热连轧轧制规程计算是板带连续轧制操作中最基本的工作,是决定产品质量和生产稳定性的重要因素,而其中的负荷分配则是轧制规程计算的前提和基础,也是轧制规程计算的中心环节。合理的负荷分配方案能够充分发挥设备的能力,从而不仅能提高产品的产量和质量,而且可以降低轧制能耗,提高生产效率。因此,对热连轧过程负荷分配策略的研究具有很强的现实意义。由于基于分解的多目标优化算法可以很好地保持种群的多样性,但是很难求得上界点,而基于Pareto支配的多目标优化算法可以计算出上界点,但是在复杂优化问题中多样性不好,针对上述问题,提出了一种混合多目标粒子群优化算法(Hybrid Multi-objective Particle Swarm Optimization,HMOPSO),该算法根据Pareto支配关系得到Pareto前沿进而促进种群收敛;采用分解策略维护外部存档,该策略首先根据Pareto前沿求出上界点对目标空间进行归一化处理,然后对种群进行分区处理进而保证种群的多样性。基于传统的经验负荷分配方法,通过对热精轧负荷分配数学模型的研究,建立了以板形良好、负荷均衡和总的轧制功率最低为目标,以各机架出口厚度作为决策变量,以工艺特点及实际生产条件为约束条件的基本的热精轧负荷分配多目标优化模型。仿真结果表明HMOPSO在轧制负荷分配问题中得到的解集的收敛性和多样性都要好于其它两种常用的多目标优化算法,与经验负荷分配方案比较,HMOPSO得到的轧制方案更加合理。针对轧制过程中可能会受到不确定因素的影响,导致产品性能发生波动的问题,建立了一种综合考虑了最优性、鲁棒性和鲁棒可行性的热精轧负荷分配鲁棒优化模型。该模型以采样点的目标函数的期望性能衡量解的最优性,采样点的目标函数的标准差衡量解的鲁棒性,并采用6σ准则保证解的鲁棒可行性。仿真结果表明,HMOPSO在该问题上收敛性和多样性的整体性能较好;此外与从热精轧负荷分配优化问题得到的负荷分配方案相比,从热精轧负荷分配鲁棒优化问题中得到的负荷分配方案在保证最优性的同时鲁棒性更好。