叢峰武 李長亮 胡宗橫 陳洪彬 李世國

摘要：針對礦業(yè)公司生產(chǎn)用水優(yōu)化調(diào)配的問題，本文應用人工蜂群算法對生產(chǎn)用水中智能調(diào)配。在人工蜂群算法（ABC算法）的基礎上借鑒差分算法的思想，提出一種改進人工蜂群算法。通過實驗仿真，改進后的ABC算法在不同標準測試函數(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，科學合理地調(diào)配用水量顯得尤為重要。ABC算法是一類新的生物啟發(fā)式優(yōu)化算法，其是由土耳其大學的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)度問題[2]。馬玉磊等采用ABC算法對優(yōu)化神經(jīng)網(wǎng)絡的各個參數(shù)進行優(yōu)化，對預測精度有一定的提升[3]。黃慶展等以ABC算法作為優(yōu)化方法來優(yōu)化無線傳感器網(wǎng)絡[4]。除此之外ABC算法在生產(chǎn)調(diào)度[5]等領域應用中也取得了良好的效果。本文采用一種改進ABC算法對礦業(yè)公司用水進行智能優(yōu)化。

2.問題描述

2.1 問題提出

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

2.2優(yōu)化模型建立

用水調(diào)配的目標是在不同生產(chǎn)模式下，使兩個廠區(qū)用水達到平衡。設兩選礦廠的平衡閾值分別設為ε1和ε2，那么可建立如下優(yōu)化模型：

3.改進ABC算法

ABC算法是受蜜蜂采蜜機制啟發(fā)的群體智能優(yōu)化算法，每個蜜源的位置代表優(yōu)化問題的一個可能解，蜜源的花蜜量對應于相應解的質(zhì)量或適應度。

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

4.算法仿真驗證

為了測試改進蜂群算法（IABC）的性能，對4個標準測試函數(shù)進行實驗，表1中給出了標準測試函數(shù)的名稱、維數(shù)、搜索范圍和理論全局最優(yōu)解。采用改進ABC算法與基本ABC算法進行了比較，兩種算法種群數(shù)目為80，limit為200，最大循環(huán)次數(shù)為5000。每個測試函數(shù)均隨機運行30次取平均值，從求解的精度和收斂速度方面進行比較。

求解精度方面，表2給出了每個測試函數(shù)，應用IABC算法和基本ABC算法隨機運行30次求解平均值，測試函數(shù)在不同維數(shù)下的平均值和標準差的對比見表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IABC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ABC，特別是在Schaffer.Rastrigin和Griwank函數(shù)上，IABC算法在收斂速度上要強于ABC算法幾個數(shù)量級。

5.結論

本文應用人工蜂群算法對礦山用水分配進行智能優(yōu)化，以減少缺水漏水事故。針對人工蜂群算法的搜索后期局部優(yōu)化能力差、收斂速度慢的問題，提出一種改進人工蜂群算法，該算法融人了best/l/bin搜索策略和自適應選擇概率模型，使得算法搜索具有方向性和目的性。仿真實驗表明，提出的改進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)公司用水管線的地理信息系統(tǒng)應用中取得良好的效果。

參考文獻：

[1]馬玉磊，趙芳.基于一神經(jīng)網(wǎng)絡的洪水預測研究[J].西南師范大學學報自然科學版，2014，39 （01）：41-46.

[2]黃慶展，毛力，吳濱.改進人工蜂群算法在覆蓋優(yōu)化中的應用[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批調(diào)度問題[J].四川大學學報：自然科學版，2009，46（03）：657-662.