基于蚂蚁算法露天矿运输路径优化方法.docVIP

基于蚂蚁算法露天矿运输路径优化方法 　　[摘 要]为了优化露天矿的运输系统，提高运输效率，降低能耗，加速再生产的进程，通过引入群算法进行运输路径优化，在介绍其基本原理、数学模型基础上，提出改进算法及实现步骤和方法。针对基本蚁群群算法效率低、过早停滞的缺点并结合矿山采场实际特点，提出蚁群算法新的转移原则和信息素进行全局更新方法，使得算法在保证收敛速度的同时具有较强的全局优化能力。以某露天矿为例构建露天矿道路的网络模型，通过确立改进的蚁群算法求解最优运输路径，进而为露天矿选择合理运输线路提供参考。 　　[关键词]蚁群算法；露天矿；网络节点；路径优化 　　中图分类号：U461 文献标识码：A 文章编号：1009-914X（2015）04-0014-01 　　随着露天采场转入深部开采后，由于开采技术条件的变化和矿岩自然因素的影响，出现了许多重要问题，汽车运输随运距的增大，其油耗及运费大幅度上升，并且汽车尾气造成的环境污染也加剧。这样，深凹露天矿汽车运输的问题越来越引起人们的重视。据统计在露天采场中，运输费用占矿石开采成本的40%-60%，所以建立一个高效的露天矿道路运输系统对降低矿石运输成本、提高劳动生产效率以及减少环境污染都有重要意义[1，2]。研究表明：运输成本的关键因素是汽车运距的长短和非生产时间多少，因此优化矿山运输系统是减少露天矿运输成本的有效方式。本文针对以往的蚁群算法搜索速度慢、易陷入局部优化的问题，提出改进后的蚁群算法来求解露天矿道路运输优化问题，以期求得较好的应用效果。 　　1 蚁群算法 　　自然界中，蚂蚁的食物总是随机散布于蚁巢周围，我们仔细观察可以发现，一段时间后，蚂蚁总能找到一条从蚁巢都食物源的最短路径。蚁群算法是20世纪90年代意大利学者M.Dorigo，V.Maniezzo等受自然界真实蚂蚁觅食的群体行为启发而提出，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法即蚂蚁算法，是群智能理论研究领域的一种主要算法[3-5]。蚂蚁k（k=1，2…，m）在运动过程中，根据各条路径上的信息决定其转移方向。这里 （k=1，2…，m）来记录蚂蚁k当前所走过的城市，集合着进化过程做动态调整。在搜索过程中，蚂蚁根据各条路径上的信息及路径启发信息来计算状态转移概率。表示在t时刻蚂蚁k由元素（城市）i转移到元素（城市）j的转移概率： 　　式中，表示蚂蚁k下一步允许选择的城市；α为信息启发因子，表示轨迹的相对重要性，表示轨迹的相对重要性，反映了蚂蚁在运动过程中所积累的信息在蚁群运动时所起的作用，其值越大，则该蚂蚁越倾向于选择其他蚂蚁经过的路径，蚂蚁之间的协作越强；β为期望启发式因子，表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度，其值越大，则该状态转移概率越接近于贪心规则；在T中启发函数表达式如下： 　　式中，表示两个城市间的距离。 　　为了避免残留信息素过多淹没启发信息素，当所有蚂蚁完成对所有n个城市的遍历（即完成一个循环）后，要对信息素作如下更新处理。 　　式中，表示信息素挥发系数，表示信息素随时间挥发程度，避免了信息的无限积累，表示信息素残留因子。表示本次循环路径（i，j）上信息增量，表示第k只蚂蚁在（t，t+1）时刻留在（i，j）上的信息量。在Ant-Cycle模型中 　　其中，Q表示信息素强度，为正常数。表示第k只蚂蚁在本循环中所走路径的总长度。 　　2 改进型蚁群算法 　　为了克服传统蚁群算法的不足，提高搜索效率，避免过早停滞[6-7]。本文通过对基本蚁群算法进行整体改进，使其更适用于离散网络优化算法。 　　2.1 蚁群算法转移规则 　　蚂蚁在选择下一个访问城市的概率采用伪随机比率转移规则，蚂蚁k在城市i上选择下一城市j的概率为 　　式中，为一个阈值参数，； q为[0，l]内的随机数，这样的选择方式意味着蚂蚁将以概率将最大可能的城市选中构造的解的一部分，否则按照式（1）计算公式选择的将要访问的城市。表示t时刻城市i和城市j之间的信息素量， 表示城市i和城市j之间的启发式因子。 　　2.2 信息素更新原则 　　在露天矿场中，每个运输网络优化方案由蚂蚁群体走过的路径表示，每只蚂蚁所走的路线对应为一个方案可行解，只有全局最优的蚂蚁才被允许释放信息素来进行全局更新。在所有m只蚂蚁都游历完成之后，检索出m个子方案中成本最小的那只精英蚂蚁，保存其各种信息并对其路径上的信息素浓度进行全局更新。具体更新方案如下： 　　式中，是该次循环获得的最优路径的距离。 　　2.3 用改4进后的蚁群算法求解最优路径时的具体步骤如下： 　　Step1：初始化等参数；初始化信息素增量；禁忌表。 　　Step2：确定要优化的初始节点和目的节点。 　　Step