粒子群算法是一种典型的智能优化算法,具有结构简单、易操作、收敛速度快等特点。但在解决复杂的多目标优化问题时,例如:连续问题、不连续问题、多峰问题、非均匀问题、抛物线问题等,粒子群算法在收敛性和多样性上仍存在一些不足。因此,针对以上缺陷,本文对多目标粒子群算法进行改进,并将其应用到唐山某钢厂1250mm冷连轧轧制规程优化中。主要研究的内容如下:(1)针对粒子群算法在处理复杂多目标优化问题时,难以收敛到真实的前沿和非支配解集的分布不均匀问题,本文提出了一种基于R2指标混合的多目标粒子群算法。采用Sigmoid函数自适应调节粒子更新公式的惯性权重和学习因子,平衡算法的探索和开发能力。另外,利用快速非支配排序与R2指标相结合的策略更新维护外部存档。标准测试函数ZDT、DTLZ和UF系列测试函数验证了算法的有效性。仿真实验结果表明,基于R2指标的混合多目标粒子群优化算法在解决具有不同特性的复杂多目标优化问题时,表现出良好的收敛性和分布性。(2)在基于R2指标的混合多目标粒子群优化算法研究的基础上,进一步研究R2指标在收敛性和分布性上的作用,本文提出了基于R2指标选择机制的多目标粒子群算法。采用改进的R2指标公式计算的贡献值进行外部存档的更新和维护,同时完成算法的收敛和解集的分布,不需另加其他的收敛或分布策略。为了权衡算法在收敛过程中的探索和开发能力,采用非线性余弦函数自适应调整惯性权重。另外,为避免粒子陷入局部最优,采用高斯变异策略重新初始化位置和速度。标准测试函数ZDT、DTLZ和UF系列函数验证了算法的有效性。仿真实验结果表明,基于R2指标选择策略的多目标粒子群优化算法能够表现出良好的性能。(3)为提高产品质量和降低成本消耗,本文采用基于R2指标改进的多目标粒子群算法进行轧制规程优化。根据生产目的和生产特点,以等相对负荷和预防打滑作为两个目标函数。为了提高轧制力预测精度,采用深度学习网络进行轧制力预报。仿真结果表明,优化后的方案降低了打滑率和平衡了各机架负荷,在确保产品质量的同时降低了生产能耗。