083;
2. 贵溪冶炼厂， 贵溪 335424)
摘 要: 利用混沌优化的遍历性和遗传算法优化的反演性，提出了混沌遗传算法(CGA)，其基本思想是把混沌变量加载于遗传算法的变量群体中，利用混沌变量对子代群体进行微小扰动，随着搜索过程的进行逐渐调整扰动幅度。结果表明，该方法优化效果与前人的优化结果相比，优化效率明显提高。由炼铜转炉造渣期与造铜期操作参数(样本采集、数据预处理、PLS(偏最小二乘法)空间变换、BPN神经网络建模及CGA)的优化和造渣期适应度函数与造铜期适应度函数的变换，使操作参数变量在训练集给出的数据范围的基础上延伸±10%，得到最优点对应的工艺条件，并用于生产中。经过3个多月的试运行，粗铜产量提高6.0%，冷料处理量提高8%，平均炉寿从原来的213炉提高到235炉。
