叢峰武 李長(zhǎng)亮 胡宗橫 陳洪彬 李世國(guó)

摘要：針對(duì)礦業(yè)公司生產(chǎn)用水優(yōu)化調(diào)配的問(wèn)題，本文應(yīng)用人工蜂群算法對(duì)生產(chǎn)用水中智能調(diào)配。在人工蜂群算法（ABC算法）的基礎(chǔ)上借鑒差分算法的思想，提出一種改進(jìn)人工蜂群算法。通過(guò)實(shí)驗(yàn)仿真，改進(jìn)后的ABC算法在不同標(biāo)準(zhǔn)測(cè)試函數(shù)上均能得到較優(yōu)解，為礦業(yè)公司生產(chǎn)用水中智能調(diào)配提供有力支持。

關(guān)鍵詞：生產(chǎn)用水;智能調(diào)配;優(yōu)化方法;人工蜂群算法

1.引言

礦業(yè)公司由于用水資源較多，流經(jīng)管道繁多，情況復(fù)雜，目前大多情況下是在人為調(diào)度用水。因此在保證礦山企業(yè)安全生產(chǎn)的同時(shí)，科學(xué)合理地調(diào)配用水量顯得尤為重要。ABC算法是一類(lèi)新的生物啟發(fā)式優(yōu)化算法，其是由土耳其大學(xué)的Karaboga教授首次提出了ABC算法模型[1]。Cui等采用ABC算法解決混合流水作業(yè)調(diào)度問(wèn)題[2]。馬玉磊等采用ABC算法對(duì)優(yōu)化神經(jīng)網(wǎng)絡(luò)的各個(gè)參數(shù)進(jìn)行優(yōu)化，對(duì)預(yù)測(cè)精度有一定的提升[3]。黃慶展等以ABC算法作為優(yōu)化方法來(lái)優(yōu)化無(wú)線(xiàn)傳感器網(wǎng)絡(luò)[4]。除此之外ABC算法在生產(chǎn)調(diào)度[5]等領(lǐng)域應(yīng)用中也取得了良好的效果。本文采用一種改進(jìn)ABC算法對(duì)礦業(yè)公司用水進(jìn)行智能優(yōu)化。

2.問(wèn)題描述

2.1 問(wèn)題提出

選礦廠(chǎng)1的生產(chǎn)供水主要由尾礦庫(kù)回水，凈環(huán)水組成;選礦廠(chǎng)2的生產(chǎn)供水主要由尾礦庫(kù)回水，凈環(huán)水組成和采場(chǎng)溝底水，兩個(gè)廠(chǎng)區(qū)共用一個(gè)尾礦庫(kù)供水管道。兩個(gè)廠(chǎng)區(qū)的水平衡圖如圖1所示，q1和q2分別是兩選礦廠(chǎng)尾礦庫(kù)回水供應(yīng)流量;fi和f2分別是兩選礦廠(chǎng)的凈環(huán)水供應(yīng)流量;f是凈環(huán)水供應(yīng)總流量，且f=f1+f2;p2為采場(chǎng)溝底水供應(yīng)流量;x1和x2分別是兩選礦廠(chǎng)用水總流量;y1和y2分別是兩選礦廠(chǎng)排水總流量。

2.2優(yōu)化模型建立

用水調(diào)配的目標(biāo)是在不同生產(chǎn)模式下，使兩個(gè)廠(chǎng)區(qū)用水達(dá)到平衡。設(shè)兩選礦廠(chǎng)的平衡閾值分別設(shè)為ε1和ε2，那么可建立如下優(yōu)化模型：

3.改進(jìn)ABC算法

ABC算法是受蜜蜂采蜜機(jī)制啟發(fā)的群體智能優(yōu)化算法，每個(gè)蜜源的位置代表優(yōu)化問(wèn)題的一個(gè)可能解，蜜源的花蜜量對(duì)應(yīng)于相應(yīng)解的質(zhì)量或適應(yīng)度。

針對(duì)人工蜂群算法搜索后期局部?jī)?yōu)化能力差、收斂速度慢的問(wèn)題，將差分進(jìn)化算法的besUI/bin搜索策略嵌入到人工蜂群算法的“觀(guān)察蜂”中，并建立一種等級(jí)概率模型，提出一種改進(jìn)ABC算法如下：

4.算法仿真驗(yàn)證

為了測(cè)試改進(jìn)蜂群算法（IABC）的性能，對(duì)4個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行實(shí)驗(yàn)，表1中給出了標(biāo)準(zhǔn)測(cè)試函數(shù)的名稱(chēng)、維數(shù)、搜索范圍和理論全局最優(yōu)解。采用改進(jìn)ABC算法與基本ABC算法進(jìn)行了比較，兩種算法種群數(shù)目為80，limit為200，最大循環(huán)次數(shù)為5000。每個(gè)測(cè)試函數(shù)均隨機(jī)運(yùn)行30次取平均值，從求解的精度和收斂速度方面進(jìn)行比較。

求解精度方面，表2給出了每個(gè)測(cè)試函數(shù)，應(yīng)用IABC算法和基本ABC算法隨機(jī)運(yùn)行30次求解平均值，測(cè)試函數(shù)在不同維數(shù)下的平均值和標(biāo)準(zhǔn)差的對(duì)比見(jiàn)表2。表2顯示出兩種算法均能尋找到接近于理論全局最優(yōu)的解，但I(xiàn)ABC算法優(yōu)于基本ABC算法。

收斂速度方面，從圖2可以看出，ABC算法早期收斂較快，隨后很快陷入局部最優(yōu)解。而IABC算法收斂速度明顯優(yōu)于A(yíng)BC，特別是在Schaffer.Rastrigin和Griwank函數(shù)上，IABC算法在收斂速度上要強(qiáng)于A(yíng)BC算法幾個(gè)數(shù)量級(jí)。

5.結(jié)論

本文應(yīng)用人工蜂群算法對(duì)礦山用水分配進(jìn)行智能優(yōu)化，以減少缺水漏水事故。針對(duì)人工蜂群算法的搜索后期局部?jī)?yōu)化能力差、收斂速度慢的問(wèn)題，提出一種改進(jìn)人工蜂群算法，該算法融人了best/l/bin搜索策略和自適應(yīng)選擇概率模型，使得算法搜索具有方向性和目的性。仿真實(shí)驗(yàn)表明，提出的改進(jìn)人工蜂群算法比原始人工蜂群算法具有良好的求解精度和搜索速度。最后把提出的算法在礦業(yè)公司用水管線(xiàn)的地理信息系統(tǒng)應(yīng)用中取得良好的效果。

參考文獻(xiàn)：

[1]馬玉磊，趙芳.基于一神經(jīng)網(wǎng)絡(luò)的洪水預(yù)測(cè)研究[J].西南師范大學(xué)學(xué)報(bào)自然科學(xué)版，2014，39 （01）：41-46.

[2]黃慶展，毛力，吳濱.改進(jìn)人工蜂群算法在覆蓋優(yōu)化中的應(yīng)用[J]傳感器與微系統(tǒng)，2018，5（05）：20-24.

[3]李端明，程八一.基于人工蜂群算法求解不同尺寸工件單機(jī)批調(diào)度問(wèn)題[J].四川大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，46（03）：657-662.