人工蜂群算法在礦業公司生產用水中智能調配研究

叢峰武 李長亮 胡宗橫 陳洪彬 李世國

摘要：針對礦業公司生產用水優化調配的問題，本文應用人工蜂群算法對生產用水中智能調配。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上均能得到較優解，為礦業公司生產用水中智能調配提供有力支持。

關鍵詞：生產用水;智能調配;優化方法;人工蜂群算法

1.引言

礦業公司由于用水資源較多，流經管道繁多，情況復雜，目前大多情況下是在人為調度用水。因此在保證礦山企業安全生產的同時，科學合理地調配用水量顯得尤為重要。ABC算法是一類新的生物啟發式優化算法，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調度問題[2]。馬玉磊等采用ABC算法對優化神經網絡的各個參數進行優化，對預測精度有一定的提升[3]。黃慶展等以ABC算法作為優化方法來優化無線傳感器網絡[4]。除此之外ABC算法在生產調度[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算法對礦業公司用水進行智能優化。

2.問題描述

2.1 問題提出

選礦廠1的生產供水主要由尾礦庫回水，凈環水組成;選礦廠2的生產供水主要由尾礦庫回水，凈環水組成和采場溝底水，兩個廠區共用一個尾礦庫供水管道。兩個廠區的水平衡圖如圖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水供應流量;f是凈環水供應總流量，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優化模型建立

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

3.改進ABC算法

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

針對人工蜂群算法搜索后期局部優化能力差、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個標準測試函數進行實驗，表1中給出了標準測試函數的名稱、維數、搜索范圍和理論全局最優解。采用改進ABC算法與基本ABC算法進行了比較，兩種算法種群數目為80，limit為200，最大循環次數為5000。每個測試函數均隨機運行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，應用IABC算法和基本ABC算法隨機運行30次求解平均值，測試函數在不同維數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的解，但IABC算法優于基本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解。而IABC算法收斂速度明顯優于ABC，特別是在Schaffer.Rastrigin和Griwank函數上，IABC算法在收斂速度上要強于ABC算法幾個數量級。

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公司用水管線的地理信息系統應用中取得良好的效果。

參考文獻：

[1]馬玉磊，趙芳.基于一神經網絡的洪水預測研究[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化中的應用[J]傳感器與微系統，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度問題[J].四川大學學報：自然科學版，2009，46（03）：657-662.