在铝热连轧生产中,好的轧制规程能够降低能耗,改善板带质量。本文以某铝热连轧精轧机组为研究对象,基于现场提取的轧制数据,对该机组的轧制力预报及轧制规程优化问题进行了仿真研究。在轧制过程的分析中,机理模型被广泛应用,本文深入研究了温度、张力、轧制力等主要数学模型。近年来,现场数据越来越容易获得,机器学习技术日趋成熟,回归计算方法成为当前轧制力建模的主要方法。本文基于现场采集到的轧制数据对支持向量机模型进行训练,在训练过程中选用改进的果蝇算法(FOA)对最小二乘支持向量机(LSSVM)的惩罚参数和核函数参数进行优化。通过引入位置判别因子使果蝇算法具有了负半轴寻优的能力,并加入了自适应步长策略和分组搜索策略,改善了算法的快速性和收敛性。该模型的轧制力预报精度良好,能够满足现场需要。轧制规程优化中需考虑多个目标函数,为解决这一多目标优化问题,本文提出用多目标差分-分布估计算法进行规程优化。改进了差分进化算法的差向量和最优粒子选取方法,设计了算法切换因子使之与分布估计算法进行组合,该组合算法的收敛性和分布性相对原算法都有了明显改善。用该算法对某铝热连轧精轧机组进行规程优化,仿真结果表明,该算法能够获得收敛性和分布性良好的近似Pareto前沿,充分考虑了各个目标的折衷关系,为决策者提供了选择便利。