爆破作用下金属矿山围岩稳定监测点优化布置

利用矿山现场取得的爆破地震波,结合矿山的实际开采状况,对爆破作用下金属矿山围岩稳定的监测点进行优化布置研究.为了分析爆破作用对地下金属矿山围岩稳定性的影响,截取矿山具有代表性的VII-2矿体剖面,利用光纤光栅传感器对现场爆破作用下的围岩应变进行监测,对爆破作用下围岩的稳定性进行数值模拟计算.依据数值模拟计算结果对围岩监测点的布置位置进行优化.研究结果表明,光纤光栅传感器对爆破作用造成的矿山围岩微应变能够有效的监测,利用光纤光栅进行矿山围岩稳定性监测是可行的.依据爆破前后巷道的位移、应力、加速度和速度变化规律,在布设传感器监测点时将规律点和关键点相结合,定期监测和长期监测相结合,可以更有效地进行地下金属矿山围岩稳定的监测.并适当增设补充点,能够对巷道监测关键点的布置进行有效优化,提高监测的针对性.在实际应用中,应结合应用现场的实际地质条件,在节理和裂隙发育或存在大断层区域增设监测点,以保证监测数据的完整和决策的正确.     

矿井瓦斯监测多传感器信息融合模型

分析了矿井瓦斯监测中存在的对传感器的影响因素多等单个传感器本身所不能解决的问题,提出了利用多传感器信息融合技术来增加系统的信息利用率、提高整个系统的精度、可靠性和容错能力的方法。在讨论矿井瓦斯监测的信息源的基础上,确定了瓦斯监测多传感器信息融合的结构模式,利用状态空间方法对此结构模式进行了描述,建立了瓦斯监测系统多传感器信息融合的状态空间模型。采用人工智能方法,建立了多传感器信息融合的模糊神经网络算法模型,实验结果表明,该模型是有效的。     

多需求点间车辆调度模型及优化算法混合求解研究

为解决多需求点间同时集送货问题,建立考虑需求拆分和转运的车辆路径模型.在模型中,加入车辆装载量动态变化约束、节点可多次访问约束和需求可拆分转运约束,提高问题的普遍性.在模型的优化算法中,算术、蚁群优化算法混合求解.通过算术蚁群算法嵌套优化模式,外层算术优化算法得到配送车辆的任务量,内层蚁群算法优化路径,并将结果反馈给外层算法继续更新求解,直至达到终止条件.同时,添加概率系数、增加算子位置更新公式和更新动态禁忌矩阵对混合算术蚁群算法改进,增加解的多样性,提高算法的求解效率.最后通过实例验证并与混合鲸鱼算法等比较,改进的算法解决本文问题效果更好.     

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的QoS组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。     

基于特征聚类的给水管网压力监测点优化布置

为了及时发现城市给水管网中的漏损、爆管等问题,需要在管网中布置压力监测点.现阶段通常依据各节点压力值的相似程度实现压力监测点的布置.针对上述方法未考虑管网节点空间属性的问题,作者提出一种给水管网压力监测点的优化布置方法.该方法通过选取节点的坐标、影响度和压力的标准差3个特征属性构建节点特征矩阵,再利用DBSCAN(density-based spatial clustering of applications with noise)算法对节点特征矩阵进行聚类分析,依据聚类结果最终确定压力监测点的位置和数量.仿真实验结果表明:该方法有效地保证聚类后归属同一类的节点在管网中是连通的,选取的压力监测点空间分布均匀,为实际管网中压力监测点的布置奠定了良好基础.     

多集散点车辆路径优化的混合算法

为使多集散点车辆路径优化结果全局最优,以订单为基准建立多集散点车辆路径优化模型.采用粒子群算法与改进蚁群算法组成的混合优化算法求解模型.由粒子群算法的粒子位置向量得到每辆车所需运送的订单号,用蚁群算法优化单车路径,根据优化的总路径评价和筛选粒子,直到满足终止条件.该模型和混合算法是所有车辆对所有订单节点的路径优化,突破了多仓库问题直接或间接转化为多个单仓库车辆路径优化问题中的局部节点求解的限制.实例求解结果表明,用该混合算法优化的车辆总路径长度小于用蚁群算法求得的结果.     

基于蚁群神经网络的两级信息融合算法

为了保证地下车库空气质量的同时尽量降低系统能耗,针对地库环境监测系统,提出了一种基于蚁群神经网络的两级数据融合算法TLIFA-ACOBP,该算法将分簇结构与神经网络模型有效结合,设计了一个基于分簇的无线传感器网络两级数据融合模型.首先运用蚁群优化(ACO)算法对BP神经网络的权值进行优化,并将优化后的蚁群神经网络用于无线传感器网络的信息融合.通过对簇成员节点采集到的原始数据进行两级融合处理,只将代表原始数据的少量特征值发送给汇聚节点,大幅度减少节点数据通信量,提高了数据传输效率,同时降低了系统能耗.     

一种大规模稀疏中国邮递员问题快速求解方法

针对现有中国邮递员问题求解方法在大规模稀疏路网图上求解效率的瓶颈,提出一种在可接受时间范围内求得可行解的基于蚁群优化的快速求解方法.该方法针对Euler回路求解的奇偶点图上作业法的第二阶段,采用蚁群算法进行求解,同时根据大规模稀疏路网图的特性基于密度峰值聚类算法对方法进行改进：首先在蚁群算法求解前对大规模稀疏路网图进行聚类分割;其次根据邻近节点覆盖率对分割后的节点群进行合并;最后通过改变部分节点所属聚类使各节点群内部节点个数均为偶数.实验结果表明：在奇偶点图上作业法所能支持的节点规模下,该方法可求得与确定性算法相同的最优解,并在运算时间上达到约10倍的效率优化;且该方法在大规模稀疏路网图下可有效提高计算效率,并在可控时间范围内得到优化的可行解,针对5 000个节点规模的路网图最快可在60 s内完成求解.     

基于信息最大化准则的供水管网压力监测点布置

系统监测的目的是为了诊断或预报系统状态. 为保证监测点提供的是系统的有效监测信息,而不是冗余信息, 从而提高诊断预报的准确性, 监测点不仅应具有灵敏性, 且监测点间的信息相关性越小越好. 为了实现监测信息最大化, 在供水管网灵敏度分析的基础上, 分别采用有效独立法、Fisher信息矩阵最大化准则, 以及节点相关系数3种方法确定管网监测点. 最后, 通过对某一供水管网的压力监测点布置, 将采用3种方法和传统聚类分析方法得到的方案进行了对比分析. 分析表明: 基于节点相关系数的监测点布置方法能同时得到监测点和监测域, 且算法简单、稳定, 优于其他方法.     

人力资源调度的蚁群算法模型

针对企业人力资源管理中的生产安排、工作分配和设备布置的优化调度问题,在对蚁群算法进行总结分析的基础上,提出了求解该问题的蚁群算法模型.并对蚁群算法模型进行了改进,提高了算法的全局搜索能力.提出了基于蚁群算法的人力资源调度策略,并用数学模型对求解问题进行描述,给出了算法步骤.实例证明:改进蚁群算法能有效节省人力资源成本,为人力资源调度提供参考.     

优化的蚁群算法在无线传感器网络中的应用

蚁群算法是一种新型的用于求解组合优化或函数优化问题的启发式算法,其基本思想是借用生物界的蚂蚁群体觅食机理,将每个蚂蚁看作一个智能体,作为智能群体的蚁群,其觅食过程显现出高度的并行性、正反馈性和鲁棒性,以此为基础的蚁群算法也具有这样一些特点。蚁群算法在路径选择方面的优势正好应用于无线传感器网络中源节点到目标节点的最优路径的建立。     

分时电价下梯级水电站间短期优化调度仿真

将蚁群优化算法用于求解分时电价下梯级水电站间短期优化调度模型,考虑市场竞争下的电价和电量、水库存水价值、水流时滞以及设备折旧等因素,建立了利益最大化为优化准则的短期优化调度模型.给出了蚁群算法求解梯级短期优化调度模型的数学描述及算法的求解步骤.最后以某梯级流域中三个水电站的相关数据建立了相应的优化调度模型,运用蚁群算法进行了计算仿真,并与传统的动态规划法进行对比.仿真结果证实了所采用算法的有效性和可行性.     

基于无线传感网络的煤矿井下瓦斯与温度监测系统

瓦斯和温度检测是煤矿安全生产中重要的工作,针对煤矿井下布线不方便的特点,提出了利用射频芯片的无线传感器网络来采集和传输瓦斯与温度信息的系统架构.系统由移动节点和固定节点组成.移动节点和固定节点、固定节点与固定节点之间采用无线技术传递信息.固定节点中的汇聚节点收集相应范围内的瓦斯与温度数据后通过载波方式将其传递给地面监控中心.实现了灵活组网、低开销、扩展性好和实时监测的功能,实施效果较好     

受时间、空间约束VRP问题蚁群优化模型及算法的研究

蚁群算法求解组合优化问题是当今智能优化算法的发展方向之一.通过对M.Dorigo提出的传统蚁群优化元启发模型改进,提出了多参数约束蚁群优化元启发式模型.该模型将所有优化约束条件映射为影响人工蚂蚁搜索行为的诱导素;模型中的人工蚂蚁智能行为简单,只根据信息素和诱导素在求解空间中进行搜索,而不进行复杂的运算;该模型减少了人工蚂蚁的求解搜索空间.并通过受时间、空间约束问题VRP(Vehicle Routing Problem)验证了本文提出模型算法较传统蚁群算法简单、收敛性快.     

基于改进的果蝇优化算法的WSN节点部署设计

针对非均匀监测点的节点部署问题,设计并实现了一种简单、实用的果蝇优化算法(WSN-IFOA),构造了适用于节点部署的味道浓度函数。利用果蝇群体的随机寻优性,能够保证部署尽可能少的传感器节点使网络覆盖和连通。实验结果表明该算法在部署效果上优于基本蚁群算法,并证明了算法的可行性和有效性。     

联合感知无线传感网的优化覆盖控制算法

针对无线传感器网络覆盖过程中出现大量冗余节点导致网络能量快速消耗的问题,提出了一种联合感知优化覆盖控制算法。该算法给出了三节点联合覆盖时最大无缝覆盖率的求解过程。通过概率相关知识,验证了在监测区域内传感器节点覆盖时传感器节点覆盖质量期望值求解方法,以及在与邻居节点进行覆盖对比时的覆盖率判定方法;当存在冗余覆盖时,引入比例系数完成对任意传感器节点处于冗余节点覆盖时的冗余覆盖度的计算过程。仿真实验结果表明:该算法与其他算法在覆盖质量和网络生存周期等方面进行对比,其性能指标分别提升了11.02%和13.27%;该算法不仅可以提高网络覆盖质量,而且可以有效地抑制节点能量的快速消耗,从而延长了网络生存周期。     

CPSO支持向量机红外瓦斯传感器动态补偿

利用混沌算法变异粒子群算法初始迭代公式,改变线性权重公式,构成混沌粒子群算法.添加混沌遍历性扰动因子,感知非相关变量,从而改进最小二乘支持向量的惩罚因子,并搭建红外瓦斯传感器动态补偿模型.对比没有进行模型优化的测试效果,结果表明,文中补偿模型实际拟合效果好,测量精度明显得到改善.     

多物流配送中心选址及求解

经典蚁群算法不能直接用于求解多配送中心选址问题(MDLP),据此,将MDLP映射为扩展K-TSP过程并设计了改进的蚁群算法.改变了经典蚁群算法禁忌表的设置方式,算法运行时,给蚁群建立一个共享禁忌表,里面存放所有蚂蚁访问过的客户点,任何蚂蚁只能选择共享禁忌表未曾记录的客户点,从而增强蚂蚁间的信息交流,促进它们的分工与协作,使蚂蚁无遗漏无重复地遍历各配送点并找出问题的最优解.为提高算法的求解性能,在蚂蚁的选择规则里加入了代价引导函数,使用2-opt策略优化可行解并优化了信息素的更新方式.仿真算例及算法对比表明,模型和算法可以有效地表达和求解MDLP.     

基于混合算法的机翼多功能盒段传感器优化布置

采用混合传感器优化布置算法,将其应用在某多功能机翼盒段模型的结构健康监测试验中。用有限元方法进行模态分析,运用混合算法得到传感器的布置方案。通过有效独立法确定传感器的初始测点,然后利用MAC法确定传感器的数量,最终得到传感器的布置方案。对已完成传感器布置的机翼盒段进行拉拉疲劳试验,采用作者提出的损伤特征量构造方法进行结构健康监测。结果表明,采用混合算法布置的传感器可以有效采集结构信息,满足在实际工程中的应用要求。     

一种基于蚁群算法无线传感器网络负载均衡策略

为了提高室内定位无线传感器网络的生命周期,提出一种基于蚁群算法的网络负载均衡策略.将节点分成多个群集子网,以监测位置数据包为全局蚂蚁,在传递的同时实现信息素的全局更新,通过局部蚂蚁的信息素更新使节点了解邻居信息,以能量、距离、跳数构造启发函数,数据包依据信息素轨迹及启发信息自主选择下一跳节点,无需建立与维护路由表完成整网数据收集.仿真结果表明:该算法能有效均衡网络负载与能耗,网络能耗利用率达88.22%.