基于SPEA算法的煤矿机械多目标模糊优化

《基于SPEA算法的煤矿机械多目标模糊优化》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第18卷煤矿开采Vdl82013年第5期CoalminingTechnology2013N5基于SPEA算法的煤矿机械多目标模糊优化白椿(衡水学院数学与计算机科学系，河北省衡水市053000)[摘要]煤矿机械优化工作是一项大规模的、复杂的优化过程，专业化、工厂化、机械化、机械化的现代化优化手段的应用，为给煤矿机械优化水平提供充分的科技基础，本文引进了SPEA算法、模糊综合优化方法。用来改变现有煤矿机械优化不健全的现状。本文基于SPEA算法在煤矿机械优化中的背景和意义，提出机械模糊综合优化的目的和主要内容模式，详细煤炭机械优化机械化系统的框架和各模块的功能作用

2、，最后就机械化系统的应用进行相关讨论。[关键词]SPEA算法；煤矿机械；模糊综合优化1SPEA算法及模糊综合优化方法简介化方法，我们可以知道，综合就是在包含许多因素的情况下进行优化，优化则是根据系统所指定的优化如今，SPEA算法已然被广发运用到数学、经济、环境对优化对象进行评选与估计。可见，综合优化工程项目当中。上世纪八十年代初，在中美就能源、是在包含了多个因素的系统条件下对优化对象做出环境问题开展的学术会议上，Saaty教授的学生率先尽可能全面的优化。在项目进行多目标优化的过程把SPEA算法传播到中国领域，其后又被天津大学许中，模糊多目标综合优化法的原理就

3、是尽可能全面树柏、刘豹引人中国，该方法通过定性分析与定量分地考虑到项目中各多目标因素的影响大小，并根据析，两种方法相结合的方式对项目各种多目标决策已设置的权重因子对各个因素进行区别分类，最后因素进行筛选优化。其本质内容就是将原本极端复通过建立数学模型，从而推断出各多目标因素可能杂的系统分解为许多子系统，在确定子系统中各因发生的大小，其中可能性程度最高的多目标因素依素的逻辑关系后，将它们按照一定的支配关系分组旧是多目标水平的最终确定值。罗列，进而组合成了一种递阶式的层次模型，在对层次结构中的相邻因素两两比较后，逐步确定每种因2基于SPEA算法的煤矿机械模糊综合

4、优化应用素对系统的影响程度，最终对决策方案进行综合判煤矿机械融合以所有机械局部决策结果为对断。在使用SPEA算法的过程中，不但要结合定性分象，属于决策级融合的范畴，为针对各个层次属性作析与定量分析两种方法之所长，对主管优化体，也就出单独判断，必须先对其进行变换处理，之后对每个是决策人的分析、判断能力也有很高的要求。SPEA层次属性判决进行顺序融合。换句话说，就是在独算法可以将决策人考虑问题的思维数字化，甚至可立判决每个机械层次之后，再进行全局判决。在煤以构造人们对于复杂问题所做出决策的思考权衡过矿机械层次跌倒结构中，具体的检测结果是机械层程。因此，对于多目标

5、的决策系统，SPEA算法的作用次进行特征提取操作的主要依据，并根据检测结果愈显突出，它可以逐一求得各影响因素对总目标的作出判决，之后将其传输到融合中心；融合中心再以影响程度，并按此对它们进行分类排序，可以说是当所有机械层次判决为依据作出最终的全局判决。代使用较为广泛的一种决策分析方法。在煤矿机械模糊机械优化系统中，不但要对煤顾名思义，模糊多目标综合优化，就是依据所给矿固有的生产属性进行数据化优化，而且将各个数出的优化标准与实测数值，使用最大隶属度原则与据之间的层次分布关系整理清楚。所以说，煤矿优模糊交换理论，对那些受到一系列因素影响的事物化系统模型既包含了煤

6、矿生产属性机械，同时也包做一个总体优化。该方法首先由我国学者汪培庄在其论文中提出，作为模糊数学领域的一种具体实现括了空间图形机械。空间图形机械可以准确描述煤方法，并广泛受到当时科技工作者的青睐与重视，如矿机械员工的各个属性，这一系列工作在SPEA算法今，模糊综合优化方法的多方面发展，该方法已经得模式下通过数据优化坐标(X，Y)可以得到模糊表到了广泛的传播和应用。从字面上理解模糊综合优示；而煤矿机械员工属性机械数据量非常庞大，它采[作者简介]白椿，女，河北衡水人，衡水学院数学与计算机科学系，讲师，研究方向：运筹与优化。166第18卷煤矿开采V01．182013

7、年第5期CoMminingTechnology2013Nn5集了煤矿中大量的地物特征，以及各种各类的煤矿捷性和简便性。设备，不仅能够对生产设备实施机械化操控，还能对将上述软判决传输到融合中心，并在此基础上井巷等固定设施进行全程监控，反映在几何数据模得到最终全局判决。笔者对融合中心中合成运算的型中，这些生产工作都是由几何图形表示，他们都是算子进行提取，并以其作为模糊集进行并交运算所点、线、面的对象集合，而且通过这些地物可以组合得到的就是融合结果。根据融合结果表格中的相关成为矿区环境下的所有地物，并分别具有各自的属数据可以得出：相比较于单传感器隶属度值而言，融性

8、特征与几何特征。根据前面的介绍我们知道，由于合之后的