《Mathematics》:A Multi-Objective Intelligent Method for Generating Mine Ventilation Feature Graphs Based on the Adaptive NSGA-II Algorithm
编辑推荐:
通风网络特征图(Q-H图)是矿井通风系统的关键可视化工具,其自动生成归结为独立路径排列上的组合优化问题。然而,现有方法存在三个局限性:单维度评估标准、节点压力能分配不足以及在阶乘规模搜索空间中收敛不稳定。本研究提出了一种自适应NSGA-II(A-NSGA-II
通风网络特征图(Q-H图)是矿井通风系统的关键可视化工具,其自动生成归结为独立路径排列上的组合优化问题。然而,现有方法存在三个局限性:单维度评估标准、节点压力能分配不足以及在阶乘规模搜索空间中收敛不稳定。本研究提出了一种自适应NSGA-II(A-NSGA-II)框架,在评估、建模和算法层面进行了协同改进。建立了一个三目标系统,最小化分块计数、拓扑空间差异和布局碎片化,并辅以工程决策的综合评估分数(AES);通过有向无环图上的最长路径重构节点压力能;并在NSGA-II中集成了拓扑感知初始化、拉格朗日三点插值自适应算子和周期性模因局部搜索。在两个矿井通风网络(75分支和112分支)上的30次独立试验表明,A-NSGA-II在分块计数、AES和超体积方面始终优于四种基准算法(NSGA-II、MOEA/D、SPEA2和MOSA);统计检验证实了在112分支网络上具有显著且大效应的HV优势,而在75分支网络上HV标准差降低了56.6–71.5%。
矿井通风是保障地下生产安全高效的基石,其通风网络特征图(Q-H图)能够同时展示巷道连接、风量、阻力等信息,是实现精细化管理的关键可视化工具。当前Q-H图自动生成面临三大核心问题:一是评价标准单维,仅依赖分块计数,忽略了拓扑空间一致性和小碎片对可读性的影响;二是节点压力能分配方法(如广度优先搜索)在含对角分支的三维网络中导致竖向重叠;三是独立路径排列属于阶乘级组合优化问题,传统遗传算法易早熟收敛,缺乏全局探索与局部细化的自适应协调机制。为解决这些问题,研究人员提出了一种基于自适应NSGA-II(A-NSGA-II)的多目标智能生成框架,旨在从评价、建模和算法三个层面协同提升Q-H图生成质量。该论文发表在《Mathematics》期刊上。
研究人员首先建立了图论模型,将通风网络表示为有向图,通过生成树提取独立路径;其次提出基于有向无环图(DAG)最长路径的节点压力能重构算法,确保每个矩形块竖向严格正高;再定义三目标评价系统——分块计数(K)、拓扑空间差异(f
2)和布局碎片化(f
3),并引入综合评估分数(AES)用于工程推荐。在算法层面,将三种策略集成到NSGA-II中:拓扑感知邻接引导的初始化、拉格朗日三点插值自适应算子(动态调节交叉与突变概率),以及周期性模因局部搜索(PMLS)。实验采用两个实际矿井通风网络(75分支与112分支),30次独立试验对比了四种基准算法(标准NSGA-II、MOEA/D、SPEA2、MOSA),评估指标包括分块计数、AES、超体积(HV)及其统计分析(威尔科克森秩和检验与Vargha–Delaney效应量)。
**5.1 主网络上的比较性能与统计显著性**:在75分支网络上,通过30次独立试验对比发现,A-NSGA-II获得最低平均分块计数(比四个基准降低2.63%–5.01%)、最高平均AES(0.4588,比基准提升1.31%–6.04%)和最高平均HV(36.9521,比基准提升1.31%–14.41%)。HV标准差比基准降低56.6%–71.5%,表明运行间稳定性显著提升。威尔科克森检验显示,A-NSGA-II对MOEA/D、SPEA2和MOSA在α=0.01水平上HV有显著优势,对NSGA-II在p<0.05水平上显著,Vargha–Delaney效应量在0.65–1.00之间。
**5.2 帕累托前沿与多目标权衡分析**:通过三维目标空间分布分析,A-NSGA-II的解形成更紧凑的簇,且向低K和低f
2区域移动,表明在减少分块与保持拓扑空间保真度之间实现了更稳定的折衷。二维投影显示,A-NSGA-II在K-f
2平面中的分布更集中,运行间波动更小,而其他算法(特别是MOSA)的分布更分散。
**5.3 跨尺度收敛性与鲁棒性分析**:在112分支网络上,A-NSGA-II的AES收敛曲线保持领先,且终端AES和HV均显著高于基准。小提琴图显示其分布更集中于高值区域,而其他算法分散且中心值偏低。统计检验表明,A-NSGA-II对所有四个基准在α=0.01水平上HV均有显著优势,p值均低于8.61×10
-5,Vargha–Delaney效应量接近1(0.9644–0.9967),且优势随网络规模增大而放大。
讨论部分对AES权重和算法参数进行了敏感性分析。权重扫描表明,默认权重(α1=0.4, α2=0.4, α3=0.2)处于合理折衷区间,当α1超过0.7时,拓扑惩罚增加且选择不稳定。算法参数分析显示,种群规模40、PMLS触发周期15、局部搜索个体数8以及自适应概率锚点(交叉概率锚点(0.95,0.80,0.60),突变概率锚点(0.05,0.15,0.30))在性能与计算成本间达到合理平衡。
**研究结论**:
(1)提出了基于最长路径的节点压力能重构算法,通过有向无环图最长路径递归,确保每个矩形块沿风流方向具有严格正竖向高度,消除了BFS方法在含对角分支网络中的块重叠与倒置问题。
(2)建立了一个多目标评价系统,涵盖分块计数(K)、拓扑空间差异(f
2)和布局碎片化(f
3),将Q-H图质量从标量准则扩展为多维定量表述,并构造了综合评估分数(AES)用于从帕累托最优集中选择工程推荐解,其权重敏感性在α1∈[0.20,0.65]范围内得到验证。
(3)在NSGA-II框架内嵌入了三种适用于排列问题的改进策略——拓扑感知邻接引导初始化、拉格朗日三点插值自适应算子和周期性模因局部搜索,分别提升初始种群质量、算子概率自适应性及帕累托前沿邻域细化能力,参数敏感性分析证实了设置参数的稳定性和工程合理性。
(4)跨尺度验证表明,在75分支(18条独立路径,搜索空间18!)和112分支(36条独立路径,搜索空间36!)两个网络上,A-NSGA-II在平均分块计数、平均AES和平均超体积上均优于四种随机算法,且HV标准差在75分支网络比基准降低56.6%–71.5%;随着网络规模增大,优势更加显著,112分支网络上威尔科克森检验显示对全部基准的HV优势均达到p<0.001且效应量接近1。评估、建模和算法层面的协同改进为复杂矿井通风网络智能可视化提供了定量依据和算法稳定的框架。