1 蚁群算法

　　蚁群算法从最初的只是针对旅行商问题进行优化，发展到现在特有的优化算法，已经广泛应用到人们生活、工作的领域中，该算法主要包括了指派问题、 调度问题、系统识别，甚至在电力系统、控制参数优化等方面。而加热炉作为发展了近多半世纪的钢铁行业中不可或缺的设备，其在发展过程中也在被研究员们以不 同的控制方法对其进行优化实验，为此寻找******的优化方式来提高加热炉的生产效率。在通常的情况下，由于连接设备、人员的操作以及炉体自身材质等问题在加热 炉运转过程中不可避免地会出现工序混乱的问题，从而导致加热炉温度控制环节中的测定参数显示错误，这样会给加热炉整个生产过程带去一定的影响，甚至使整个 工作系统完全停止。因此，对于加热炉温度的控制进行优化一直是研究员追寻的最终目的。本文主要在蚁群算法基本理论知识的基础上，通过该算法下对电加热炉温度控制器主要参数进行初步模拟尝试，为控制环节提供更多的参数依据。

　　2 蚁群算法优化加热炉温度控制器参数分析

　　优化PID参数的步骤：

　　蚁群算法对PID控制器参数进行优化的基本步骤如下：

　　①利用N-Z计算PID参数Kp0、Ti0、Td0和系统的性能指标σ0、tr0、ts0。

　　②设定蚂蚁数量值m，用含有12个的一维数组Pathk存放第k只蚂蚁所要经过的12个节点的纵坐标，其表示第k只蚂蚁的爬行路径。

　　③设时间计数器t=0，循环次数N=0，以及******循环次数Nmax和初始时刻节点上的信息量(xi，yij，0)的值c(i=1～12，j=0～9)，令Δτ(xi，yij)=0，将全部蚂蚁置于出发点O。

　　④置变量i=1。

　　⑤计算出所有蚂蚁经过的线段上的每一个节点的转移概率，并对这些概率值进行筛选选择出大概率值，同时将大概率值的纵坐标存入Pathk中其所对应的元素中。

　　⑥置i=i 1，使人工蚂蚁依次向下一路径线段前进，在保持每段线路大概率值的纵坐标，直到一个循环完成。

　　⑧令t←t 15，Nc←Nc 1更新每个节点上的信息量，并将数组Pathk中的所有元素清零。

　　经蚁群算法优化过的参数******路径为Path={2，3，3，5，2，1，4，5，3，1，3，2}，同时优化过的控制系统经MATLAB仿真得到的仿真图如图2所示。

　　由仿真曲线可发现，经蚁群算法优化传统PID控制器的加热炉温度控制过程中的上升时间、超调量和调整时间等参量都获得了极大的改进，以此提高了系统自身的适应性。同时，也使得炉温系统的控制精密度准确性提高，抗外界干扰的能力加强，有效避免控制环节的不稳定性。