權利要求書： 1.基于多智能體TLBO算法的球磨機制粉優(yōu)化控制方法，包括：建立球磨機制粉控制模型；對基本TLBO算法進行改進，包括教學因子TF的改進，改進之后的教學因子如式(1)：式(1)中，令TF最大值TFmax，TFi的初始值設計TF1＝1，iter_max表示最大迭代次數(shù)，iter表示當前迭代次數(shù)；建立控制器的狀態(tài)空間模型，將改進的TLBO算法用于球磨機制粉系統(tǒng)控制器的參數(shù)優(yōu)化。2.根據(jù)權利要求1所述的球磨機制粉優(yōu)化控制方法，其特征在于：基本TLBO算法的改進還包括多智能體構造，構造過程如下：構造多智能體狀態(tài)空間函數(shù)：在多智能體系統(tǒng)中當選取未經(jīng)過學習的學員表示為智能體的聯(lián)合狀態(tài)空間S＝[s1，s2，…sn]，式中：s1～sn是未經(jīng)過學習的學員的多智能體狀態(tài)空間；構造多智能體動作相位：使用聯(lián)合動作相位A＝[a1，a2，…an]式中：a1～an為動作相位。3.根據(jù)權利要求2所述的球磨機制粉優(yōu)化控制方法，其特征在于：基本TLBO算法的改進還包括Stackelberg博弈均衡：選取最優(yōu)秀的學員作為領導者，目標函數(shù)為f領導者(x)f領導者(x)＝max(U領導者智能體(s，[a1，…an]))式中：ωi(s，[a1，…an])學員群體中領導者智能體i的性能函數(shù)，θi(s，[a1，…an])學員群體中領導者智能體i的損失函數(shù)，n表示整個學員群體中領導者智能體的個數(shù)；最優(yōu)化學員自身收益，目標函數(shù)為f跟隨者(x)：f跟隨者(x)＝max(U跟隨智能體(s，[a1，…an]))式中：φi(s，[a1，…an])學員群體中跟隨者智能體i的性能函數(shù)， 學員群體中跟隨者智能體i的損失函數(shù)，k整個學員群體中跟隨者智能體的個數(shù)。4.根據(jù)權利要求2或3所述的球磨機制粉優(yōu)化控制方法，其特征在于：基本TLBO算法的改進還包括改進“學”階段：多智能體TLBO算法依次選中每一個學員，然后挑選一個優(yōu)秀的學員作為比較，基于自學習的學習過程為：式(2)中：Xnew，i，表示第i個學員學習后的狀態(tài)值；Xold，i表示原來的狀態(tài)值；r1，r2表示[0，1]之間的隨機數(shù)。5.根據(jù)權利要求1～4任一項所述的球磨機制粉優(yōu)化控制方法，其特征在于：控制器的狀態(tài)空間模型為：使用TLBO算法多智能體學員對控制器Ka，Kb統(tǒng)一進行編碼：設計多智能體TLBO算法的適應度函