板带钢热连轧是钢铁生产过程中的关键工序之一,其中热连轧机组中的轧制规程设定计算是带钢连续轧制操作中最基本的工作,而轧制规程设定计算的中心问题即是各机架的负荷分配。目前传统的依靠经验进行轧制负荷分配的方法已经不能满足现代轧钢生产的需要,而合理的轧制负荷分配是充分发挥轧制设备能力,节能降耗,达到板带材产品质量要求的根本保证。因此,利用人工智能技术研究热连轧负荷分配的优化具有重要的工程应用价值。能耗的节约是轧钢控制中的一个重要指标,也是板带轧制技术研究的前沿课题。而合理的负荷分配能够使设备能耗的控制更易于实现。本文以国内某厂热连轧精轧机组为研究对象,以降低能耗为目标,以传统的数学模型为基础,用蚁群算法对热连轧负荷分配、设定计算进行了优化研究。本文的主要内容如下：(1)详细介绍热连轧带钢的发展状况,分析热连轧设定计算的主要数学模型。(2)对蚁群算法(AS)与最大-最小蚁群算法(MMAS)进行分析和研究,以oliver30问题为依托,验证并分析蚁群算法中各参数对算法的影响,确定最佳算法参数。(3)根据蚁群算法的优化特性,设计将蚁群算法应用于负荷分配优化上的方法,并使用C++语言编写仿真实例,以经验负荷分配为基础,利用AS与MMAS对负荷分配进行了优化,对比AS与MMAS的优化结果。仿真结果表明,MMAS的收敛速度较慢但全局收敛性能优于AS。(4)针对国内某热连轧钢精轧机组,基于RAS平台,使用VC++2008设计负荷分配优化程序,并使用现场数据进行测试,将由MMAS优化后的负荷分配结果与该厂原有的能耗曲线法优化的负荷分配结果进行比较。对比分析表明,经由MMAS优化后的负荷分配结果,各机架的出口厚度值、压下率、轧制力分配合理,既保证了前几个机架充分的发挥设备能力给予足够大的压下量,又满足了后几个机架由于板形、厚度精度和性能指标而逐渐递减轧制力的要求。其结果要优于能耗曲线法负荷分配结果。