随着我国铝行业的飞速发展,铝合金产品被广泛应用于造纸、汽车、造船、高速列车、电子等各个方面。我国热轧整体装备水平和世界先进水平还有很大差距,特别是在高端产品领域,我国依然依靠进口。本文以某铝加工厂“1+4”铝热连轧机为研究对象,拟通过制定更加科学合理的轧制规程来进一步提高产品质量。制定轧制规程的两大基础是精准的轧制过程模型和高效的多目标优化方法。轧制过程模型是轧制工艺的数学抽象,其准确性直接关系到工艺参数的预报精度。多目标优化算法作为数学工具,在建模过程与规程制定过程中都起到了重要作用。针对实际工程应用中的大规模多目标优化问题,本文构造了一种基于物理规划的多目标差分进化算法。物理规划将目标函数映射为偏好函数,以数学的方法将设计者的偏好定量化,设计过程更加趋近自然。差分进化算法是一种新兴的进化计算技术,适用于求解一些常规数学规划方法所无法求解的复杂优化问题。结合两者的优点,构造了一种便于实际应用的多目标优化算法。仿真结果表明,根据不同的偏好,该算法能得到位于Pareto前沿面不同位置的偏好特解。针对有约束多目标优化问题,本文提出了一种基于环境Pareto支配的选择策略,给出了判断两个解优劣的新标准,特别是明确了可行解与不可行解之间优劣的判断方法。在此基础上,给出了改进的变异策略,缩放因子自适应策略,交叉概率自适应策略等改进的操作算子,共同构成了基于环境Pareto支配选择策略的有约束多目标差分进化算法。针对经典CTP系列测试函数,本文算法和其他三种算法分别独立运行30次。仿真结果表明,本文算法具有更高的稳定性和求解精度。针对轧制过程模型预报精度低的问题,本文通过对大量现场实测过程数据的研究与分析,提出了摩擦系数新模型。该新模型在原有模型的基础上增加轧制温度影响因素,显著提高了模型预报精度。为进一步提高轧制模型预报精度,本文提出了基于数据相似性的动态模型自学习方法。根据前后轧制产品的规格和轧机状态信息,动态更新模型自学习系数。仿真结果表明,该方法提高了模型预报精度。将上述算法分别运用于铝热连轧轧制规程优化计算当中,仿真结果表明,两种算法所得结果较原规程均有很大改善。为进一步验证本文算法的有效性,在仿真实验的基础上,将上述结果在实际轧机系统上进行实验。结果表明,本文所提算法基本符合实际情况,对实际生产具有一定的指导意义。