古静 田渝 刘雅靓

摘 要：钢水脱氧合金化是一个非常复杂的过程，在寻求最优合金配料比的同时，也要尽可能地降低预测成本。根据成本优化目标的分析，本文将采用遗传算法，建立优化目标函数后，经过选择、重组、变异后，输出最优个体，从而得到最优预测成本方案。

关键词：遗传算法;优化目标函数;最优预测成本方案

随着当前钢铁行业高附加值钢种产量的不断提高，如何通过历史数据对脱氧合金化环节建立数学模型，在保证钢水质量的前提下，尽可能控制生产成本，有着重要意义。本文基于低碳钢HRB400B的历史数据记录，建立“脱氧合金化”总成本最优化模型，并采用遗传算法进行求解。

一、遗传算法模型的求解

1、构造初始种群

首先，需要构造个体产生的初始种群，设C、Mn、S、P、Si 的含量即连铸正样为 ，根据表中数据大小，将的值域设定在[0.001，0.0999]之间，编码长度用每三位数值表示一个编码，如C含量数值为0.0257，则它的编码表示为[2，5，7]，通过这个方法，将 C，Mn，S，P，Si 的含量的每一个数据都可建立成一个编码[1]，以此类推，将这五种元素每一横行都进行此类编码，以便为下一步计算做好数据准备。

2、适应度计算

根据要求得知生产所得合金的元素必须在不同钢号所对应的内控范围之内，且所需优化方案中的优化目标一个是元素的收得率，另一个是最终的生产成本，构造优化函数，其中表示收得率，表示成本价格，t为与 的相关性系数，因为两个参数量纲不同，所以都要先进行归一化，再计算基于总吸收率与成本价格的相关系数。……