最优化问题在科学和工程等领域是一个热点问题,传统的牛顿下降法、梯度法等很难找到全局最优解。差分进化算法以其收敛性好,模型简单,容易实现,控制参数比较少在最优化问题中得到广泛应用。随着工业发展,多目标优化问题逐渐成为热点问题,同时也是研究的一个难点。第一代非支配排序遗传算法(NSGA)在多目标领域中显示出比较大的优势,但是随着研究的不断深入和应用范围的不断拓宽,其缺点不断暴露出来。为了更好地解决多目标优化问题,Deb等人在NSGA的基础上提出了改进的非支配排序遗传算法NSGA-Ⅱ。本文对这两种智能进化优化算法的基本原理和一般流程进行了系统的研究,并成功地将其应用于烧结配料的优化问题。本文主要的工作为:(1)介绍了最优化问题及其研究现状,并系统地介绍了差分进化算法和非支配排序遗传算法的一般流程和基本理论;对差分进化算法的不足进行了改进,并论述了NSGA-Ⅱ的基本原理、算法流程等。(2)介绍烧结矿配料的基本概念及研究意义,论述差分进化算法存在的一些问题,并对其不足进行了改进,利用差分进化算法在解决最优化问题的优势对烧结矿配料进行优化,将原料的成本作为目标函数,约束条件为:化学成分、烧结矿碱度、各原料用量非负约束和所有原料总量约束。通过仿真证明:该算法在烧结矿配料优化的可行性。相比于其他的优化算法寻优能力更强,由于差分进化算法容易实现,控制参数少,是一种比较实用的计算方法。(3)详细介绍NSGA-Ⅱ的原理、流程等,论述考虑性能的烧结矿配料优化模型,将性能指标:还原度、转鼓指数(机械强度)、利用系数作为目标函数。利用非支配排序遗传算法在解决多目标优化问题上的优势对该目标进行优化,得到的结果表明:NSGA-Ⅱ解决多目标问题是非常有效的,为考虑性能的烧结矿配料优化提供了一种新的方法。