基于遗传算法的模式搜索法求解地下水管理模型

为改善遗传算法局部寻优精度较差的固有缺陷,该文引入一种新的基于遗传算法的模式搜索法求解地下水管理模型.首先通过在遗传算法中引入精英保留的进化策略,提高遗传算法的收敛性,进行全局搜索得到全局近似最优解,在此基础上采用局部寻优类算法模式搜索法进一步改善优化结果,最后将该混合优化方法用于求解一个地下水管理的基准问题.计算结果...     

基于混合遗传算法的通风网络解算研究

通过论述矿山常用的风网解算模型,重点对风网解算模型和方法进行了分析,指出了其存在的不足和应用局限性,建立了通风网络的优化解算模型,并提出了一种基于混合遗传算法的风网解算新方法。该方法充分发挥了遗传算法的群体搜索和全局收敛性,有效地克服了经典风网解算方法对分支风量初始值敏感问题;同时在遗传算法中引入经典算法(最速下降法)作局部搜索,克服了遗传算法收敛速度慢和精度差的缺点。最后通过一个矿山风网实例验证(已被其它算法解算过),证明了本文设计的混合遗传算法是一个有着可靠的收敛性、较高的收敛速度和精度,是解算矿山通风网络的一种成功算法。     

改进型蚁群算法在煤炭运输中的应用研究

研究煤炭配送路径问题,提高运输质量。针对传统物流方法在配送路径规划中,存在搜索时间长,得不到最优解,导致效率低等问题。为了提高煤炭运输配送效率,提出一种改进蚁群算法的配送路径优化方法。该方法建立了基于蚁群算法的配送路径模型,通过改进基本蚁群算法中节点访问策略和自适应挥发系数的更新规则,使蚁群搜索有效地避免陷入局部最优,加快了收敛。仿真结果表明,改进方法缩短了搜索时间,提高了算法效率,能有效解决煤炭运输问题。     

基于改进遗传算法的移动机器人路径规划

针对遗传算法容易出现"早熟"现象及陷于局部最优解的问题,提出采用全局与局部相结合的路径规划方法。即先用Dijkstra算法搜索出粗的路径,再通过改进遗传算法的一系列操作如选择、交叉、变异等来优化此路径,这样绝对不会出现无效路径,并且可以得到最优解。通过实验仿真验证了算法的有效性。     

基于改进狮群算法和BP神经网络模型的磨矿浓度预测

针对当前选矿生产过程中磨矿参数难以实时测量,导致的无法对磨矿流程控制进行有效实时优化的问题,提出了一种基于改进狮群算法和BP神经网络的磨矿浓度预测方法。传统的狮群算法(Lion Swarm Optimization, LSO)存在容易陷入局部最优解和局部搜索能力弱的问题,通过改变狮王更新方式的同时加入衰减因子,来提升全局搜索能力,避免陷入局部最优解,对于母狮和学习狮的更新方式引入了动态学习策略,来优化局部搜索能力,并在仿真测试中验证了改进算法的优越性。同时利用改进的算法代替BP神经网络中的梯度下降法,来搜索最优的权值和阈值,提升BP神经网络收敛速度和收敛精度。试验结果表明,改进狮群算法优化的BP神经网络(Improved Lion Swarm Optimization-BP,ILSO-BP)在此预测问题上有更好的效果。     

基于改进小生境伪并行遗传算法的电力系统无功优化研究

将小生境伪并行遗传算法进行改进,用于对电力系统无功功率进行优化。这种遗传算法是对小生境遗传算法和并行遗传算法的一个有效改进,该方法兼顾了对局部最优解和全局最优解的搜索,既维持了群体的多样性,避免了早期收敛现象的发生,又增强了自然群体进化的并行性,加快了搜索进程。实验结果表明该方法是有效可行的,通过合理选取选择、交叉、变异及小生境算子,能得到电力系统无功功率优化的最优解。     

采矿工程全局最优化设计问题模拟退火算法求解

本文针对采矿工程最优化设计问题中普遍存在的多峰现象，初步探索了应用模拟退火算法求解全局最优解的问题。结果表明，该法能够有效地求解传统的确定性优化方法所不能奏效的全局最优解问题。     

采矿工程全局最优化设计问题模拟退火算法求解

本文针对采矿工程最优化设计问题中普遍存在的多峰现象，初步探索了应用模拟退火算法求解全局最优解的问题。结果表明，该法能够有效地求解传统的确定性优化方法所不能奏效的全局最优解问题。     

遗传算法和模矢法结合的概率积分法参数反演方法

遗传算法在反演概率积分法预计参数时从参数取值范围内的串集开始搜索,并使用弹性策略来维持群体的多样性,使得算法可以跨过局部收敛的障碍,向全局最优解方向进化;但这种概率化的寻优算法存在局部探索能力差、结果不稳定的缺陷,只能获得问题的近似最优解。模矢法是一种降梯度算法,算法局部探索能力强、收敛快;但这种算法对初值选取敏感,初值选择不当易陷入局部极值。本文提出并实现了一种模矢法与遗传算法结合的组合算法:先使用遗传算法求得参数的全局近似最优解,然后将近似最优解作为探索初值,使用模矢法获得参数的稳定、精确最优解。研究结果表明:组合算法反演概率积分法预计参数的精确度高、收敛快、稳定性好,综合性能较遗传算法和模矢法有明显优势。     

Multi-objective optimization algorithm for multi-page invoice order scheduling problem

针对多联票据订单调度问题进行研究,考虑最小化所有订单的最大完成时间、平均完成时间、最大延迟时间和平均延迟时间四个目标函数,提出一种多目标混合遗传算法。基于问题自身的特点提出完整解的构造算法,使用随机变动的权重实现多维多方向的搜索,设计了基于非主导性比较的局部搜索算法以寻找更多更好的非主导解,建立与更新全局非主导解集档案以保留最好的Pareto近似最优解。采用Pareto兼容的衡量参数,将该算法与两种对照算法进行了比较。大量算例的试验结果表明,该算法能够得到更接近于Pareto前沿且多样性分布更好的Pareto近似最优解集。     

基于GA优化BP神经网络变压器故障诊断的研究

BP算法基于梯度下降原理是一种局部寻优算法,在变压器故障诊断应用中网络学习过程收敛速度慢,且易陷入局部极小值。而遗传算法(GA)具有并行计算的特点,可以有效防止搜索过程收敛于局部最优解。将二者结合起来,由GA寻找最优的BP神经网络权值与相应节点的阈值。仿真结果表明:此方法既能快速收敛,又能大大提高避免陷入局部极小的能力,改善了故障诊断的精度和速度。     

基于改进的花粉算法的抽水试验数据分析

以花粉算法为基础,采用立方映射产生的混沌序列,模拟花粉配子初始化提高算法的全局搜索能力,加入单纯形算法提高计算精度,建立改进的花粉算法.分别采用基本花粉算法和改进的花粉算法,分析直线供水边界含水层抽水试验数据,确定含水层参数.就种群规模和待估参数初值范围等因素对算法收敛性的影响,进行了数值实验.结果表明,改进的花粉算法能够有效地应用于求解分析抽水试验数据,确定含水层的计算问题;种群规模越大,算法精度越高,但耗时太长;待估参数的取值范围对收敛性有一定的影响,范围较小收敛性更好.较基本的花粉算法,改进的花粉算法具有搜索能力强,计算精度高,收敛速度快等优点.     

基于改进蚁群算法的地下矿车辆生产调度路径优化研究

针对地下矿生产调度中某一班次的车辆运输路径优化问题,应用蚁群算法探讨如何解决这一NP难题问题。传统蚁群算法存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点;为克服这些缺点,提出在蚁群算法每次迭代过程中,先用自适应策略控制其收敛速度,提高搜索性能,再结合性能指标进行优化。实践证明,改进蚁群算法克服了传统算法自身的不足,提高了算法性能,具有很好的推广价值。     

基于TS-IPSO混合算法的大型配电网扩展规划

配电网优化扩容是配电网扩展规划中的常见问题,利用优化算法在技术约束条件下使总成本降到最低。提出了一种禁忌搜索（TS）和改进粒子群优化（IPSO）混合算法来优化配电网扩展规划,利用TS算法改进了PSO算法中的粒子运动,得到了TS-IPSO混合算法,兼容了增加变电站扩建等低维问题和配电网馈线扩建等高维问题。在IPSO算法中,加入了局部搜索作为智能变异来改善算法在收敛条件下的馈线扩建。并将所提出的TS-IPSO混合算法应用于3种不同的配电网进行了实例分析。结果表明,在大型配电网扩建规划中,TS-IPSO混合算法比其他算法具有更强的运算能力。     

基于自繁衍鱼群算法的土质边坡滑动面搜索

土质边坡的稳定性问题一直是土力学的一项重点课题,而最危险滑动面搜索是其稳定性评价的关键工作。将自繁衍鱼群算法引入到土质边坡稳定性分析的临界滑动面搜索中。该方法在标准鱼群算法的基础上,借助于自然生态繁衍的规律,包含了进食竞争和交配竞争等思路,提高算法的效率,克服其易陷入复杂函数的局部最优、后期收敛减慢等缺陷。结合2个典型的边坡实例进行搜索最小安全系数和临界滑动面,计算结果表明,与常规方法相比,该方法具有更好的收敛效果和精度,为土质边坡的稳定性分析提供了一种新的搜索方法。     

基于CSSA-F-SVM模型的矿用卡车发动机智能故障诊断

针对矿用卡车发动机小样本故障数据导致诊断精度不足的问题,提出了一种基于改进的麻雀搜索算法优化基于凸半径边缘的SVM模型(F-SVM)的矿用卡车发动机智能故障诊断方法。首先,针对麻雀搜索算法中全局搜索能力不足的问题引入链式搜索策略。其次,遵循位置最优原则,对加入者位置更新进行改进,以提高其收敛性能。最后,使用改进后的麻雀算法对F-SVM的核参数g和惩罚因子C进行寻优,进而构建矿用卡车发动机故障诊断模型。实验结果表明,本文CSSA-F-SVM模型方法的预测准确度更高,分别较传统SVM和F-SVM模型提高了21.5%和4.1%。该模型能够较好地实现矿用卡车发动机常见故障的诊断,适用于小样本数据的故障预测,可为矿山机械设备的智能故障诊断提供参考。     

基于Clifford代数的露天矿山路径优化算法

露天矿山路径优化问题是指在满足特定物理和经济约束之下,搜索最佳运输线路的组合优化问题,对于降低矿山运营成本具有重要的现实意义。但目前常规的露天矿山路径优化算法,主要从静态的道路有向图网络优化出发,无法实现大规模时变动态网络的高效分析和优化决策。本文以扎哈淖尔露天矿为例,将欧式空间内经典的有向图网络分析方法扩展至Clifford代数空间,建立了节点、有向边以及路径的统一表达,提出了路径几何拓扑连通性和标量约束指标的计算方法,实现了几何拓扑计算和数值最优化求解问题的分离;针对传统静态网络分析方法无法动态表达系统能耗变化的问题,建立了基于时变运输功最小化的路径优化模型,并结合行驶阻力特征给出了时变阻力的计算方法;研究了因路面频繁碾压破坏和周期性维护而导致的滚动阻力系数周期性时变效应,并提出计算时变滚动阻力系数的方法;最后为进一步提高算法收敛效率,提出了两组推论和一组数值计算优化策略对遗传算法的数值计算进行了改进。经多次仿真实验验证,算法能快速收敛于全局最优解,说明了算法对于解决矿山实际路径优化问题可行且有效。其次,几何代数化方法的引入也为传统路径优化问题求解提供了一种有效实现拓扑关系计算和数值计算解耦的新方法,弥补了静态网络无法实现时变动态网络分析的不足,为提高露天矿运输系统大规模路网模型的快速效率,提供了一种全新的求解思路。     

Hybrid genetic algorithm for the optimization of mine ventilation network

Used genetic algorithm (GA) to optimize the network of ventilation in order to avoid artificial convergence and speed up the convergence rate to introduce the Powell algorithm. The Powell algorithm had been integrated into GA. Powell had the effective capacity of solving the local optimal solution. Powell and the cross as a method of choice, a variation of the parallel operator, can be a better solution to the premature convergence of the GA problem. The two methods will be improved to make it an effective combination of hybrid GA called hybrid genetic algorithm (HGA) for the introduction of mine ventilation network optimization and to be used to solve the problem of regulating mine optimization.