建立了以通風(fēng)網(wǎng)絡(luò)總能耗最小為目標(biāo)的礦井通風(fēng)網(wǎng)絡(luò)非線性無約束優(yōu)化模型。為提高該模型的優(yōu)化能力和收斂速度,提出了一種反向增強型煙花算法。首先采用均勻反向初始化種群策略,將生成的均勻分布的隨機種群和反向種群共同競爭,選擇最優(yōu)初始種群作為后續(xù)搜索的起始點;然后精細化控制煙花爆炸半徑,使不同世代煙花種群的爆炸半徑呈非線性遞減,同代種群的爆炸半徑由自身適應(yīng)度值協(xié)調(diào)分配,并設(shè)定最小動態(tài)閾值以減少搜索資源浪費;最后采用精英反向?qū)W習(xí)選擇策略,加強對精英煙花所在空間鄰域的搜索,提高算法的全局勘測能力。實驗結(jié)果表明,采用該算法對礦井通風(fēng)網(wǎng)絡(luò)進行優(yōu)化后,在滿足實際通風(fēng)網(wǎng)絡(luò)調(diào)節(jié)限制及用風(fēng)需求基礎(chǔ)上,總能耗可降低約23.2%,優(yōu)化效果優(yōu)于粒子群優(yōu)化算法和增強型煙花算法。 

【文章來源】：工礦自動化. 2019,45(10)北大核心

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 礦井通風(fēng)網(wǎng)絡(luò)建模
2 基于OBEFWA的通風(fēng)網(wǎng)絡(luò)優(yōu)化
    2.1 均勻反向初始化種群
    2.2 精細化控制煙花爆炸半徑
    2.3 精英OBL選擇
    2.4 OBEFWA流程
3 實驗與結(jié)果分析
    3.1 實驗平臺
    3.2 通風(fēng)網(wǎng)絡(luò)參數(shù)
    3.3 通風(fēng)網(wǎng)絡(luò)優(yōu)化結(jié)果及分析
4 結(jié)論


【參考文獻】：
期刊論文
[1]礦井通風(fēng)網(wǎng)絡(luò)的多種群自適應(yīng)粒子群算法優(yōu)化研究[J]. 吳新忠,張兆龍,程健維,胡建豪,任子暉.  煤炭工程. 2019(02)
[2]基于三維模型的通風(fēng)系統(tǒng)優(yōu)化調(diào)控模擬分析[J]. 何敏,武福生,成燕玲.  工礦自動化. 2016(11)
[3]礦井通風(fēng)網(wǎng)絡(luò)特征參數(shù)關(guān)聯(lián)性研究[J]. 魏連江,周福寶,梁偉,胡建坤,羅新榮.  煤炭學(xué)報. 2016(07)
[4]應(yīng)用精英反向?qū)W習(xí)的多目標(biāo)煙花爆炸算法[J]. 謝承旺,許雷,趙懷瑞,夏學(xué)文,魏波.  電子學(xué)報. 2016(05)
[5]煤礦通風(fēng)系統(tǒng)現(xiàn)狀及智能通風(fēng)系統(tǒng)設(shè)計[J]. 楊杰,趙連剛,全芳.  工礦自動化. 2015(11)
[6]一種多策略融合的多目標(biāo)粒子群優(yōu)化算法[J]. 謝承旺,鄒秀芬,夏學(xué)文,王志杰.  電子學(xué)報. 2015(08)
[7]煙花算法研究進展[J]. 譚營,鄭少秋.  智能系統(tǒng)學(xué)報. 2014(05)
[8]應(yīng)用精英反向?qū)W習(xí)的混合煙花爆炸優(yōu)化算法[J]. 王培崇,高文超,錢旭,茍海燕,汪慎文.  計算機應(yīng)用. 2014(10)
[9]基于文化粒子群優(yōu)化算法的礦井通風(fēng)網(wǎng)絡(luò)[J]. 郭一楠,王春,楊繼超.  東南大學(xué)學(xué)報(自然科學(xué)版). 2013(S1)
[10]礦井通風(fēng)網(wǎng)絡(luò)分析研究現(xiàn)狀及趨勢[J]. 程磊,黨海波,彭信山.  煤炭工程. 2011(03)



本文編號：3563179