1.一种基于遗传算法和罚函数法的板形机构调节量优化方法，其特征在于，包括：步骤1：沿带钢宽度方向将带钢划分为n个测量区段，采集调控带钢板形的执行机构在一定调节量下影响不同测量区段的板形变化量，构造板形调控功效系数矩阵；

步骤2：利用最小二乘法建立板形偏差的评价函数J(ΔS)如下：式中，bi为带钢宽度第i测量区段的板形变化量；pi为轧制力波动在带钢宽度第i测量区段影响的板形变化量；ΔSj为第j个调控带钢板形的执行机构的调节量；i为带钢宽度方向上对应板形仪的测量区段编号，i＝1,2…n；j为调控带钢板形的执行机构编号，j＝1,2…m；

m为执行机构的总数；aij为第j个执行机构对应第i测量区段的板形调控功效，A为板形调控功效系数矩阵；ΔS为所有执行机构的调节量表示的向量；

步骤3：根据执行机构运行的边界条件，将评价函数J(ΔS)转化为一个约束求极值的问题，表示为：

式中，S1j为第j个执行机构的调节量下限，S2j为第j个执行机构的调节量上限；

步骤4：将不等式约束条件经过加权处理构建罚函数Φ(ΔS,M)如下：式中，M为惩罚因子；

步骤5：根据评价函数、罚函数构建适应度函数的分段函数F1(ΔS,M)、F2(ΔS,M)：步骤6：根据适应度函数，利用遗传算法求解每个执行机构的最优调节量。

2.根据权利要求1所述的一种基于遗传算法和罚函数法的板形机构调节量优化方法，其特征在于，所述步骤6包括：

步骤6.1：初始化遗传算法中的相关参数，所述相关参数包括交叉率、变异率、迭代次数；

步骤6.2：随机生成Q个执行机构的调节量作为初始种群；

步骤6.3：根据适应度函数计算种群中每个个体的适应度值；

步骤6.4：根据适应度规则，选择将进入下一代的个体以生成优胜劣汰后的种群；

步骤6.5：按照如下公式所示的交叉策略对优胜劣汰后的种群进行交叉操作；

式中， 表示t次迭代后的种群中的个体，α表示交叉的一个常数，取值为(0,1)，表示交叉后的个体；

步骤6.6：按照如下公式所示的变异策略对交叉生成的种群进行变异操作：式中， 表示变异后的个体，k表示交叉的一个常数，取值为(0,1)，Xmax、Xmin表示个体的上限、下限，r表示随机数；

步骤6.7：重复步骤6.3～步骤6.6，经过T次迭代后，输出的调节量即为执行机构的最优调节量，输出的适应度最大值表示板形偏差最小值，T表示预设的最大迭代次数。