轧制规程的制定是钢材生产过程中最重要的一环。在制定轧制规程时,需对轧制能耗、轧制功率平衡、板形板厚等诸多因素加以考虑。单目标优化虽然能很好的解决由传统轧制规程制定带来的诸多弊端,但是由于其考虑目标单一,具有较强的局限性,无法兼顾多个目标。多目标进化算法可以从多个角度出发,使得轧制规程多目标优化有着其它方法不可比拟的优势。本文对差分进化算法以及其在轧制规程优化中的应用展开研究,主要内容如下:(1)简述了轧制规程优化及其优化模型的建立方法;阐述了差分进化算法的基本原理和其常用的变异、交叉策略。(2)针对自适应跨代差分进化算法在初始阶段两个种群相同,无法有效利用父代与子代间进化信息的问题,提出了基于对位学习的自适应跨代差分进化算法。通过在算法初始阶段加入对位学习机制,使得初始化种群可以迅速找到更逼近于Pareto前沿的子代种群,使算法自始至终都可以高效的利用代与代之间的进化信息,提高了算法的收敛速度。针对冷连轧中薄窄料的特点,建立了轧制规程多目标优化模型,并用基于对位学习的自适应跨代差分进化算法对其优化。相比于实际轧制规程,优化后的轧制规程方案使得三个目标函数都得到了下降。(3)针对差分进化算法中变异操作具有很强的随机性,提出了基于进化方向的差分进化算法。该算法通过计算差分矢量在目标函数中与横轴的夹角,来选取符合收敛方向的差分矢量参与变异操作。该方法改变了差分进化算法中变异操作由随机方法生成,并通过两个多目标测试函数对算法的效率进行了验证。(4)针对轧机轧制过程中工作辊表面磨损带来的模型中参数具有不确定性的因素,直接影响轧制规程优化后解的鲁棒性,建立了考虑工作辊辊径不确定性的轧制规程鲁棒多目标优化模型。应用基于进化方向的差分进化算法对轧制规程鲁棒模型进行多目标优化,其解的鲁棒性要好于相同目标下不考虑工作辊辊径不确定性因素的轧制规程多目标优化解的鲁棒性。