基于Multiagent技术露天矿山生产调度系统优化实现.docVIP

基于Multiagent技术露天矿山生产调度系统优化实现 　　摘要：针对动态变化、复杂非线性的露天矿山生产调度系统引入多智能体技术进行建模优化，将系统分为任务Agent、生产调度Agent、爆破Agent、运输Agent以及破碎Agent五个单智能体。在任务Agent中给出矿山的矿石需求量，运用自适应神经模糊推理系统（ANFIS）和遗传算法（GA）对爆破Agent进行建模优化；破碎Agent根据破碎能力以及破碎需求量对运输Agent进行约束，引入自适应变异程序改进粒子群算法（PSO）对运输Agent进行优化；生产调度Agent协调处理矿石需求量与各生产工艺Agent生产能力之间的矛盾，运用MATLAB软件对模型进行模拟实现。以某露天矿山为例构建露天矿山生产调度系统，建模优化结果表明该方法可行。 　　关键词：露天矿山生产调度系统；多智能体； GAANFIS算法；粒子群优化算法 　　中图分类号：TP273 文献标识码：A 　　1引言 　　露天矿山生产调度系统是一个涉及多因素、多层次的、动态变化的柔性系统，具有递阶结构、不确定性、多目标、多约束等特点[1]。这要求露天矿山生产调度系统具有局部自治和分布式决策特性。但目前对矿山生产调度系统的研究大多停留在对各个生产工艺建模优化的研究中[2-4]，不能实现整个调度系统的建模优化。引入了多智能体系统（MAS）[5-8]构建露天矿山生产调度系统管理体系结构，建立相应的多智能体系统模型构架，实现矿山生产调度整体的协调优化，这对于实现数字化露天矿山具有一定的影响作用。 　　2构建基于MAS技术的露天矿山生产调 　　度系统 　　多智能体系统采用的是分布式结构，是由多个单智能体（Agent）组成的。每一个单智能体都具有自治性、社会能力、反应能力以及自发行为等，且各单智能体之间是相互协商合作的，是可以动态调整的。露天矿山开采工艺过程一般为：穿孔、爆破、铲运与破碎，各工序环节相互衔接，相互制约[9]。在基于多智能体技术的露天矿山生产调度系统中将矿山开采系统分为任务Agent、生产调度Agent、爆破Agent、运输Agent与破碎Agent。 　　任务Agent是整个多智能体系统中的一个重要组成部分，是系统实现人机结合的一个重要组成。其主要作用就是根据市场需求与开采技术等因素，确定矿山的矿石需求量。且根据系统反馈来的信息，确定矿山的开采任务与开采方案。 　　穿孔爆破是露天开采的重要工序，穿孔爆破的工作质量以及爆破效果的好坏，直接影响后续作业的生产成本。爆破Agent的作用首先是对矿山以往的爆破数据进行建模，然后根据任务Agent给出的矿石需求量得出每个平台的最优爆破方案。 　　运输Agent的任务是根据爆破Agent中每个平台的爆破量，爆破点到破碎点的距离以及矿山的运输能力建模优化，得出调度优化方案。 　　破碎Agent则是根据破碎机的破碎能力对运输Agent进行约束。生产调度Agent的作用是实现Agent与MAS之间以及Agent与Agent之间的通信，使得各Agent能够相互协调，相互协作，如图1所示。 　　3基于MAS的露天矿山生产调度系统的 　　结构设计 　　在建立的基于多智能体理论的露天矿山生产调度系统基本框架的基础上，设计Agent的内部模型[10]。图2是Agent的内部通用模型。在基于MAS的生产调度系统中利用黑板模式来进行通信。黑板作为一个全局共享的工作区，是对所有的Agent开放的，在其中存放着各Agent的初始数据、中间结果、最终结果等。各Agent在黑板中查找所需要的信息。 　　MAS系统功能的实现还需要各Agent之间的协作来完成。本文的协作方式采用Durfee提出的部分全局规划（PGP）。根据部分全局规划理论，首先创建各Agent的局部规划，即解决各Agent自身确定的任务；第二步是通过黑板进行通信，各Agent在黑板中查询并接收自身需求的信息；第三步则是各Agent根据接收到的信息以及自身的局部规划，修改自己的规划。即将自身的Agent作为PGP的一部分，考虑接收的信息，组成PGP形式的规划。第四步则是修改和优化部分局部规划，并将信息发布到黑板中，判断是否为最优结果，是则结束运算，否则转向第二步。 　　4生产调度系统中各Agent的建模优化 　　爆破Agent涉及到很多参数，并且属于复杂非线性模糊建模的问题。传统的建模方法并不能有效的建立爆破Agent。在文献[2-3]中介绍了自适应神经模糊推理系统（ANFIS）具有较强的非线性映射能力，可有效的对爆破参数进行建模，同时遗传算法（GA）可实现对模型的优化，即利用GA-ANFIS算法对爆破Agent进行建模优化。以爆破参数中的超深、孔间距、排间距、大块率以及炸药单耗的历史数据作为输入，