基于SPEA2算法的铝电解生产优化方法

摘要

本发明提供了一种基于SPEA2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SPEA2算法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。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，降低了吨铝能耗，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SPEA2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SPEA2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；SPEA2算法对生产过程模型进行优化的具体步骤包括：S31：计算初始个体的适应度F(i)＝R(i)+D(i)，其中R(i)和D(i)是影响F(i)大小的两个因素；根据帕累托支配概念，求出R(i)，即：$R\left(i\right)=\underset{j\in P+NDset,j>i}{\Sigma }S\left(j\right)$式中，P为进化群体，Q为归档集；D(i)是影响F(i)同时考虑支配个体和被支配个体的信息，采用近邻机制对F(i)求得更科学的评价，$D\left(i\right)=\frac{1}{{\sigma }_i^k+2}$$k={\sqrt{\left|p\right|+\left|Q\right|}}_M$式中，M为存档集Q的个体数量，为个体i到其第k个相邻个体之间的欧氏距离，为了计算需要计算个体i到进化群体P和归档集Q中其他所有个体之间的距离，并按照增序排列；S32：对种群进行环境选择，得到新的归档集Q_t+1，t为当前迭代次数；S321：优先选取适应值小于1的种群个体放入外部归档集Q_t+1中，即：S322：若Q_t+1中的个体数量和Q相等，则直接使用新的存档集Q_t+1；若Q_t+1中的个体数量小于Q，即|Q_t+1|＜M，则在上一代P_t和Q_t中选择(M‑|Q)个适应度小的优秀个体进入Q_t+1中；若Q_t+1中的个体数量大于Q，则按照修建过程依次选择个体i从Q_t+1中删除：在上式中，表示个体i与归档集Q_t+1中第k个个体的欧氏距离，当有多个个体在与其前l个邻近个体具有相同的最小距离时，而与其第k个邻近个体具有不同的距离时，删除一个具有最小距离的个体；S323：判断新的归档集Q_t+1是否满足要求，若满足，则返回Q_t+1的值，若不满足，则进入步骤S324；S324：计算个体适应度：F(i)＝R(i)+D(i)；S33：通过选择、交叉、变异操作得到更新后的新种群P_t+1；S34：将新的种群P_t+1和新的归档集Q_t+1代入步骤S31中进行重复运算，直到Q中的个体满足要求或循环运算次数达到上限，则退出运算，并输出此时的Q。