【摘要】：傳統(tǒng)人群搜索(SOA)算法通過計(jì)算搜索方向、搜索步長(zhǎng)和搜尋更新個(gè)體位置三個(gè)步驟進(jìn)行尋優(yōu).它的缺點(diǎn)在于計(jì)算量大,種群之間信息交流少,導(dǎo)致尋優(yōu)速度慢.針對(duì)人群搜索算法存在的缺點(diǎn),本文提出二項(xiàng)交叉算子改進(jìn)人群搜索算法(BCOISOA)對(duì)其改進(jìn).在計(jì)算搜索步長(zhǎng)方面,本文采用隨機(jī)數(shù)與最大函數(shù)值位置乘積判斷子群位置,進(jìn)而提高全局尋優(yōu)計(jì)算速率.在更新位置方面,本文提出二項(xiàng)交叉算子加強(qiáng)種群之間的聯(lián)系,避免在更新搜索方向過程中,算法因局部最優(yōu)而導(dǎo)致過早收斂,進(jìn)而達(dá)到快速、準(zhǔn)確尋找最優(yōu)解的目的.本文將以上二項(xiàng)交叉算子改進(jìn)人群搜索-BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用在二段式磨礦過程中,實(shí)現(xiàn)磨礦粒度在線軟測(cè)量.仿真結(jié)果表明,與人群搜索算法和粒子群算法進(jìn)行比較,二項(xiàng)交叉算子改進(jìn)人群搜索算法收斂速度更快,預(yù)測(cè)精度最高,滿足對(duì)磨礦粒度實(shí)時(shí)檢測(cè)的要求.
[Abstract]:Traditional crowd search (SOA) algorithm is optimized by calculating search direction, searching step size and searching update individual position. Its disadvantages are that it has a large amount of computation and less information exchange between populations, which results in a slow speed of optimization. In view of the shortcomings of the crowd search algorithm, this paper proposes a binomial crossover operator to improve the population search algorithm (BCOISOA). In the aspect of calculating search step size, the product of random number and maximum function value is used to determine the position of subgroup, and the calculation rate of global optimization is improved. In the aspect of updating position, this paper proposes a binomial crossover operator to strengthen the relationship between populations, so as to avoid premature convergence of the algorithm due to local optimum in the process of updating search direction, and then achieve the purpose of finding the optimal solution quickly and accurately. In this paper, the improved crowd search (BP) neural network algorithm of the above two crossover operators is applied to the two-stage grinding process to realize on-line soft measurement of grinding particle size. The simulation results show that compared with the crowd search algorithm and particle swarm optimization algorithm, the binomial crossover operator can improve the convergence speed of crowd search algorithm faster and the prediction accuracy is the highest, and meet the requirements of real-time detection of grinding granularity.
【作者單位】： 河北工業(yè)大學(xué)控制科學(xué)與工程學(xué)院;北京科技大學(xué)自動(dòng)化學(xué)院;
【基金】：河北省高等學(xué)�？茖W(xué)技術(shù)研究資助項(xiàng)目(ZD2016071)
【分類號(hào)】：TD921.4;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 A.B.博爾特尼科夫;E.B.奧爾洛娃;B.M.巴利亞斯諾娃;萬(wàn)起;;關(guān)于確定合理的磨礦粒度問題[J];國(guó)外金屬礦山;1991年12期

2 丘德鑣;怎樣確定最佳磨礦粒度[J];礦冶工程;1991年03期

3 王新華;桂衛(wèi)華;王雅琳;陽(yáng)春華;;混合核函數(shù)支持向量機(jī)的磨礦粒度預(yù)測(cè)模型[J];計(jì)算機(jī)工程與應(yīng)用;2010年12期

4 李茂林;崔瑞;王非;向文娟;曾凡霞;;階段磨選磨礦粒度劃分的理論分析與計(jì)算[J];礦冶工程;2011年01期

5 何桂春,毛益平,倪文;基于多神經(jīng)網(wǎng)絡(luò)的磨礦粒度軟測(cè)量模型[J];金屬礦山;2005年02期

6 郭素紅;劉威;;某鉀鹽礦磨礦粒度對(duì)浮選效果影響的試驗(yàn)研究[J];有色金屬(選礦部分);2009年04期

7 張劍鋒;;梅山原礦及二次分級(jí)溢流降硫試驗(yàn)研究[J];現(xiàn)代礦業(yè);2009年10期

8 楊曉峰;陳景明;;回收赤鐵礦尾礦工藝中合適的磨礦粒度及設(shè)備研究[J];礦業(yè)工程;2013年06期

相關(guān)會(huì)議論文 前1條

1 楊曉峰;陳景明;;浮選尾礦再選工藝中的合適的磨礦粒度與設(shè)備研究[A];晉瓊粵川魯冀遼七省金屬（冶金）學(xué)會(huì)第二十一屆礦業(yè)學(xué)術(shù)交流會(huì)論文集[C];2014年

相關(guān)碩士學(xué)位論文 前1條

1 劉德明;基于支持向量回歸的磨礦粒度軟測(cè)量及其軟件實(shí)現(xiàn)[D];遼寧科技大學(xué);2012年

，

本文編號(hào)：2277053