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。     

潜水Neuman井流模型水文地质参数最优解算方法

潜水Neuman井流模型是非稳定井流的代表性模型。该文从最优化角度出发,使用1st Opt、Mathcad、Aquifer Test等软件及人工配线法进行了参数解算及对比研究。1st Opt最优化软件不依赖于模型参数初值,求解结果为全局最优解;Mathcad及Aquifer Test求解结果为局部最优解。全局最优解优于局部最优解及手工配线解。     

模拟退火算法求解采矿工程最优化设计问题

针对采矿工程最优化设计中普遍存在的多峰现象，探索了应用模拟退火算法求解全局最优解。结果表明，该法优于优化方法。     

基于遗传算法的矿井火灾时期风流优化控制

应用遗传算法对矿井火灾时期的风流定量优化控制问题进行求解，克服了传统的通风网络优化控制算法的某些局限性，介绍了ＧＡ参数优选的方法。实验表明：ＧＡ能以很大的概率找到所求问题的全局最优解。     

基于遗传算法的铰接车辆油缸行程差的优化研究

针对铰接式车辆油缸行程差在设计中存在的问题,建立了油缸行程差的数学模型。考虑最大行程差作为性能约束条件,使其满足设计要求。并利用MATLAB软件编写了最大行程差遗传算法优化程序,得到全局最优解,绘制出解的变化和适应度变化曲线图,描述遗传算法的搜索过程,在获取可靠的转向系统全局最优解的同时,使求解过程简化,计算精度提高,从而为转向系统的优化设计提供了理论参考和借鉴。     

改进蚁群算法及其在煤炭运输中的应用

针对基本蚁群算法在求解过程中容易出现收敛时间过长和陷入局部最优的不足,提出了一种动态自适应的蚁群算法(DSACO),在算法DSACO中改进了算法的重要参数,当算法疑似陷入局部最优时,通过自适应调整参数来提高全局最优解的求解质量和信息量强度;最后在煤炭运输问题上进行实验仿真,结果表明,DSACO算法与基本蚁群算法相比较,加快了收敛速度,提高了全局寻优能力。     

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...     

基于实值编码遗传算法的提升机主轴装置优化

提升机主轴装置优化是包含离散变量和连续变量的多峰函数优化问题,用传统的方法容易陷入局部最优解和所得的最优解,通过圆整之后很可能在可行域之外。采用遗传算法实形和整形数混编,使得更易取得全局最优解且最优解在约束条件之内,在工程设计中具有应用价值。     

煤矿井下铰接式自卸车转向系统优化研究

针对铰接式转向车辆设计中存在的问题,建立了铰接式转向系统多目标优化设计的数学模型。考虑转向阻力矩和油缸输出力矩作为性能约束条件,使其满足设计要求。并利用Matlab软件编写了铰接式转向系统转向阻力矩和油缸输出力矩的遗传算法优化程序,绘制出解的变化和种群均值的变化,在获取可靠的转向系统全局最优解的同时,使求解过程简化、计算精度提高。     

潜水Boulton井流模型水文地质参数解算的最优化方法

潜水Boulton井流模型是非稳定井流的代表性模型。该文利用国产最优化软件1st Opt,使用非简化井函数求解潜水Boulton井流模型的水文地质参数。参数对比表明,求解参数优于Mathcad数学软件、手工配线及AquiferTest专业软件的解算结果。1st Opt的特点是模型的水文地质参数初值由软件随机给出,求算的水文地质参数为全局最优解。     

函数优化的模拟退火算法及其在盘式制动器优化设计中的应用

将模拟退火算法用于函数优化进行系统的研究,介绍了一种适用于求解约束非线性规划问题全局最优解的通用算法,给出了计算流程、状态产生函数的设置原则、计算终止准则以及离散变量优化的实现方法。在深入分析的基础上建立了钳盘制动器优化设计的数学模型,给出了用上述方法进行优化设计的实例。表明该方法是有效的。     

煤矿救援机器人路径规划的蚁群优化算法

煤矿救援机器人执行救援任务时,需躲避水、火、障碍物等危险区域,提升了路径规划的难度,为此提出了煤矿救援机器人路径规划的蚁群优化算法。充分考虑煤矿救援机器人运行过程中的水、火、障碍物等分布,采用栅格法建立机器人路径规划的环境模型,确定栅格环境模型内机器人路径规划问题的目标函数,采用蚁群优化算法求解机器人路径规划问题的目标函数,通过改进信息素规则、限制信息素阈值以及改进转移概率3个方面优化蚁群算法,避免蚁群算法求解全局最优解时陷入局部最优。实例分析结果表明,该算法在满足收敛速度条件下有效规划煤矿救援机器人行驶路径,所规划路径的路径长度、转角数量以及危险度均为最优,为机器人安全作业提供理论依据。     

基于蚁群算法活塞压缩机盘形活塞的优化设计

针对盘形活塞的结构特点,以盘形活塞的重量最小为优化目标,同时确定影响活塞重量的设计变量,以盘形活塞的弯曲应力、切应力以及挤压应力为约束函数。优化算法采用了蚁群算法,可以求解出目标函数的全局最优解,经过计算验证该方法具有精度高、容易实现等优点。     

基于模拟退火算法的螺旋滚筒装煤性能参数优化设计

模拟退火算法起源于对固体退火过程的模拟,是局部搜索算法的扩展,它不同于局部搜索之处是以一定的概率选择领域中费用值大的状态,从理论上分析,它是一个全局最优算法,主要通过采用Metropolis接受准则,并用一组冷却进度表的参数控制算法进程,使算法在多项式时间里给出一个近似优化解,是一种适合于求解混合离散化问题和目标函数不可微的复杂非线性问题的随机性方法。     

未知环境下基于传感器的救援机器人路径规划

研究了未知环境下救援机器人的路径规划问题,提出了一种新的基于传感器的路径规划方法。该方法所规划出来的路径是全局指导下的局部最优路径,传感器的探测距离越远,规划的结果越接近全局最优解。仿真分析证明了该方法是可行的,并且规划时间短,具有较好的实时性和环境适应性。     

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。     

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。     

基于多目标遗传算法的普通V带优化设计

针对普通V带传动设计过程中存在的问题,建立了普通V带多目标优化设计的数学模型。考虑中心距和小带轮包角作为性能约束条件,使其满足设计要求。并利用MATLAB软件编写了普通V带传动遗传算法优化设计程序,绘制出最佳适应度值线图描述遗传算法的搜索过程,在获得可靠的V带传动结构全局最优解的同时,使求解过程简化,计算精度提高,从而为普通V带传动优化设计提供了理论参考和借鉴。     

概率积分法参数反演的SAAFC模型

针对传统算法在概率积分法参数反演时无法获取全局最优解或收敛速率慢,以及基于生物遗传进化的智能寻优算法反演参数存在最优解非唯一的情况,为了更有效地进行概率积分法参数反演,引入新型群智能寻优方法,采用一种动态改变步长和视野的SAAFC算法预计概率积分法参数并与实际下沉值和水平移动值组合成目标函数,从而使参数反演问题转化为目...     

基于多目标0-1规划的采掘作业计划优化

为了满足矿山精细化管理的要求,实现生产的安全性和高效性目标,针对地下金属矿山传统计划编制时存在主观性强、实时性差、效率低、误差大以及难以求得全局最优解的弊端,以采掘车间月出矿量、月出矿平均品位、月生产利润为目标,以采场地质条件、车间生产能力、生产任务以及生产原则为约束,构建基于多目标0-1规划的采掘车间作业计划优化模型。模型采用理想点法对目标函数进行降维,决策变量为二维0-1变量,从空间和时间2个维度描述了采掘车间的生产决策状态,简化了模型的求解过程,在LINGO求解器中编写模型语言进行求解,进而得到计划周期内的最优排产方案。以某地下黄金矿山车间作业计划编制为应用案例,解算出某月采场开采的最优时序方案,并用甘特图进行直观展示。结果表明:该模型适用于地下金属矿山采掘作业计划编制,克服了手工编制方法的弊端,保证了采掘车间生产指标的动态平衡,有利于提高矿山的经济效益。