改进的混沌遗传算法及其在炼铜转炉操作优化中的应用

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(CG A), 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.

关键词：混沌遗传算法、神经网络、操作优化、炉寿

所属期刊栏目：11

分类号：TF806.26;TP319(有色金属冶炼)

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：920-924