蚁群算法在煤炭调运分配中的应用研究

为了提高煤炭调运的效率及节省运输成本,采用蚁群算法来完成煤炭调运分配的路径规划,文章首先对我国煤炭资源地理分配不均及城市需求各有差异等实际情况进行了说明,接着详述蚁群算法基本原理,最后进行煤炭调运实例仿真,实验结果表明,采用蚁群算法求得最优解,收敛快,效率高,而且能够方便实现路径规划。实验证明,蚁群算法运用于煤炭调运分配具有一定的优势,有较高的研究价值。     

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。     

基于蚁群算法的煤炭运输优化方法

基于蚁群算法的基本原理,论述了蚁群算法模型的实现方式,并对蚁群算法的煤炭运输优化方法进行分析,且结合实际案例加以说明,为基于蚁群算法在煤炭运输的实践优化提供借鉴,促进煤炭运输行业的良性发展。     

多级煤炭物流网络优化选择模型的构建与应用

通过分析认为,物流系统总费用最小化是煤炭物流网络优化设计的主要目标,运输费用、储存费用、物流设施建设费用、订货费用是煤炭物流系统最主要费用,其中以运输费用份额最大,约占53%。给出了煤炭物流系统物流费用的定量计算方法,以客户需求、订货方式、资源供应、建设资金等为主要约束条件,应用混合整数规划方法,建立了多级煤炭物流网络优化模型,并对山西煤销集团阳泉公司的煤炭物流网络进行了应用分析,结果表明构建的煤炭物流网络优化选择模型能有效降低煤炭物流费用。     

面向煤矿井下局部复杂空间的机器人三维路径规划方法

自动机器人逐渐开始应用于井下无人或少人煤炭开采、危险探测和救灾过程中。根据井下局部复杂空间比较小而且密闭,障碍物分布复杂,地面不平整的特点,提出了一种基于混合蚁群-蜂群算法的井下局部复杂空间机器人三维路径规划方法。所提出的井下局部复杂空间机器人三维路径规划方法具有产生初始可行路径简单,探索新的可行路径能力强的特点,可有效解决蚁群路径规划算法可能过早陷入局部最优解,人工蜂群算法迭代次数过多的问题。对所规划的三维折线路径采用了B-spline插值方法进行了曲线化拟合,可产生出井下机器人最优的连续平滑路径,更有利于机器人平稳行进。仿真结果表明:采用所提出的基于混合蚁群-蜂群算法的井下局部复杂空间机器人三维路径规划方法,机器人可有效对在井下局部复杂空间进行三维路径规划。     

我国发布首部煤炭物流规划

正国家发改委官网日前发布了《煤炭物流发展规划》(简称《规划》),这是我国针对煤炭物流行业领域出台的首份专门性规划,规划期为2013~2020年。《规划》提出,要根据煤炭生产开发和消费布局,结合区域发展规划,完善煤炭运输通道,建设一批煤炭物流节点,形成"九纵六横"的煤炭物流网络,构筑中国六大煤炭物流通道:一是晋陕蒙(西)宁甘煤炭外运通道,     

基于蚁群算法的掘进机截割头运动轨迹优化

针对传统方法对掘进机截割头截割轨迹规划效率低、实时性较差等问题,设计了一种改进多目标蚁群算法,该算法能够根据对蚂蚁算法中目标重要性系数进行自适应调节,从而更好地发挥蚁群算法的优势。运用MATLAB对算法进行仿真,结果表明,在不同巷道断面环境下,改进多目标蚁群算法能够在保证求解质量基础之上提升截割头运动轨迹优化的效率。与传统蚁群算法路径规划结果相比,该算法具备更好的实时性,且规划的运动轨迹性能更为优秀,适于解决掘进机截割头运动轨迹优化的问题。     

基于煤炭大物流体系的战略规划和企业实现案例研究

基于我国煤炭产业链的发展现状,提出了煤炭大物流体系的概念,并对其特点、组成与结构、组织体系、实体网络等内容进行了深入探讨.在此基础上提出了贵州某大型煤炭企业如何实现其大物流体系的战略规划建设简述.     

对等网络中改进蚁群算法研究

针对对等网络中由于负载不均导致的单点失效、网络延迟等问题,提出了一种基于改进蚁群算法的对等网络负载均衡管理模型,介绍了其总体架构,算法实现过程,并通过局部可行化搜索和降阶搜索组成的改进算法来进行信息素的更新,最后与传统蚁群算法进行了仿真对比实验,结果表明,改进蚁群算法在对等网络环境中,能够有效分配网络负载。     

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。     

基于蚁群算法的煤矿运输车辆调度应用研究

现代物流运输煤矿运输车辆调度过程复杂多变,蚁群算法是一种新型的启发式搜索算法,可以很好地解决这一问题。传统蚁群算法容易出现早熟和停滞现象,因此,通过对基本蚁群算法中的选择策略和信息素的改进,提出一种新的蚁群算法,克服传统蚁群算法的缺陷。将它用于求解煤矿运输车辆调度问题,仿真实验证明了改进算法的有效性和可行性。     

蚁群神经网络在煤矿安全评价中的应用

煤矿安全评价是预防和控制煤矿灾害事故的重要内容。将蚁群算法和神经网络结合起来,用蚁群算法来训练神经网络的权值,建立了基于蚁群算法的神经网络安全评价模型,并将其应用于煤矿安全评价。经实践证明,该模型具有神经网络广泛映射能力和全局收敛的性能。     

基于蚁群算法的煤矿企业计算机网络IP流量矩阵估计

能够完整性地将相应网络中IP流量分布情况进行描述的流量矩阵,它是煤矿企业计算机网络流量的概览,而且它与网络路由信息结合时反应度比较高,能够清晰明了地反映出来网络中的各个链路的流量成分,是网络管理和网络IP流量工程的一种关键性的输入参数值。概述了流量矩阵的含义与应用情况,分析了蚁群算法的机制与优缺点,具体论述了基于蚁群算法的煤矿企业计算机网络IP流量矩阵估计方法与模型建立,取得了很好的测试效果。     

基于蚁群算法的煤炭运输优化方法

本文主要以蚁群算法为基础,求解煤矿运输优化方法,运算出实际生产中较优生产模式。首先对蚁群算法做出了简单的介绍,然后比较仔细的阐述了煤矿问题的数学模型,最后演示了蚁群算法在运输优化问题中的应用。     

基于改进蚁群算法的变电站巡检 机器人路径规划研究

以提升机器人在巡检变电站时的工作效率,节省巡检时间消耗,设计了改进蚁群算法的变电站巡检机器人路径规划方法。利用栅格法构建变电站机器人巡检路径地图,使用二值表示障碍区域,在经典蚁群算法中引入方向夹角启发因子,提升路径搜索的导向性与搜索速度,使用拉普拉斯概率分布作为信息素挥发因子自适应策略,提升蚁群算法的收敛速度,以实际变电站作为研究对象,结果表明,改进蚁群算法的巡检路径寻优效果和规划速度优于同类路径规划方法,获得了理想的路径规划效果。     

基于小波神经网络的煤岩破裂电磁辐射预测模型研究

针对电磁辐射信号的特点,提出用小波神经网络建立煤岩破裂电磁辐射预测模型,用最大最小蚁群算法来训练网络初始参数,改善网络性能,并引入扰动因子和惩罚因子来解决算法的局部收敛和收敛速度慢的问题。以开滦煤样为例,应用结果表明,该模型精度高、响应快、实时性较好,具有良好的应用前景。     

Optimization design of drilling string by screw coal miner based on ant colony algorithm

It took that the weight minimum and drive efficiency maximal were as double optimizing target, the optimization model had built the drilling string, and the optimization solution was used of the ant colony algorithm to find in progress. Adopted a two-layer search of the continuous space ant colony algorithm with overlapping or variation global ant search operation strategy and conjugated gradient partial ant search operation strategy. The experiment indicates that the spiral drill weight reduces 16.77% and transports the efficiency enhance 7.05% through the optimization design, the ant colony algorithm application on the spiral drill optimized design has provided the basis for the system research screw coal mine machine. Supported by the Liaoning Technical University Outstanding Youth Science Foundation(jx09-10)