一种协调勘探和开采能力的粒子群算法

提出一种新的协调勘探和开采能力的粒子群优化算法.该算法将种群分为随机子群和进化子群,随机子群增加了算法全局解空间的勘探能力,在运行过程中通过随机子群进化信息生成解优胜区域指导进化粒子向着最优解子空间逼近.为了提高算法收敛速度,算法只在进化子群进入收敛阶段时才对其进行指导,以防止增加种群多样性导致算法开采能力下降的问题.将此算法与其他改进粒子群算法进行比较,实验结果表明,该算法有较好的全局收敛性,不仅能有效地克服其他算法易陷入局部极小值的缺点,而且算法收敛速度和稳定性都有显著提高.

数据挖掘技术在矿山中的应用及前景

数据挖掘技术在矿山勘探和开采中是一种前沿的科学手段。该应用的价值是基于对勘探和采矿过程中海量数据的有效分析,这些数据包括各种矿山数据,例如地质,蓄水,矿山岩性特征等。在矿山的勘探和开采过程中,为矿山的勘探和开采提供有效的数据支持,并有助于制定最佳的勘探和开采计划。本文研究了基于此数据资源的勘探技术在矿山开采中的应用。

定向多尺度变异克隆选择优化算法

提出一种定向多尺度变异克隆选择优化算法.为了实现抗体间信息共享,算法利用定向进化机制引导抗体向着抗体群最优解区域逼近.采用多尺度高斯变异机制,在算法初期利用大尺度振荡变异实现了全局最优解空间的快速定位.随着适应值的提升,小尺度变异会随之减低,使得算法在进化后期通过小尺度变异完成局部精确解的搜索.将算法应用到5个经典函数优化问题,结果表明,该算法不仅具有更快的收敛速度,而且全局解搜索能力和稳定性均有显著提高.