智能化安全生产技术 模块2 现代智能技术、智能化安全生产技术 现代智能技术.pptVIP

概述 蚁群算法 蚁群算法的核心内容是蚂蚁在运动的过程中依靠一种外激素来同其他的个体进行交流、通讯。蚂蚁经过的地方都会留下一种特殊的激素，并且可以识别这种物质存在，感知该物质浓度的强弱，蚂蚁趋于向这种物质浓度高的路径前进。 这种搜索过程可以用两个基本阶段来报述 自身调整阶段——个体根据积累的信息不断调整自身结构 和群体协作阶段——个体之间通过信息交流，以期产生性能更好的解 基本原理 蚁群算法 在蚁群寻找食物时，它们总能找到一条从食物到巢穴之间的最优路径。这是因为蚂蚁在寻找路径时在它所经过的路径上释放出一种特殊的激素，并以此指导自己的运动方向。当它们碰到一个还没有走过的路时，就随机地挑选一条路径前行，与此同时释放出相应的激素，路径越长，相同时间经过的蚂蚁数越少，释放的激素浓度越低。当后来的蚂蚁再次碰到这个路口的时候，选择激素浓度较高路径概率就会相对较大，这样形成一个正反馈。最优路径上的激素浓越来越大，而其他的路径上激素浓度却会随着时间的流逝而消减。蚂蚁个体之间就是通过这种信息交流达到搜索食物的目的。 基本原理 蚁群算法 所有蚂蚁遇到障碍物时按照等概率选择路径，并留下信息素 随着时间的推移，较短路径的信息素浓度升高 蚂蚁再次遇到障碍物时，会选择信息素浓度高的路径 较短路径的信息素浓度继续升高，最终最优路径被选择出来 算法流程 蚁群算法 算法特点 蚁群算法 蚁群算法是一种自组织的算法 蚁群算法是一种本质上并行的算法 蚁群算法是一种正反馈的算法 蚁群算法是一种通用性随机方法 蚁群算法具有较强的鲁棒性 算法应用 蚁群算法 车辆路径问题 （Vehicle Routing Problem，VRP） 车间作业调度问题 （Job-Shop Scheduling Problem，JSP） 二次分配问题 （Quadratic assignment problem, QAP） 网络路由 （ Network Routing） 其他…… 子集问题 （Set Problem） ACO 图像处理 数据挖掘 二维格模型蛋白质折叠问题 最短公共超序列问题 概述 免疫算法 人工免疫算法将优化问题中待优化的问题对应免疫应答中的抗原，可行解对应抗体（B细胞），可行解质量对应免疫细胞与抗原的亲和度，如此则可以将优化问题的寻优过程与生物免疫系统识别抗原并实现抗体进化的过程对应起来。 将生物免疫应答中的进化链（抗体群→免疫选择→细胞克隆→高频变异→克隆抑制→产生新抗体→新抗体群）抽象为数学上的进化寻优过程，形成智能优化算法。 概述 免疫算法 生物免疫系统概念 人工免疫算法的概念 抗原 要解决的问题 抗体（B细胞） 最优候选解 抗原识别 确定问题类型 从记忆细胞产生抗体 联想过去成功解 淋巴细胞分化 优化解记忆 细胞抑制 剩余候选解的消除 细胞克隆 利用遗传算子产生新抗体 免疫系统概念 人工免疫算法概念 抗原 优化问题 抗体（B细胞） 优化问题的可行解 亲和度 可行解质量 生物免疫系统概念与人工免疫算法概念对应得关系 免疫算法分类 免疫算法 1、模仿免疫系统抗体与抗原识别，结合抗体产生过程而抽象出来的免疫算法 2、基于免疫系统中的其他特殊机制抽象出的算法，例如克隆选择算法 3、与遗传算法等其他计算智能融合产生的新算法，例如免疫遗传算法 算法流程 免疫算法 算法特点 免疫算法 不依赖于问题本身的严格数学性质（如连续性和可导性等），不需要建立关于问题本身的精确数学描述或逻辑模型 具有分布式、并行件、自学习、自适应、自组织、鲁棒性等优良特性 具有噪声忍耐、无教师学习、自组织等进化学习机理 具有潜在的并行性，并且易于并行化 易于与其他智能计算方法相结合 算法应用 免疫算法 柔性车间调度问题 物流配送问题 生产批量计划问题 现代智能技术在油田安全中的应用 1、基于遗传算法的地层压力实时监测 地层压力是油气安全钻井的一项重要基础参数。根据地层压力的变化，合理选择钻井液密度将有利于钻井安全及井身结构和套管柱的合理设计。遗传算法可以综合利用欠压实、流体膨胀和源异常引起的异常地层压力参数，利用钻井参数数据，实时地从钻速中分离出井底压力变化信息，实现地层压力的实时计算。根据钻井液密度和地层水的密度可计算出初始的井底压差。如果根据实钻数据提取得到的井底压差系数在异常压力层段比正常压力井段呈现出下降趋势，而且压力越高，下降越大，则可把地层压力信息从钻速中直接分离出来。再用遗传算法可计算得到机械钻速，机械钻速除以实测机械钻速可直接得到压力计算模型应用遗传算法预测地层压力不受压力形成因素和岩性限制，应用前景广阔。 现代智能技术在油田安全中的应用 2、基于神经网络的钻进过程安全监控专家系统 采用神经网络作为钻进过程安全监控与事故诊断智能系统知识获