神经网络与进化算法结合的卷烟参数优化设计

本文主要探讨了基于神经网络和多目标进化算法在卷烟参数优化设计中的应用，旨在解决卷烟产品设计中的复杂优化问题。研究背景是烟草行业中计算机辅助设计系统的日益重要，尤其是针对卷烟参数优化设计模块的需求。文章指出，卷烟参数优化设计是一个复杂的黑盒多目标优化问题，其特征包括参数与质量指标间的非线性关系以及多个相互冲突的目标。 针对这些问题，作者提出了一个创新的混合策略，即集成神经网络和多目标进化算法（NSGA-II）。首先，利用BP神经网络对历史数据进行训练，构建能够反映参数与质量指标之间非线性关系的模型。然后，将训练好的神经网络模型整合到NSGA-II算法中，作为进化过程中的适应度评价函数，使优化算法能够直接应用于产品参数的优化设计。 文章的主要研究内容和创新点如下： 1. 集成了神经网络和多目标进化算法，创建了一个适合黑盒多目标优化问题的产品参数优化设计方法。这种方法克服了传统优化方法在处理复杂系统建模和多目标协调优化时的局限性。 2. 提出了跨越BP神经网络，用于处理优化问题中的非线性映射，为优化过程提供了一个有效的建模工具，同时也为NSGA-II算法提供了适应度评估依据。 3. 应用了改进的非劣解排序遗传算法（NSGA-II），这种进化算法能有效处理多个相互冲突的目标，寻找帕累托最优解，使得在不牺牲某个目标的情况下，可以优化其他目标。 4. 研究不仅停留在理论层面，还实际应用到了国内某大型卷烟企业的计算机辅助产品设计系统中，证明了该方法的有效性和实用性。 这一研究为卷烟行业的工艺优化和产品质量提升提供了新的思路，也为其他类似复杂系统的优化设计问题提供了参考。通过这种智能计算方法，可以更高效地找到满足多种约束条件下的最佳参数组合，推动烟草行业的技术创新和生产效率的提高。