最优排序问题

作者在研究枚举法、约翰逊算法的基础上,经多年探索,提出差值法。本文简要介绍了差值法的理论依据,排序准则和方法步骤。差值法作为多工种、多工序的最优排序方法具通用性,有利于优化计划和提高效益。     

工序排序问题的遗传算法

工序排序是生产管理系统中经常遇到的问题 ,至今尚未见十分有效的解法。应用遗传算法对解决此类问题作了研究 ,并通过算例验证了该算法的有效性。     

GA和PSO在煤矿进度计划优化中的比较应用

运用遗传算法(GA)和粒子群算法(PSO)在网络图优化的基础上对平煤天安五矿井巷与安装工程的施工进度计划进行二次优化控制.首先通过计划评审法(PERT)得到己二采区各个工序的时间参数和相应的网络图,接着在网络图的基础上,以净现值NPV最大化作为进度安排目标,以各工序的开工日期为决策变量,以各工序之间的先后顺序和时间关系以及系统外资金控制为约束,采用GA和PSO进行二次优化,比较结果表明PSO要优于GA.     

计算机自选独立回路程序中风阻排序的“超快速算法”

本文提出了计算机自选独立回路程序中关于风阻排序的“超快速算法”，该算法是将待排序的风阻值分成若干个数据组，使得组间的风阻值有序，然后递归地将这若干组民阻值排序。通过算法分析和上机比较，该算法比目前计算机自选独立回路程序中风阻排序算法占用机时少的多，从而大大缩短了自选独立回路时间。这种算法可以应用于所有需要进行风阻排序的自选独立回路程序中。     

露天矿运输问题的模拟退火优化

研究了一类露天矿非平衡运输优化问题,通过引入虚拟装载点,将非平衡运输问题转化为等价的平衡运输问题。根据平衡运输问题的特点,进一步将其转化为排序优化问题并利用模拟退火算法进行求解。模拟退火算法中使用了随机选取已有解中的两个位置,交换其内容得到新解的策略,降温采用几何方式。对一个具有9个装载点、5个卸载点的露天矿运输问题进行了优化计算,得到了与单纯形法相同的最优解,验证了模拟退火是求解露天矿运输问题一种有效算法。     

基于因果矩阵的选煤厂关键工序识别方法的研究与应用

为了确定重介选煤厂选煤过程中的关键工序,根据选煤行业的独特性和实际情况,提出基于因果矩阵的选煤关键工序识别方法。结合选煤厂经济技术指标设定质量关键点,通过因果矩阵建立工序与质量关键点之间的联系,科学地组织选煤厂技术人员进行定性评分,定量计算选煤工序对质量关键点的影响程度,并按总分高低依次排序;以80/20原则为指导,选取前20%的工序作为关键工序,实施重点监控,从而实现优质、高效、低耗的目标。以淄博矿业集团许厂煤矿选煤厂原煤准备车间的部分工艺流程为例,说明运用因果矩阵识别关键工序的具体步骤,为该选煤厂关键工序的识别和重点管控的实施提供理论支持。     

用灵敏度分析法在线确定高压电网的最佳运行方式

针对电网可靠性问题,给出了一种可在线确定电网最佳运行方式的启发式算法。该算法结合电网的实际运行情况,引入负荷节点总有功对支路有功系数的灵敏度,并依据灵敏度绝对值的排序,通过精确计算和比较来实现电网最优运行方式的在线确定。该方法缓解了电网在线优化计算中速度和精度之间的矛盾,且物理概念清晰,易于编程实现。     

基于核值的决策规则约简算法的研究

对决策信息系统的属性约简算法和决策规则约简算法进行了研究,在所研究的属性约简算法基础上提出了基于核值的决策规则约简算法及对决策规则的优劣排序算法,有利于提高决策分析的效力。     

基于规则的FMS加工调度优化及VC++仿真

针对煤机车间的机加工任务量大、要求加工协调性高的特点,通过对调度方法的分析比较,提出了基于规则与仿真相结合的调度算法。由生产中的任务堵塞情况分析后设计了4条规则,分别从加工工序、加工设备以及最后的加工次序3个方面层层调度优化。通过仿真程序实时运行了一个典型的加工任务,从运行的结果数据验证了算法的有效性。这种调度相对于智能调度简单、可靠,且实例中提高了16.5%的加工效率。     

首山一矿岩巷综掘快速成巷工艺系统优化及应用

鉴于首山一矿瓦斯抽采造成岩巷工程量增加、制约采掘接替的问题,对现有综合机械化掘进成巷工序进行改造,优化了破岩、排矸和支护三道主要工序,并在现场对其主要工序工时进行多周期实测,采用额定工时制定法得出各工序标准工时,对掘进循环作业图表进行优化,提高了正规循环率,加快了掘进速度。     

基于BP-遗传算法的排土场边坡几何参数优化

在保证矿山安全生产的前提下,为发挥排土场最大经济效益,提出了基于BP-遗传算法的排土场边坡几何参数优化方法。以弓长岭大阳沟排土场为例,借助极限平衡法获取研究所需数据,利用BP神经网络建立边坡坡角、单段台阶高度及相应的安全系数间的非线性关系,并以此关系式为边界约束条件,建立了优化边坡几何参数的数学模型,利用遗传算法和传统优化算法进行寻优。结果表明,与传统优化算法相比,BP-遗传算法的优化结果更加精确、可靠,有效避免了传统优化算法在寻优时易陷入局部最优解的问题。提供了一种简单、精确、可靠的排土场边坡几何参数优化方法,具有较好的应用前景。     

基于改进粒子群算法的气化配煤模型求解

针对目前我国煤质差异较大,单煤煤质与炉型无法稳定匹配这一现象,提出配煤优化方案,选用PSO算法建立配煤模型。并且对原始PSO算法存在收敛速度慢、易陷入局部最优等问题,结合实际配煤优化问题的特点对算法进行改进,将改进后的PSO算法与原始算法进行对比实验,结果表明优化后的PSO算法在保证配煤合理的前提下,整体性能明显优于原始算法。     

基于改进粒子群算法的地应力场反分析研究

地应力场的确定在岩土工程围岩稳定性研究中是非常重要的。粒子群算法优化是近些年发展起来的一种基于群体智能的随机优化算法。通过利用PSO算法理论,提出了一种计算初始地应力场的改进粒子群算法。     

基于MPSO算法的RBF网络学习算法

针对标准粒子群优化(PSO)算法存在早熟收敛,易陷入局部极值的缺陷,提出了一种利用混沌优化算法确定PSO算法参数的改进粒子群优化(MPSO)算法。为了提高径向基函数(RBF)神经网络的精度和性能,提出了一种基于改进粒子群优化(MPSO)算法的RBF网络学习算法。RBF网络隐层节点个数用对手受罚的竞争学习(RPCL)算法确定后,基函数的中心矢量、方差和网络权值用MPSO算法在全局空间动态确定。采用Iris分类问题做仿真实验,并与基于标准PSO算法的方法和单纯BP网络训练进行比较。实验结果表明,该算法性能优于所比较的2种算法,并且具有良好的收敛性和模式分类能力。     

基于粒子群算法的斗轮机结构优化设计

粒子群优化算法(PSO)是一种源于对鸟群捕食行．为的研究而发明的进化计算技术，最先由Eberhart博士和Kennedy博士提出。粒子群算法(又称为粒子群游算法)是属于进化算法的一种，进化算法是一类模仿生物进化的优化算法，主要包括遗传算法(GA)、遗传编程法(GP)、进化规划法(EP)、进化策略法(ES)和模拟退火法(SA)等，其运算过程与生物进化过程相仿。     

混合粒子群优化算法的新能源电网规划研究

以合理规划新能源电网,降低电网电能损耗,提升新能源消纳能力,设计了混合粒子群优化算法的新能源电网规划方法。以最小电能损耗与最大新能源消纳为目标函数,潮流功率、容量、线路输电能力、风能与太阳能出力为约束条件,建立新能源电网规划模型;通过结合自然选择机理与粒子群算法,设计混合粒子算法,在混合粒子群算法内引入混沌扰动与变异策略,避免惰性粒子陷入局部最优,优化混合粒子群算法,利用优化混合粒子群算法求解规划模型,获取最佳规划方案。实验表明,该方法可有效获取最佳规划方案,降低电能损耗,提升新能源消纳能力,提升电网断面利用率;规划后的电网日累计发电量显著提升、碳排放量显著下降。     

矿石品位优化的遗传算法

结合矿石品位的优化问题，全面论述遗传算法的原理和工作步骤，分析算法中主要参数的作用。初步应用表明，遗传算法可较好地解决矿石品位优化问题。     

基于遗传算法的采煤机记忆截割路径优化

为了解决采煤机记忆截割过程中的路径优化问题,采用遗传算法对采煤机的记忆截割路径进行了优化,并在采煤机记忆截割路径优化试验平台上进行了实验.当煤层地质条件发生变化,采煤机记忆的相应参数与实际参数不一致时,利用遗传算法对传感器数据进行处理和工作状态判断,已完成对采煤机记忆截割路径的优化.试验结果表明:该算法可快速有效地实现...     

基于 SA-GA 模糊熵的 VMD 算法在爆破振动信号分解中的应用

针对变分模态分解(VMD)算法预设参数选择的问题,提出了一种基于 SA-GA 模糊熵的 VMD 参数优化 算法,该算法结合模拟退火算法(SA)和遗传算法(GA)的优点,选取模糊熵( FE)为适应度函数,求解最优分解参数。 经过仿真信号分析,相比 EMD 算法,SA-GA 模糊熵的 VMD 参数优化算法有效地抑制了模态混叠和虚假分量的现象, 具有较高的分解精度。 最后利用 SA-GA 模糊熵的 VMD 参数优化算法进行爆破振动信号实测分析,结果表明:SA-GA 模糊熵的 VMD 参数优化算法可以根据不同的爆破振动自适应地选取最优解,解出来的 IMF 分量具有明确的物理意 义,频谱图能清晰地看出信号内所包含的频率成分,具有良好的适用性。     

基于改进粒子群算法在矿山车辆配送路径中的应用

针对基本粒子群算法全局寻优能力弱,容易陷入局部最优等缺陷,提出了一种改进的算法,并将该算法应用到车辆配送路径中。并通过实验进行验证,文中提出的算法明显的优于标准粒子群算法,有效的解决了矿山配送车辆路径问题。