基于PSO和ANN的采选品位智能约束优化

• 作者: 廖诺 莫赞 贺勇
• 来源期刊: 系统管理学报
• 学科: 地球科学
• 关键词: 采选品位 智能约束优化 粒子群算法 人工神经网络
• 年，卷（期）: 2014,（5）
• 页码范围: 737-742,754
• 分类号: N945.15
• 语种: 中文

摘要

根据铁矿采选生产过程,建立了以经济效益为目标函数,资源利用率和精矿产量为约束条件,截止品位和入选品位为决策变量的非线性约束优化模型,将粒子群算法和神经网络集成构成PSO-ANN算法来搜索最优品位组合.PSO-ANN算法包括内外两层:外层采用PSO作为搜索算法,采用基于可行性规则的约束处理技术,更新粒子群个体最优位置和全局最优位置,引导粒子朝最优解方向进行搜索;内层是REG模型、BP神经网络及RBF网络,实现粒子(截止品位和入选品位)到损失率、选矿金属回收率和采选成本之间的映射关系,进而计算资源利用率、精矿总量和净收益.以大冶铁矿为例,研究表明:2008-01～06,最优截止品位为17.5％,入选品位为45.4％,与现行方案相比,其资源利用率提高2％,精矿量增加1.34万t,总现值增加1125万元.该方法为金属铁矿的品位优化提供了一个全新的思路,具有广泛的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	莫赞	广东工业大学管理学院	58	329	10.0	15.0
2	廖诺	广东工业大学管理学院	27	193	9.0	11.0
3	贺勇	广东工业大学管理学院	21	74	5.0	7.0