深部矿山锚固网络结构参数的动态多目标鲁棒集合进化优化方法

The structural parameters of anchoring network in deep mine directly determine the stability of tunnel’s support. Its optimization design shall consider the support effect, economic benefits and the continuous change of the wall rock’s pressure in tunnel. Limited by the bolt material, part of the anchorage parameters can't vary with the dynamic environment frequently. Therefore, its essence is a kind of dynamic multi-objective robust optimization problem. At present, there exists no effective evolutionary optimization method to solve this problem. In the project, dynamic multi-objective robust optimization model is established based on the definition of Pareto solution set’s robustness over time. By constructing neighborhood surrogate-model and the ensemble learning model, the robustness of individuals are estimated. Furthermore, aiming at the decision variables with mixed types as structural parameters, an indicator-based dynamic multi-objective robust set evolutionary optimization method is put forward based on the proposed performance indexes for set under the dynamic environments. These theories are applied to the design of anchoring network in deep mining coal, and then a prototype system is established. The research results enrich the theory of dynamic multi-objective evolutionary optimization. They are the foundation for the rational use of anchoring network in deep mine and also provide the technical support for safely producing and reducing the disaster. This project is a novel research orientation with obvious social requirement and multidisciplinary. Therefore, it has important theoretical and actual value.

深部矿山锚固网络的结构参数直接决定巷道支护稳定性。其优化设计需兼顾支护效果和经济效益，以及巷道围岩应力的连续演化特性；受锚固材料限制，部分锚固参数不能跟随动态环境频繁改变。因此，其结构参数设计本质是一类的动态多目标鲁棒优化问题。目前，缺乏解决该类问题的有效进化优化方法。本项目基于所提Pareto解集的时空鲁棒性，建立问题的动态多目标鲁棒优化模型；通过构建邻域代理模型和集成学习器，实现个体鲁棒性估计。进而，基于给出的动态环境下集合个体的新型性能指标，面向结构参数这一存在混合类型的决策变量，提出一类基于指标的动态多目标鲁棒集合进化优化方法。将上述理论应用于深部开采煤矿巷道的锚固网络设计，建立其原型系统。研究结果丰富了动态多目标进化优化理论，为锚固网络在深部矿山的合理使用奠定实现基础，为煤矿抗灾减灾、安全生产提供技术保障。本项目是多学科交叉且新颖的研究方向，具有重要的理论意义和实际应用价值。

深部矿山锚固网络的结构参数直接决定巷道支护稳定性。其优化设计需兼顾支护效果和经济效益，以及巷道围岩应力的连续演化特性；受锚固材料限制，部分锚固参数不能跟随动态环境频繁改变。因此，其结构参数设计本质是一类的动态多目标优化问题。为有效解决该类优化问题，申请人及合作者对锚固网络结构优化模型，及其动态多目标鲁棒进化优化方法进行了深入研究，建立基于宽度学习或支持向量机的锚固网络支护质量代理模型，并给出基于组合加点准则的在线模型管理策略；构建锚固网络结构设计的多目标优化模型，并给出融合进化过程与代理模型更新的并行进化框架；建立基于超体积和个体贡献度的Pareto 解时空鲁棒性评价模型；提出基于集成学习和多方向预测的Pareto 解适应度预测方法；构建基于变维度BSO算法的自适应CCR极限学习机模型；给出基于变量自适应分割的动态多目标协同进化优化方法；基于动态偏好自适应感知，给出基于分解的动态多目标鲁棒进化优化方法；提出基于网格的新型动态多目标鲁棒头脑风暴算法；设计基于区间变量的个体可能度比较策略；构建基于知识引导的区间多目标进化优化方法；给出基于区间变量分割的动态多目标协同进化优化方法；提出环境特性驱动的混合动态多目标进化优化方法；构建锚固网络结构优化设计原型系统，并将上述方法拓展应用于无线传感器网络布局、车辆路径动态规划和软件工程项目调度等组合优化问题。基于上述成果，发表学术论文35篇，其中，JCR1区17篇、Top期刊3篇、CAA A类期刊1篇、CCF A类会议1篇；授权发明专利5项，获得计算机软件著作权5项；获得江苏省科学技术奖二等奖1项和中国人工智能学会吴文俊科技进步奖二等奖1项，圆满完成了项目的研究目标。这些成果将基于时间的鲁棒优化拓展到动态多目标优化问题，丰富了智能优化理论，提高了锚固网络结构设计性能和效率，为其在其他领域应用提供了典范，具有重要理论意义和推广应用价值。