基于PSO-GA-ANN的铁矿采选品位与投资策略优化

摘要

在构建非线性多目标优化模型的基础上,集成粒子群(PSO)、遗传算法(GA)与人工神经网络(ANN)等智能优化算法,来确定实现铁矿资源减损和节能降耗的采选品位与投资策略。根据采选生产流程,建立以采选品位与投资策略为决策变量,计划精矿产量为约束条件,资源利用率、总电耗以及经济效益为目标的非线性多目标约束优化模型。将PSO、GA的高效搜索能力和ANN的建模功能相结合,构成PSOGA-ANN算法来寻找最优采选品位和投资策略。在PSO-GA-ANN算法中,进化个体采用二进制0-1编码和实数编码相结合,适应度函数为3个目标函数的加权和,各个目标的权重采用均匀设计的思想得到,采用基于可行性规则的约束处理技术引导搜索方向。最后,以D铁矿为例进行了研究,得到了其最优采选品位及投资策略。该方法为新时期铁矿应对资源利用和节能降耗难题提供了科学可行的思路。