矿井通风网络的多种群自适应粒子群算法优化研究

针对矿井通风网络分支风量优化问题,以矿井通风网络的总功率最小为目标,结合矿井模型中风量平衡方程、风压平衡方程、分支阻力方程以及风机特性曲线方程等约束条件,提出一种多种群自适应粒子群优化算法(MA-PSO)对矿井通风网络实现寻优。首先对随机生成的种群进行初始化预处理,将适应值从高到低排序,然后以预处理后的局部最优解为圆心,以局部最优解与其他粒子的欧式距离的平均值为半径,将种群划分成五个子种群,接着在速度更新公式中引入拓扑项和种群交流因子,以种群为单位在求解空间中搜索,保障种群的多样性,从而加快种群进化和算法收敛速度;最后采用自适应权重和冗余粒子初始化淘汰策略,提高算法搜索能力和学习能力。仿真结果表明:该算法具有较好的多模态寻优率、更快的收敛速度和更高的收敛精度,优化后通风系统消耗的总功率较之前相比下降26. 78%,节能效果显著。

矿井通风网络的反向增强型烟花算法优化研究

建立了以通风网络总能耗最小为目标的矿井通风网络非线性无约束优化模型。为提高该模型的优化能力和收敛速度,提出了一种反向增强型烟花算法。首先采用均匀反向初始化种群策略,将生成的均匀分布的随机种群和反向种群共同竞争,选择最优初始种群作为后续搜索的起始点;然后精细化控制烟花爆炸半径,使不同世代烟花种群的爆炸半径呈非线性递减,同代种群的爆炸半径由自身适应度值协调分配,并设定最小动态阈值以减少搜索资源浪费;最后采用精英反向学习选择策略,加强对精英烟花所在空间邻域的搜索,提高算法的全局勘测能力。实验结果表明,采用该算法对矿井通风网络进行优化后,在满足实际通风网络调节限制及用风需求基础上,总能耗可降低约23.2%,优化效果优于粒子群优化算法和增强型烟花算法。