遗传算法在配煤中的应用

马松波

(平顶山中选自控系统有限公司，河南 平顶山 467000)

遗传算法在配煤中的应用

马松波

(平顶山中选自控系统有限公司，河南 平顶山 467000)

简要介绍了遗传算法，详细阐述了如何建立基于遗传算法的配煤模型。

遗传算法；配煤；染色体

1 遗传算法简介

遗传算法首先产生一定数目的随机解(即所谓的群体)，以此为基础，开始搜索。每一组解称为一个个体(即染色体)，每条染色体在遗传过程中，通过交叉、变异、选择等操作，生成下一代染色体，通过计算染色体适应度的好坏来选择再次进行交叉、变异、选择的染色体。这些染色体通过不断迭代、遗传、进化，最终收敛于一组最优解。在这个过程，用来对染色体进行筛选的适应度起到了关键作用，因此选择一个好的适应度函数来计算染色体的适应度至关重要。

目前，通州道路交通环境日趋复杂，交通流量不断增加，急需智能化的交通管理系统解决其交通需求和经济发展需要.

遗传算法利用编码技术与繁殖原理，能有效快速地搜索多维、高度非线性空间。在配煤模型中使用遗传算法，可以全局、快速、并行地解出符合要求的配煤比[1]。

2 建立基于遗传算法的配煤模型

配煤主要是根据混煤的特性，将几种特性不同的煤种按照一定的比例混合起来，使混煤具有可用性、经济性。因此，设计该算法的最终目的就是解出一组最优的配煤比例。我们将煤种的比值看作一个基因段，所有煤种的比值组成一个染色体。煤种的比值有4种表现形式(即遗传算法中的编码)：二进制编码、格雷码编码、实数编码、符号编码。在该算法中，我们采用实数编码。实数编码优点如下：适用于数值变化范围比较大的场合，有利于大空间搜索、简化算法等。

2.1 建立模型

院长住在敬老院最东面的一个小独院里，这个小院有数亩地大小，里面种满了芹菜和大葱菠菜之类的，还稀疏地种着几棵柿子树，院墙下种满了竹子，还有几棵高大的楸树。这个独院非常幽静，平时，也没人来这儿。老冬瓜一行人来的时候，院长正在楸树下喝茶。他躺在躺椅上眯缝着双眼。酒糟鼻子在细碎的灯光下樱桃般红紫。据张麻子说，院长四细狗当年做村长的时候，就这德性，他喜欢躺在躺椅上看掉在地上的月光。

在遗传算法中，我们假定染色体种群大小为M，每条染色体个体用y表示，则染色体种群为Y={y1，y2，…，yM}；每条染色体由若干个基因片段(即混煤的百分比)组成，在这里我们假定进行配煤煤种数为N，则每条染色体的编码为X={x1，x2，…，xN}。通过种群的多次交叉、变异、选择后，会产生一个最优染色体，即为该问题的最优解。在这个过程中，我们需要先确定用来衡量染色体好坏的适应度函数。适应度函数主要包括煤的发热量(Q)、挥发分(V)、灰分(A)、水分(H)、硫分(S)、价格(P)等参数，将这些参数放入适应度函数中计算出来的值就是该条染色体的适应度。

首先，需要计算出当染色体为X时，混煤的发热量(Q)、挥发分(V)、灰分(A)、水分(H)、硫分(S)、价格(P)等特性。

在该算法中我们使用的适应度函数为：

2.2 建立评价机制

当染色体为X时，混煤的某个特性或多个特性超出其指定范围，用惩罚函数来降低该染色体的适应度。发热量惩罚函数值为CQ、挥发分惩罚函数值为CV、灰分惩罚函数值为CA、水分惩罚函数值为CH、硫分惩罚函数值为CS、价格惩罚函数值为CP。

当混煤发热量Q

4.注意，维修手册上规定的旋紧螺纹件的扭矩是指干净无油条件下。有油污的螺纹件即使按规定扭矩旋紧后，对零部件夹紧力仍可能不稳定或不足。因此，除非维修手册上另有规定，否则是指干燥干净的螺纹。

当混煤硫分S>Smax时，硫分惩罚函数值CS=S2，否则CS=0；

选煤厂煤泥水处理系统存在的问题与煤层顶底板泥岩性质密切相关。2009年7月对选煤厂部分环节的煤泥水性质进行了探索实验。结果表明，煤泥水浓度过高，如果不加水稀释，无论用什么药剂都不能使其沉降。

当混煤水分H>Hmax时，水分惩罚函数值CH=H2，否则CH=0；

当混煤挥发分VVmax时，挥发分惩罚函数值CV=V2，否则CV=0；

当混煤价格P>Pmax时，价格惩罚函数值CP=P2，否则CP=0。

当前，国际安全形势复杂多变，维护国家统一、领土完整和海洋权益任务艰巨，国防和军队建设进入重要发展期，军事斗争准备也进入深化拓展期。国防动员系统深化改革，国防动员组织指挥、领导管理和力量运用发生变化，从而对国防动员理论研究提出了更高要求。

2.3 选择、交叉、变异

沙盘实训课程虽然类似于竞争性游戏，但经营规则比较复杂，知识性较强。以企业经营管理沙盘为例，各经营团队需要规划好企业的广告方案、生产计划、原材料采购计划，需要控制好企业的现金流，掌握企业财务报表的填制并核算企业利润等。各团队要经营好模拟企业，既需要有理论知识的积累，也需要根据经营规则制定合理的经营策略，并具备根据市场竞争环境进行灵活调整策略的能力。做好这些，既需要团队成员加强相关专业知识的学习，也需要花费大量时间、精力去探索经营思路与竞争对策。因此，对于同学们勇于克服困难、保持持续学习的动力需要进行激励。

F=Q+V-A-H-S-P-Y×(CQ+CV-CA-CH-CS-CP)+C

其中，C为常数。F的值越大，说明该染色体的适应度越好，越接近问题的解，越有可能被选为进行交叉、变异的染色体。

惩罚因子也是很重要的一个因素。惩罚因子过大时，会使搜索空间变小，不利于找到最优解；惩罚因子过小时，会降低求解的精度。因此，合适的惩罚因子(Y)很重要。

我们定义一组变量：全局最优解X1；当代染色体中最优解X2；染色体交叉率pc；染色体变异率pm。获得当代染色体中最优解：计算当代染色体中每条染色体的适应值，将具有大适应值的染色体(即最优解)赋值给X2，判读X2是否大于X1，如果X2>X1，则将X2的值赋值给X1。

2.3.1 染色体选择

当混煤灰分A>Amax时，灰分惩罚函数值CA=A2，否则CA=0；

2.3.2 交叉

两条染色体以概率pc进行交叉。算法中采用单点交叉，即在两条染色体中随机设置一个交叉点，从这个交叉点开始交换它们的基因。

2.3.3 变异

按照最严格水资源管理制度的总体部署，加快建立水资源管理责任和考核制度，严格遏制地下水超采，防止出现生态环境问题。同时，不断加强用水计量和地下水动态监测，将量测设备纳入工程建设范围，密切关注地下水动态变化。统筹考虑水资源论证后评估工作，全面分析评估报告书提出的取水量、取水影响分析是否合理，取水方案是否可行，水资源节约措施是否有效；评估并监督建设项目业主单位对报告书和审批文件的落实情况，以及项目建设对水资源开发、利用、节约和保护的影响；监测重点项目区地下水变化情况等内容，提高水资源论证编制和决策水平。同时，妥善安排好项目其他后续工作，为确保项目持久发挥效益奠定基础。

算法采用基本位变异，染色体中每个基因以概率pm变异。

高压柔性直流电网分层协同自适应下垂控制//陶艳,刘天琪,李保宏,苗丹,董语晴,卢智雪//(18):70

基因变换：染色体中每条基因代表煤种所占的百分比，因此，染色体中所有基因的和应为1，但在交叉、变异后可能出现不等于1的情况，需要对其进行变换，使其值为1。至此，新的染色体群就生成了。

遗传算法流程如图1所示。

图1 遗传算法流程

3 结语

在对染色体进行评价时，引入了惩罚函数[2]，有利于搜索的快速收敛，提高计算的精度与速度。遗传算法求解时间短，单煤数量越多越能体现其优越性。

[1]周俊虎，平传娟，刘建忠，等.基于遗传算法的动力配煤模型[J].煤炭学报，2003(5)

[2]刘春梅.基于遗传算法的炼焦配煤最优化配置研究[J].制造业自动化，2012(2)

2014-06-10

马松波(1985—)，男，河南武陟人，硕士研究生，助理工程师，研究方向：信息管理。