[发明专利]一种基于煤岩学和遗传算法的煤场分堆方法

摘要

本发明涉及一种基于煤岩学和遗传算法的煤场分堆方法。其技术方案的步骤是：步骤一，测定煤场中各煤堆的镜质组随机反射率分布比例和测定来煤的镜质组随机反射率分布比例；步骤二、建立煤场分堆适应度数学模型Fitness；步骤三，采用遗传算法和煤场分堆适应度数学模型寻求最优煤场分堆方案；步骤四，根据最优分堆方案，用煤场分堆适应度数学模型Fitness得到最优分堆方案的适应度；若最优分堆方案的适应度中每个重合度值≥30%，则满足生产需求；若最优分堆方案的适应度中存在有重合度值＜30%，则返回步骤三。本发明将各煤堆和各煤堆的来煤的镜质组随机反射率分布比例的重合度作为煤场分堆适应度数学模型，具有简单高效和能够快速优化的特点。

主权项

1.一种基于煤岩学和遗传算法的煤场分堆方法，其特征在于所述煤场分堆方法的具体步骤是：步骤1、测定煤场中各煤堆的镜质组随机反射率分布比例和测定来煤的镜质组随机反射率分布比例；步骤2、建立煤场分堆适应度数学模型Fitness；Fitness＝[f1,f2,...,fi,...,fM]  (1)式(1)中：M表示煤场中的煤堆个数，i表示自然数，i＝1,2,3,…,M，fi表示第i号煤堆的来煤的镜质组随机反射率分布比例和第i号煤堆的镜质组随机反射率分布比例的重合度，式(2)中：i表示自然数，i＝1,2,3,…,M，M表示煤场中的煤堆个数，n表示第i号煤堆的来煤种数，Rei,j表示第i号煤堆的镜质组随机反射率分布比例在第j点的数值，j表示自然数，j＝1,2,3,…,50，k表示自然数，k＝1,2,3,…,n，xi‑k,j表示第i号煤堆的第k种来煤的镜质组随机反射率分布比例在第j点的数值，min表示取最小值；步骤3、采用遗传算法和煤场分堆适应度数学模型Fitness寻求最优煤场分堆方案，具体步骤是：步骤3.1、设来煤种数为D；采用整数编码，在[1,M]区间内构建初代种群个体，得到初代种群；初代种群个体的形式为：αt＝[b1,b2,...,bD]  (3)式(3)中，t表示初代种群个体的序号，t为自然数，t＝1,2,3,…,P，P表示初代种群个体总数，b表示初代种群个体的基因位点，b∈N且b∈[1,M]，D表示来煤种数；步骤3.2、采用遗传算法中的单点交叉方法对初代种群个体进行交叉操作，交叉概率Pc＝0.6；采用变异概率的方式对初代种群个体进行变异操作，变异概率Pm＝0.2，形成遗传种群个体，得到遗传种群；步骤3.3、将初代种群和遗传种群合并为总种群；采用煤场分堆适应度数学模型Fitness计算总种群个体的适应度；步骤3.4、从总种群中获取Pareto最优个体；判断Pareto最优个体总数是否大于初代种群个体总数，若Pareto最优个体总数大于或等于初代种群个体总数，则采取随机抽取的方式从Pareto最优个体中选择出子代种群个体；若Pareto最优个体总数小于初代种群个体总数，则将Pareto最优个体全部选择到子代种群中，子代种群中其余个体在[1,M]区间内构建；步骤3.5、计算每一个Pareto最优个体的适应度的加和值，选择出适应度的加和值最大的Pareto最优个体为当代最优个体，保存当代最优个体；步骤3.6、清除初代种群中所有的个体，用子代种群中所有的个体填充到初代种群中；判断初代种群迭代次数是否大于最大迭代次数，若初代种群迭代次数大于最大迭代次数则算法终止，计算每一个当代最优个体的适应度的加和值，选择出适应度的加和值最大的当代最优个体为最优煤场分堆方案；若初代种群迭代次数小于或等于最大迭代次数则返回步骤3.2；步骤4、根据最优煤场分堆方案，利用煤场分堆适应度数学模型Fitness计算出最优煤场分堆方案的适应度；若最优煤场分堆方案的适应度中每一个重合度值大于或等于30％，则满足生产需求；若最优煤场分堆方案的适应度中存在有重合度值小于30％，则不满足生产需求，返回步骤3，直至最优煤场分堆方案的适应度中每一个重合度值大于或等于30％。