摘要：针对矿业公司生产用水优化调配的问题，本文应用人工蜂群算法对生产用水中智能调配。在人工蜂群算法（ABC算法）的基础上借鉴差分算法的思想，提出一种改进人工蜂群算法。通过实验仿真，改进后的ABC算法在不同标准测试函数上均能得到较优解，为矿业公司生产用水中智能调配提供有力支持。
　　关键词：生产用水;智能调配;优化方法;人工蜂群算法
　　1.引言
　　矿业公司由于用水资源较多，流经管道繁多，情况复杂，目前大多情况下是在人为调度用水。因此在保证矿山企业安全生产的同时，科学合理地调配用水量显得尤为重要。ABC算法是一类新的生物启发式优化算法，其是由土耳其大学的Karaboga教授首次提出了ABC算法模型[1]。Cui等采用ABC算法解决混合流水作业调度问题[2]。马玉磊等采用ABC算法对优化神经网络的各个参数进行优化，对预测精度有一定的提升[3]。黄庆展等以ABC算法作为优化方法来优化无线传感器网络[4]。除此之外ABC算法在生产调度[5]等领域应用中也取得了良好的效果。本文采用一种改进ABC算法对矿业公司用水进行智能优化。
　　2.问题描述
　　2.1 问题提出
　　选矿厂1的生产供水主要由尾矿库回水，净环水组成;选矿厂2的生产供水主要由尾矿库回水，净环水组成和采场沟底水，两个厂区共用一个尾矿库供水管道。两个厂区的水平衡图如图1所示，q1和q2分别是两选矿厂尾矿库回水供应流量;fi和f2分别是两选矿厂的净环水供应流量;f是净环水供应总流量，且f=f1+f2;p2为采场沟底水供应流量;x1和x2分别是两选矿厂用水总流量;y1和y2分别是两选矿厂排水总流量。
　　2.2优化模型建立
　　用水调配的目标是在不同生产模式下，使两个厂区用水达到平衡。设两选矿厂的平衡阈值分别设为ε1和ε2，那么可建立如下优化模型：
　　3.改进ABC算法
　　ABC算法是受蜜蜂采蜜机制启发的群体智能优化算法，每个蜜源的位置代表优化问题的一个可能解，蜜源的花蜜量对应于相应解的质量或适应度。
　　针对人工蜂群算法搜索后期局部优化能力差、收敛速度慢的问题，将差分进化算法的besUI/bin搜索策略嵌入到人工蜂群算法的“观察蜂”中，并建立一种等级概率模型，提出一种改进ABC算法如下：
　　4.算法仿真验证
　　为了测试改进蜂群算法（IABC）的性能，对4个标准测试函数进行实验，表1中给出了标准测试函数的名称、维数、搜索范围和理论全局最优解。采用改进ABC算法与基本ABC算法进行了比较，两种算法种群数目为80，limit为200，最大循环次数为5000。每个测试函数均随机运行30次取平均值，从求解的精度和收敛速度方面进行比较。
　　求解精度方面，表2给出了每个测试函数，应用IABC算法和基本ABC算法随机运行30次求解平均值，测试函数在不同维数下的平均值和标准差的对比见表2。表2显示出两种算法均能寻找到接近于理论全局最优的解，但IABC算法优于基本ABC算法。
　　收敛速度方面，从图2可以看出，ABC算法早期收敛较快，随后很快陷入局部最优解。而IABC算法收敛速度明显优于ABC，特别是在Schaffer.Rastrigin和Griwank函數上，IABC算法在收敛速度上要强于ABC算法几个数量级。
　　5.结论
　　本文应用人工蜂群算法对矿山用水分配进行智能优化，以减少缺水漏水事故。针对人工蜂群算法的搜索后期局部优化能力差、收敛速度慢的问题，提出一种改进人工蜂群算法，该算法融人了best/l/bin搜索策略和自适应选择概率模型，使得算法搜索具有方向性和目的性。仿真实验表明，提出的改进人工蜂群算法比原始人工蜂群算法具有良好的求解精度和搜索速度。最后把提出的算法在矿业公司用水管线的地理信息系统应用中取得良好的效果。
　　参考文献：
　　[1]马玉磊，赵芳.基于一神经网络的洪水预测研究[J].西南师范大学学报自然科学版，2014，39 （01）：41-46.
　　[2]黄庆展，毛力，吴滨.改进人工蜂群算法在覆盖优化中的应用[J]传感器与微系统，2018，5（05）：20-24.
　　[3]李端明，程八一.基于人工蜂群算法求解不同尺寸工件单机批调度问题[J].四川大学学报：自然科学版，2009，46（03）：657-662.