近年来,随着工业的飞速发展,对带钢的质量要求越来越高,产量需求也越来越大。然而采用传统的方法进行轧制,是不可能同时满足带钢质量和产量上的要求,解决问题的关键是制定合理轧制规程。冷连轧的负荷分配是冷轧轧制规程的核心内容。设计合理的负荷分配方法是冷连轧生产中的一个复杂的技术问题。随着现代社会计算机技术的飞速发展,人工智能在负荷分配领域的运用为解决复杂负荷分配问题开启了新的篇章。本文在研究某钢厂的五机架冷连轧机的基本结构、参数和生产工艺基础上,对轧制过程各种数学模型进行分析选择,确定合适冷连轧过程的数学模型以及负荷分配过程需要优化的目标函数。然后以模型为基础,运用多目标粒子群算法进行负荷分配。粒子群(Particle Swarm Optimization,即PSO)算法作为一种典型的群智能算法已经得到了广泛地应用,其在很多复杂优化问题上已经体现出了良好的效果,本文在对基本的多目标粒子群算法进行研究的基础上,对其改进和应用方面进行了研究,提出了基于高度因子的多目标粒子群算法,同时在算法中建立一个外部档案,将每一代的最优粒子存储在外部档案中,并运用被支配度排序和拥挤度的排序的策略更新外部存档。将改进后的算法与其他几种典型的算法用ZDT系列测试函数进行仿真比较,经过测试函数证明基于高度因子的算法可以有效的跳出局优,更好的收敛到真实的最优前沿。将基于高度因子的多目标粒子群算法(Height-Factor Multi-objective Particle Swarm Optimization,即HF-MOPSO)应用于冷连轧负荷分配研究中,将优化后的负荷分配结果和传统的经验分配法的结果进行比较。结果表明,经过HF-MOPSO算法得到的优化结果在平衡各机架负荷、减少能耗以及提高产品质量上有着明显的优势。