在保证产品质量的前提下,如何通过优化多种原料的合理搭配降低烧结矿成本一直是钢铁企业研究的重要课题。当前国内的大部分钢铁企业主要是通过在生产第一线的工长多年工作所积累下的经验设定烧结配矿方案。由于人工经验的主观差异性,所以在配矿方案的调整中很难做到成本和烧结矿质量的时时最优。而且实际工业生产当中,每日配矿方案中的原料成分变化十分频繁,增大了配矿的复杂性。烧结配矿本质上是一个非线性条件约束的目标优化问题,依靠当前的最优化理论进行数学模型的建立,基于计算机的快速处理能力,能够快速、准确、高效地得到最优生产方案,并用于生产设备的控制,获取最大的生产效益。本文的主要研究工作如下:(1)设计了以成本最优为目标的烧结配矿模型。在遗传算法当中添加了灾变操作,利用了灾变作用提高种群在遗传操作过程中全局搜索性能。利用自适应遗传算法中交叉概率和变异概率随进化代数自适应调整的原理,将交叉操作和变异操作随灾变周期进行自适应调整,在灾变完成之后,提高个体的变异能力,增强了算法的局部寻优能力。通过与某钢厂近百批次生产的实际数据比对,在满足企业对烧结矿理化指标要求的条件下可实现烧结矿成本降低3-10元/吨。(2)设计了以成本最优和硫含量最低的多目标烧结配矿模型。提出了一种新的快速非支配排序遗传算法(NSGA-Ⅱ),采用去重操作降低个体重复率,通过在快速非支配层排序中增添极值过滤的操作,减少极端目标值个体对前沿解集的影响。在非支配解排序之后,对处于同一非支配层的个体进行聚类,降低密集区域个体数量,对稀疏区域进行个体填充,增强了Pareto解集中个体分布均匀性同时保证了解集的连续性。相较于实际生产数据,Pareto解集中的配矿方案吨成本降低的同时平均降低硫含量10%左右。(3)利用C#语言将本文研究成果进行了工程实现,开发了“烧结配矿优化计算系统”。合作企业应用结果表明,本文研究的成果总体表现性能良好满足企业生产需要,达到了预期的效果,为降低烧结矿成本,提高烧结矿质量起到重要作用,收到了良好的社会效益和经济效益。