第11期 徐铁军等:基于模糊多目标优化算法的矿山配矿优化 ,1365. 矿优化问题分解为两个子问题分别进行求解,优化 Step5.判断:如果优化结果满足决策者给出的 结果满意与否需要矿山决策者参与,因此分析者与 重要性差别程度,则优化结束;否则,转Step6. 决策者间的交互紧密地将两个子问题结合在一起, Step6.增大△6进一步放松a,然后返回Step4. 形成了两步式交互模糊优化算法, 3算法实现的研究 第1步:改进的最大最小优化模型.为了建立 第1步优化模型,引入最大综合满意度α的定义, 3.1矿山实例验证 将其作为最优解,表示在无偏好的情况下,所有配矿 以文献[14]中配矿实例进行仿真算法的研究, 目标中最差目标所能达到的最大满意度值,其作为 以第i种商品矿石量x:为变量,共有六种商品矿石 下一步优化的给定条件.其优化模型如下: 即=1,2,,6.配矿中要实现利润目标(f1(x) max a 最大、资源回收(f2(x)最大和能源消耗(f3(x)最 st.4(x)≥a,=1,2,…,k 小等多个目标,同时考虑相关约束条件,建立如下一 式(3)or(4) (7) 般多目标配矿模型 4,(x)≤1,i=1,2,…,k 目标函数 maxf1(x)=50x1+50x2+50x3+52x4+ x∈G 52x5+50x6 第2步:重要性模型。目标的满意度约束:根据 配矿目标满意度、期望满意度及最大综合满意度三 mf()=宫, 者关系,再利用调节参数△6(△≥0)对最大综合满 minf3(x)=4.5375×(x1+x2+x3)十 意度进行放松,得 5.(x)≥i≥a*-△6,i=1,2,,k (8) 4.515×(x4+x5)+1.315x6 (10) 在配矿目标期望满意度约束(式(6))、满意度约 约束条件 束(式(8))的基础上,得到第2步重要性模型为: 产量约束:5≤x1,1≤x2,13≤x3,3≤x4,4≤x5,4≤x6 min Y s.t. 5(x)≥≥a-△6,=1,2,…,k x1+x2十x3+x4+x5十x6≤49 质量约束:1.88x1+1.35x2-2.37x3≤0 -i≤Yt,s∈1,2,,k,t≠s -3.88x1-3.35x2十0.37x3≤0 式(3)or(4) -3.7x4+9.6x5≤0 -1≤Y≤0 一x1+34x2-4x3≤0 4(x)≤1,i=1,2,…,k (11) x∈G 根据该矿山对各目标重要性要求,在该矿山多 (9) 目标配矿中,要求利润目标“非常重要”、资源回收目 式(9)中,除了常规决策变量x外,方、、“和y 标“重要”和能源消耗目标“一般”,同时求得式(10) 都是决策变量,重要性变量Y作为优化指标,最小 各目标函数容许度范围分别为(1894,2502)、(37, 化表示要尽可能扩大目标之间相对重要性差别 49)、(156,207)和(53,55),则相应的隶属度函数 2.2.2算法步骤 为: 两步式交互模糊优化算法的具体步骤: 4,(x)=[50(x1十x2+x3)十52(x4十 Step1.初始化:根据多目标优化问题的模糊目 x5)+50x6-1894]/608 标关系类型建立相应的隶属度函数 2(x)=(x1十x2十x3十x4十x5十x6-37)/12 Stp2.按照式(7)建立第1步优化模型,并求 ,(x)=[207-4.5375×(x1+x2十x3)- 解得到最大综合满意度α”. Step3.根据决策者的语言偏好列出如式(8)所 4.515×(x4十x5)-1.315x6]/51 示的比较关系,然后按照式(9)建立第2步优化模 1894≤f1(x)<2502 型,首先假设△8=0. 37≤f2(x)<49 Step4.依据第2步优化模型的性质,利用合适 156<f3(x)≤207 的单目标优化方法进行求解 (12)矿优化问题分解为两个子问题分别进行求解优化 结果满意与否需要矿山决策者参与.因此分析者与 决策者间的交互紧密地将两个子问题结合在一起 形成了两步式交互模糊优化算法. 第1步:改进的最大最小优化模型.为了建立 第1步优化模型引入最大综合满意度 α∗的定义 将其作为最优解表示在无偏好的情况下所有配矿 目标中最差目标所能达到的最大满意度值其作为 下一步优化的给定条件.其优化模型如下: max α s.t. μf i ( x)≥αi=12…k 式(3) or (4) μf i ( x)≤1i=12…k x∈ G (7) 第2步:重要性模型.目标的满意度约束:根据 配矿目标满意度、期望满意度及最大综合满意度三 者关系再利用调节参数Δδ(Δδ≥0) 对最大综合满 意度进行放松得 μf i ( x)≥μ∗ f i ≥α∗-Δδi=12…k (8) 在配矿目标期望满意度约束(式(6))、满意度约 束(式(8))的基础上得到第2步重要性模型为: min γ s.t. μf i ( x)≥μ∗ f i ≥α∗-Δδi=12…k μ∗ f s -μ∗ f t ≤γts∈{12…k}t≠s 式(3) or (4) -1≤γ≤0 μf i ( x)≤1i=12…k x∈ G (9) 式(9)中除了常规决策变量 x 外μ∗ f i 、μ∗ f s 、μ∗ f t 和γ 都是决策变量.重要性变量 γ作为优化指标最小 化表示要尽可能扩大目标之间相对重要性差别. 2∙2∙2 算法步骤 两步式交互模糊优化算法的具体步骤: Step1.初始化:根据多目标优化问题的模糊目 标关系类型建立相应的隶属度函数. Step2.按照式(7)建立第1步优化模型并求 解得到最大综合满意度 α∗. Step3.根据决策者的语言偏好列出如式(8)所 示的比较关系然后按照式(9)建立第2步优化模 型首先假设Δδ=0. Step4.依据第2步优化模型的性质利用合适 的单目标优化方法进行求解. Step5.判断:如果优化结果满足决策者给出的 重要性差别程度则优化结束;否则转 Step6. Step6.增大Δδ进一步放松α∗然后返回Step4. 3 算法实现的研究 3∙1 矿山实例验证 以文献[14]中配矿实例进行仿真算法的研究 以第 i 种商品矿石量 xi 为变量共有六种商品矿石 即 i=12…6.配矿中要实现利润目标( f1( x)) 最大、资源回收( f2( x))最大和能源消耗( f3( x))最 小等多个目标同时考虑相关约束条件建立如下一 般多目标配矿模型. 目标函数 max f1( x) =50x1+50x2+50x3+52x4+ 52x5+50x6 max f2( x) = ∑ 6 i=1 xi min f3( x) =4∙5375×( x1+ x2+ x3)+ 4∙515×( x4+ x5)+1∙315x6 (10) 约束条件 产量约束: 5≤ x11≤ x213≤ x33≤ x44≤ x54≤ x6 x1+ x2+ x3+ x4+ x5+ x6≤49 质量约束: 1∙88x1+1∙35x2-2∙37x3≤0 -3∙88x1-3∙35x2+0∙37x3≤0 -3∙7x4+9∙6x5≤0 - x1+34x2-4x3≤0 (11) 根据该矿山对各目标重要性要求在该矿山多 目标配矿中要求利润目标“非常重要”、资源回收目 标“重要”和能源消耗目标“一般”同时求得式(10) 各目标函数容许度范围分别为(18942502)、(37 49)、(156207)和(5355)则相应的隶属度函数 为: μf1 ( x)=[50( x1+ x2+ x3)+52( x4+ x5)+50x6-1894]/608 μf2 ( x)=( x1+ x2+ x3+ x4+ x5+ x6-37)/12 μf3 ( x)=[207-4∙5375×( x1+ x2+ x3)- 4∙515×( x4+ x5)-1∙315x6]/51 1894≤ f1( x)<2502 37≤ f2( x)<49 156< f3( x)≤207 (12) 第11期 徐铁军等: 基于模糊多目标优化算法的矿山配矿优化 ·1365·