黄金生产工艺参数的优化

黄金生产工艺参数的优化卢才武云庆夏陈永锋兰新哲西安建筑科技大学西安710055)摘要本文探讨了神经网络与遗传算法相结合协同求解黄金生产工艺参数的优化问题。该方法既利用了神经网络的自学习、自适应非线性映射和预测功能,又利用了遗传算法的全局优化特性,实例证明该方法是合理的、可行的。关键词人工神经网络遗传算法优化黄金中图分类号F402.3文献标识码A文章编号1004-4051(2003)10-0051-03OPTIMIZATION OF THE TECHNICAL PARAMETERSIN GOLD PRODUCTIONLu Caiwu Yun Qingxia Chen Yongfeng Lan Xinzhe(xi'an University of Architecture and Technology Xi'an 710055)Abstract: this paper discusses the application of the new optimal method-Genetic algorithm and artificialeural network in the determination of the gold production technical parameters. The method uses not only theability of nonlinear mapping and prediction of artificial neural network, but also the overall situation optimizationof genetic algorithm. The results of example show that it is reasonable and reliable to determinate the technicaparameters of gold production by using B-P neural network and genetic algorithmKeywords: Artificial neural network, Genetic algorithm, Optimization Gold人工神经网络是80年代获得迅速发展的一门网络的学习过程由正向计算和误差反向传非线性科学,它力图模拟人脑的一些基本特性,如递修改2个过程组成。正向计算各层节点输出值自适应性,自组织性和容错性能,并已用于模式识为别、系统辩识等领域,取得了很好的效果(2)。对fay-1+9,)(j=23……)于多输入多输出问题,利用神经网络模型可以建立式中y1—输入网络的数据向量多输入和多输出之间复杂的非线性关系,本文拟将y-1—第j-1层节点输出数据向量人工神经网络模型应用于黄金生产工艺参数优化y—第j层节点输出数据向量中,建立各个工艺参数与生产成本间的非线性关第j-1层节点与第j层节点间的连系,然后利用遗传算法搜索寻找最优的生产工艺参接权值矩阵数,以期得到更加可行和合理的结果。1误差反向传播网络原理0——第j层节点阈值向量。误差反向传播网络由 Rumelhart等于1985年f(x)=,1为Sgmd函数。定义网络提出。BP网络模型属于多层前馈映射网络,其核误差函数为心算法是基于最小二乘法(LMS)的广义δ算法网络通过δ算法学习训练数据集,确定各神经元之中国煤化工-y)间的连接权值和阀值,从而建立一个n维空间的子式中HCNMHG集至m维空间的子集的映射关系期望输出。*霍英东教育基金(81044)和陕西省教育厅专项基金(99JK218)资助项目黄金生产摄的优化反向计算根据δ算法逐层修改权值ω;和阀值良个体。3适应度。衡量个体优劣的标准是适应度也+2其中=∑就是遗传算法的目标函数用以驱动进化过程。在黄金生产工艺参数优化问题中适应度等于目标函9=9+9E其中OE数F(x)这里通过BP神经网络训练后的网络来预测计算。式中aβ——分别为学习效率和阀值调节系数(4)复制。为了体现生物进化过程中优胜劣Nj层节点数。淘"的原则遗传算法在毎一代群体中选择一定数量理论上可以证明,包含隐含层的3层BP网络的优良个体进入下一代群体使优良个体的数目成能以任意精度逼近给定函数。倍增加。相应地同样数量的劣质个体则在下一代2遗传算法的原理与方法群体中被淘汰。被复制的数目与群众中个体数目的遗传算法具有简单通用鲁棒性强和并行运算比值称为复制概率常取0.6-0.9的特点。它不需要建立一个精确的因果关系只需5痠交换。执行交换的个体是随机选择的。交要有明确的输入及输出结果就可以得出结论因此换概率(0.5-0.8用轮盘选择法根据适应度大小选特别适用于研究各种复杂的课题。包括择被交换的个体。交换点的选择也是随机的,长度1蹁编码。遗传算法通常选用二进制字符串表为L的字符串可供选择的交换点有L-1)个。示个体。二进制与十进制之间映射关系为(6戾变。突变是遗传算法产生新个体的另.min y-max min,种方法它是对个体染色体码串进行随机变异对于式中x—十进制表示的插值结果进制码串就是随机按位取反操作。在群体适应度趋于饱和时突变能使个体的染色体发生质变使运十进制x的下限和上限算跳出局部极小点L—二进制字符串长度7炵终止条件。最常用的终止方法是规定遗传二进制表示的待插值数迭代)的代数。通常取100,然后逐渐增减。另这样编码的精度δ为种终止方法是检查适应度的变化。一旦群体的平均适应度或最优个体的适应度变化很小时即令计算终止(2群体。在遗传算法过程中每一代由众多的3实例个依字符串)组成,它们被称作群体。群体中个体为避免神经网络输出的随意性需要先将黄金数目越多遗传算法搜索的范围也越大但是每代运生产工艺参数数据作正规化处理将每一个数据线算时间也越长。通常群体中以含有50-100个个体为宜。性压缩映射至〔00.9〕即作为第0代的初始群体用随机方法产生。在Ik-minfl y给定的合理范围內一般用均匀分布的随机数任意产1=mx1}min}×0.9生初始个体作为今后进化计算的基础。随着遗传我们对某金矿的原矿进行了64次实验工作计算的发展群体的品质逐渐改善不断产生新的优这里选取其中的十次,将其归一化后列于表1中。表1归一化后的部分实验原始数据表ˉ实验编号硫代硫酸钠亚硫酸钠石硫合剂硫酸铜氨水成本55380.50000.72270.01650.55380.50000.72270.20770.07500.03330.553850.50000.72270.20770.17850.55380.36000.00000.500000.00000.55380,000.5000I中国煤化工0.02340.55380.6000.30000.722CNMHG0.20770.04940.553800000.550.60000.72270.20770.60000.06360.55380.60000.00000.50000.72270.20770.75000.20770.08630,55380.6000.50000.90000.20770.102652中国矿业2003年第12卷第10期以64组实验数据作为训练样本,建立8个参表2数(分别为硫化硫酸钠、亚硫酸钠、石硫合剂、硫这时,我们可以利用神经网络训练后建立的输酸铜、氧气、氨水浓度、pH值、曆矿时间),15岀与输入之间复杂非线性映射关系来计算遗传箅法个隐节点和一个输出节点(成本)的BP神经网络的适应度函数。计算公式如下模型。取学习参数c=0.01,将训练样本输入网C=a2f(o1y1+61)+02络,经过训练200000后,其均方差E<0.0001。式中各符号意义同前,C为整个网络的输出即经过训练,神经网络能完全正确地识别这些训练样对应于八个工艺参数的成本。本,拟和率为100%,这时,网络的权值和阀值见表2网络训练后的权值和阀值-1.2809-0.50410.24910.68550.7215-0.4709-0.87130.815509371.3340.10960.58727680.4699-0,49551.13920.50610.87980.85680.6415-0.51791.1771-0,4582-0,70391.14830.64660.36650.65180.19691.0370.9711-0,06610.6604-0,18830.211-0.78452.7150.35360.5863-0.22830.8913-0.20591.30311.3755-0.25361.15851.6690.46230.55240.92110.76760.37350.57590.69010.50420.11980.33390.83691.0843-0.20081.1018-0.10890.6207-0.7340.80450.41451,5620,401859-0,2686-0.52810,09781,11570.57331.01610.52790.65540.0848-1.14730.95040.68910.31430.99810.510.9960.79930.1575-0.1492-0.1642-0.46452.70630.6991.02550.24371.14981.11060.8095-0.0004-0.37510.4516-1.39130.8055-0.21.01631.6787-0.7980.3130.45480.83670.3860.567:0.618遗传算法的参数是∶初始群体数N=64,最大新的非线性估计方法,对数据的非线性形态具有高进化代数G-500,复制概率r=0.60,交换概率度的适应性,因此其估值结果能反映原始数据的空Pc=0.40,突变概率Pm=0.003间波动特征。遗传算法的结果为硫代硫酸钠0.163,亚硫酸遗传算法是一种搜索寻优算法,这里主要用它钠0.192,石硫合剂0,硫酸铜0,氧气1,氨水1,来寻找最优的工艺参数。对于遗传算法来说,关键pH值0.96,曆矿时间1,利用数据正归化反变换在于选择合适的参数和策略。就可以得到相应的参数分别为:0.21、0.08、该方法已经成功地应用在黄金生产工艺参数的0.01、0.14、3、12和15.3优化中,结果表明这种方法是合理的、可靠的,该4结论方法可以推广应用到其它生产工艺参数的优化中。黄金生产的工艺参数比较多,它们直接影响黄金生产成本,因此有必要研究黄金生产参数优化的问题,本文提出了一种新的研究黄金生产工艺参数(收稿日期:2003年5月12日)优化的方法,它包括两个步骤:人工神经网络和遗作者简介〕卢才武工学博土西安建筑传算法。科技中国煤化工士研究生导师主要人工神经网络方法主要用来寻找生产成本与生研究CNMHG的应用产工艺参数之间的因果关系。人工神经网络是一种云庆夏西安建筑科技大学教授博士生导师黄金生产摄的优化