生产过程操作优化是在满足生产工艺约束的基础上,根据作业计划确定过程控制层各控制变量的最优设定值,对于产品质量和生产过程的能源消耗具有重要影响。在钢铁企业的连续退火生产过程中,关键控制参数通常依赖人工经验进行设定,由于连续退火工艺复杂、优化目标众多、生产环境动态变化,导致经常出现带钢质量波动大、能源消耗高等问题。针对以上问题,本文以某大型钢铁企业连退生产过程为背景,建立了以产品质量、机组产能、能源消耗为目标的动态操作优化模型。基于模型所具有的动态、多变量、多目标等特点,提出了基于记忆机制的混合多目标遗传算法进行求解。包括以下研究内容:(1)针对连退生产过程操作优化的建模,通过现场调研确定了产品质量、机组产能、能源消耗三个优化目标;通过对连续退火生产过程机理的分析,确定了与优化目标直接相关的操作变量以及工艺约束条件;通过分析实际生产中的动态变化因素,建立了连退生产过程多目标动态操作优化模型。(2)生产开始时刻各操作变量的初始设定是一个静态操作优化问题,针对该问题开发了混合多目标遗传算法。在多交叉策略的基础上,提出了基于个体最好解集的新种群生成方式,以有效利用算法以往搜索结果来提高新种群质量;提出了带有引导机制的父代解选择方式,能够在加快收敛速度的同时保持种群搜索的分散性。基于Benchmark测试问题和实际问题的测试结果表明了所提出的改进策略和算法的有效性。(3)针对生产过程动态变化情况下的连退操作优化问题,设计了基于记忆机制的混合多目标遗传算法。该算法以混合多目标遗传算法为基础,在生产环境发生变化时,基于记忆机制对种群进行重新初始化。种群的重新初始化在以往外部档案集的基础上通过Pareto分层方法进行选择,以有效利用算法以往的搜索结果,提高算法在新生产环境下的收敛速度,基于实际动态问题的仿真测试结果表明所提出的算法能够快速获得新生产环境下操作变量的优化设定值,具有较好的环境变化适应能力。