基于改进灰狼算法的无人矿车路径规划

针对露天矿山复杂地形环境下常规的运输路径规划方法易陷入局部最优、路径收敛速度慢、耗时长等问题,提出了一种改进的灰狼算法,对无人矿车进行路径规划。考虑矿区地形坡度起伏变化的特点,通过建立坡度-速度模型,将矿区栅格环境中矿车的速度引入到上下坡行驶状态转移规则中;构造一种结合正余弦变换的收敛因子,以更好地平衡全局和局部的搜索能力;将最优灰狼个体进行随机交叉扰动,加强狼群跳出局部最优的能力。仿真试验结果表明,在20 km×20 km复杂的矿区栅格环境下,改进的灰狼算法在规划平均路径和平均运行时耗上较遗传算法、正余弦算法和传统灰狼算法分别缩短了2.53%～4.77%和3.97%～12.32%。在寻优能力、收敛速度以及稳定性等方面均优于传统算法,研究可为智慧矿山建设中露天矿山无人矿车的运输作业工作提供借鉴。     

用群智能算法确定井下火灾多救护队最优路径

确定最优应急救援路径是应对矿井火灾的首要任务。通过判断井巷可通行性、确定井巷通行难易度系数,解算了井巷当量长度,构建了基于多救护队的井下火灾救援路径模型。依据粒子群算法和蚁群算法的优点,提出了混合策略,即利用粒子群算法搜索蚁群算法参数α、β、ρ,再反馈到蚁群算法中,对多救护队最优救援路径进行搜索。通过MATLAB软件平台,利用该混合算法求解实例中最优救援路径,即当量长度最短的路径,为矿井事故预案救援和井下人员应急逃生提供理论依据。     

量子遗传算法在地震资料寻优中的应用

量子遗传算法QGA以量子理论为基础,利用量子位编码代替经典遗传算法的二进制位编码,利用量子旋转门定向更新种群,使得算法具有一定的内在并行运算能力和量子的隧道效应,从而加快了搜索速度,改善了收敛速度,并具有更强的全局寻优能力。针对地球物理反演问题的非线性、多极值特点,将QGA引入一维反演中,根据实际参数的多少以及问题的复杂性确定种群的大小,通过种群的量子位编码表示,量子位测量得到对应的二进制值,继而得到相应的正演模型参数值,在计算种群拟合值和保留最优值后,再利用量子旋转门定向更新种群,最后进入下一轮搜索得到最优解。通过理论模型,突出表明了量子遗传算法在地震资料寻优中能快速寻出全局最优值的效果及收敛性较好、精度高的特点。     

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...     

基于改进遗传算法的矿井突水避险路径规划

为了降低煤矿生产中发生突水事故的人员和财产损失,在对矿井巷道结构和煤矿突水特性研究分析的基础上,提出了基于改进遗传算法的煤矿突水避险路径规划方法。以遗传算法为基础,通过对遗传算子进行重新设计,引入新的交叉、变异算子,并在适应度函数中加入安全通过概率作为路径优劣的评定标准,在尽量避免出现早熟现象的前提下,提升算法的收敛速度和可靠性,使算法更适合应用于矿井突水应急逃生和救援路径搜索。实验结果表明,将本算法应用于矿井突水避险路径规划,与传统算法相比,在搜索速度和规避淹没巷道的能力上都有明显提升。     

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。     

基于混沌遗传混合法的裂隙岩体模型参数识别

利用混沌运动所特有的随机性、遍历性和规律性,以及遗传算法的全局搜索特性,提出了一种混沌遗传混合优化算法。其基本思想是对遗传算法搜索寻优的结果作微小扰动,再进行混沌搜索。该方法兼有混沌优化与遗传算法的优点,比传统的遗传算法更具有跳出局部最优的能力,搜索的效率也有很大的提高。算例表明该方法具有广泛的应用前景。     

矿井通风网络的多种群自适应粒子群算法优化研究

针对矿井通风网络分支风量优化问题,以矿井通风网络的总功率最小为目标,结合矿井模型中风量平衡方程、风压平衡方程、分支阻力方程以及风机特性曲线方程等约束条件,提出一种多种群自适应粒子群优化算法(MA-PSO)对矿井通风网络实现寻优。首先对随机生成的种群进行初始化预处理,将适应值从高到低排序,然后以预处理后的局部最优解为圆心,以局部最优解与其他粒子的欧式距离的平均值为半径,将种群划分成五个子种群,接着在速度更新公式中引入拓扑项和种群交流因子,以种群为单位在求解空间中搜索,保障种群的多样性,从而加快种群进化和算法收敛速度;最后采用自适应权重和冗余粒子初始化淘汰策略,提高算法搜索能力和学习能力。仿真结果表明:该算法具有较好的多模态寻优率、更快的收敛速度和更高的收敛精度,优化后通风系统消耗的总功率较之前相比下降26. 78%,节能效果显著。     

Unidirectional guided-path network design method based on hybrid genetic algorithm

针对自动导引车系统单向导引路径网络设计问题提出一种混合遗传算法。建立综合考虑空载和负载总路程的路径网络设计模型,并对路径网络进行预处理,以降低算法复杂度;遗传算法采用二进制编码,每位染色体都对应一条路径的方向;为提高遗传算法的收敛速度,在选择、交叉和变异后增加了禁忌搜索操作;为保持种群的多样性,在形成新一代种群时采用基于海明距离的小生境淘汰运算。实验结果表明,与传统遗传算法和禁忌搜索算法相比,所提算法具有更好的整体性能。     

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。