煤矿绿色生产配置的高维多目标优化建模与集成求解

The core of coal green production is safe and efficient mining to maximize the recovery and utilization of resources.However, from the existing research results of green production allocation in coal mines, the four benefits of economic benefits, energy benefits, ecological benefits and social benefits have only partially considered some benefits, and have neglected the influence of uncertain factors such as policy, market and mining area environment.Therefore, this project intends to consider the economic efficiency, energy efficiency, ecological benefits and social benefits, and the uncertain factors are also incorporated into the model, which will be formulated as many-objective optimization problem containing 5 objectives to be optimized. To solve the model, this project intends to design many-objective ensembling optimization algorithms by incorporating many-objective evolutionary algorithm, many-objective particle swarm optimization and many-objective cuckoo algorithm, to estimate the uncertainty in the information model by recurrent neural network (including random variables, fuzzy variables, uncertain expectation and chance expectation), then, the preference strategy is designed with the estimated information. Thus, one new many-objective ensembling optimization algorithm aiming to solve uncertain problem will be designed.This work is of great significance to the sustainable utilization and economic development of the coal resources system in Shanxi province.

当前煤炭绿色开采的核心是安全高效开采，最大限度地提高资源回收率和利用率。然而，已有的煤矿绿色生产配置研究仅分别考虑了经济效益、能源效益、生态效益及社会效益这四个效益的部分内容，且忽视了政策、市场、矿区环境等不确定性因素的影响。为此，本项目拟将经济效益、能源效益、生态效益及社会效益统筹考虑，并将不确定性因素引入模型，从而将煤矿绿色生产配置问题构造为包含5个待优化目标的不确定环境下的高维多目标优化问题。为了求解该模型，本项目拟利用高维多目标进化算法、高维多目标粒子群算法及高维多目标布谷鸟算法，设计高维多目标集成算法，利用循环神经网络估计模型中的不确定性信息（包括含有随机变量、模糊变量、不确定期望值以及不确定机会的概率值），构造与问题特征相关的偏好选择策略，并将其嵌入高维多目标集成算法，从而为求煤矿绿色生产配置问题提供决策帮助，本项目对于山西省煤炭经济发展具有重要作用。

当前煤炭绿色开采的核心是安全高效开采，最大限度地提高资源回收率和利用率。然而，已有的煤矿绿色生产配置研究仅分别考虑了经济效益、能源效益、生态效益及社会效益这四个效益的部分内容，忽视了政策、市场、矿区环境等不确定性因素的影响。为此，本项目的主要研究内容如下：1）综合考虑上述四个需求，结合煤炭价格、污染排放、煤炭产量三个不确定环境变量，建立了不确定煤炭高维多目标期望值模型。2）为提高高维多目标算法的性能，从进化集成和选择集成角度构建进化策略池和选择策略池，设计了基于动态概率集成的高维多目标优化算法。3）在上述高维多目标集成算法基础上，为了在求解不确定煤炭高维多目标期望值模型中更好接近帕累托前沿面，引入多种分布策略，提出了不确定高维多目标优化算法。4）针对高维多目标算法选择压力不足问题，通过利用从个体到理想点朝向参考向量方向的垂直距离的最大值排序来维护多样性，在匹配选择中采用动态平衡函数策略选择性能较好的父代，环境选择使用最大值排序策略来增强选择压力并维护多样性机制，从而引导种群向真实的Pareto前沿靠近。5）考虑到煤炭生产过程中存在诸如煤炭单位价格、污染物排放量等随时间动态变化的因素，构建了煤炭绿色生产动态高维多目标模型，并提出了基于簇中心预测的动态算法对模型优化求解。本项目可实现煤炭资源系统的可持续利用，对山西省煤炭经济发展具有重要作用。