矿井通风网络的反向增强型烟花算法优化研究.pdf

工矿自动化 In dust r y a n d Min eAut oma t ion 第45卷第10期 2019年10月 Vol .45 No.10 Oct . 2019 文章编号1671 251X201910 0017 07DOI10. 13272/j. issn . 1671-251x. 17438 矿井通风网络的反向增强型烟花算法优化研究 吴新忠胡建豪1魏连江钱晓喻任子晖张芝超 （1.中国矿业大学 信息与控制工程学院％江苏 徐州2211162.School of Sa f et y En g in eer in g ,Chin a Un iv er sit y of Min in g a n d Techn ol og y , Xuzhou 221116, Chin a Abstract A n on -l in ea r un r est r a in t opt imiza t ion model of min e v en t il a t ion n et wor k wa s est a bl ished whicht ook t hemin imumt ot a l en er g y con sumpt ion of min ev en t il a t ion n et wor k a sopt imiza t ion object iv e. In or der t oimpr ov eopt imiza t ion a bil it y a n dcon v er g en cespeedof t hemodel ,a n opposit ion -ba seden ha n ced f ir ewor k s a l g or it hm OBEFWA wa s pr oposed. Fir st l y ,popul a t ion in it ia l iza t ion st r a t eg y ba sed on opposit ion -ba sedl ea r n in g a n d un if or m r a n domiza t ion isa dopt ed,a n d un if or m r a n domiza t ion popul a t ion g en er a t ed by t he st r a t eg y is compet ed wit h opposit ion -ba sed popul a t ion ,so t ha t t he opt ima l in it ia l popul a t ion issel ect eda sst a r t in g poin t of subsequen t sea r ch.Secon dl y ,f ir ewor k sexpl osion r a diusisf in el y con t r oled, so t ha t expl osion r a dius of f ir ewor k s popul a t ion s of di fer en t g en er a t ion s shows n on -l in ea r decl in e,a n dt ha t of t hesa mepopul a t ion g en er a t ion iscoor din a t eda n ddist r ibl t eda ccor din g t ot heir own f it n essv a l ues.The min imum dy n a mic t hr eshol d is set t o decr ea se wa st eof sea r chr esour ces.Fin aly , sel ect ion st r a t eg y of el it eopposit ion -ba sedl ea r n in g isa dopt edt ost r en g t hen sea r chf or n eig hbor hoodof el it ef ir ewor k s,soa st oimpr ov eg l oba l expl or a t ion a b il it y of t hea l g or it hm.Theexper imen t a l r esul t sshow t ha t t ot a l en er g y con sumpt ion of min ev en t il a t ion n et wor k opt imizedby OBEFWAdecr ea sesa bout 23.2 收稿日期收稿日期2019-05-16;修回日期修回日期2019-09-18;责任编辑责任编辑李明。 基金项目基金项目国家重点研发计划资助项目018YFC0808100江苏省重点研发计划资助项目BE2016046。 作者简介作者简介吴新忠1976 男，江苏徐州人，副教授，博士，主要研究方向为煤矿通风机不停风倒机技术，通风网络建模、解算及优化等 E-ma il wxzcumt 126. com。通信作者胡建豪1995 ，男，湖北黄冈人，硕士研究生，研究方向为矿井通风网络优化 E-ma il 1532072195qq. com。 引用格式引用格式吴新忠，胡建豪,魏连江，等，等矿井通风网络的反向增强型烟花算法优化研究工矿自动化2019,451017-22. WU Xin zhon g , HU Jia n ha o, WEI Lia n jia n g , et a l . Resea r ch on opposit ion -ba sed en ha n ced f ir ewor k s a l g or t hm opt imiza t ion f or min e v en t il a t ion n et wor k］〕］. In dust r y a n d Min e Aut oma t ion , 2019,4510 17-22. -18 - 工矿自动化 45 which meet s a djust men t con st r a in t s a n d win d dema n d of a ct ua l v en t il a t ion n et wor k , a n d OBEFWA ha s bet t er opt imiza t ion ef f ect t ha n pa r t icl e swa r m opt imiza t ion a l g or it hm a n d en ha n ced f ir ewor k s a l g or it hm. Key words min e v en t il a t ion ; v en t il a t ion n et wor k opt imiza t ion ; f ir ewor k s a l g or it hm; opposit ion -ba sed en ha n ced f ir ewor k s a l g or it hm; opposit ion -ba sed l ea r n in g; f in e con t r ol of expl osion r a dius 0引言引言 矿井通风借助自然风压和通风机将新鲜空气输 送至井下各用风点，为井下持续提供足够氧气，并稀 释巷道中的有害气体，以保障生产安全。矿井通风 网络是一个关联度很高的复杂系统，寻求一种既符 合矿井生产及通风需求，又可使调控设备数量和通 风运行成本最少的控风方案，实现矿井通风网络优 化「T,是矿井通风安全和节能领域研究的热点和 难点。 国内外学者相继采用模拟退火算法、遗传算 法3、递阶文化算法⑷等解决矿井通风网络优化问 题。但对于复杂的通风网络，模拟退火算法和遗传 算法的搜索能力有限且寻优效率不高，递阶文化算 法对递阶编码方式及非可行解的判定较为耗时，优 化代价较大。 本文以通风网络的总能耗最小为目标，建立了 通风网络非线性无约束优化模型[5] „为了提高该模 型的优化能力及收敛速度，提出一种反向增强型烟 花算法Opposit ion -Ba sed En ha n ced Fir ewor k s Al g or it hm,OBEFWA该算法通过引入反向学习 概念，加强对反向烟花的全局搜索能力，可快速寻找 到最优控风方案’ 1矿井通风网络建模矿井通风网络建模 矿井通风网络解算需遵循风量平衡、风压平衡 及通风阻力三大定律，它们共同对通风网络优化问 题进行约束6 风量平衡定律在通风网络风流趋于稳定条件 下，任一节点、分支或若干联通分支的流入与流出风 相等， 为 N, aDQ] 0 1 D 1 式中N,为以通风网络中节点461表示分支D属 于回路6,且风流顺时针流动，4 一1表示分支D 属于回路6,且风流逆时针流动,4 0表示分支D 不属于回路6 ；Hf, , Hr, , G,, 为缩放系数，q通过控制 每代烟花种群的搜索范围在适当范围内；Qbv为 第t代烟花种群爆炸半径的最小动态阈值。 3 设置 Qbv f O Qi Qn V2Ttt 8 式中Qi为初始烟花爆炸半径为末代烟花爆炸 半径。 4 计算烟花个体的爆炸半径 0fft__rt ft . f_t Q / fma x - 9 ［nv ftt fmaxtt 式中-为无限小正数，用于防止分母为0。 烟花 t 炸产生 火花为 * tt t rtd du 10 式中rr/4, 1,2,3,4；d d”为爆炸方向向量, u1,2,，为烟花爆炸的总方向数［13］0 火花 及 计 过程中 空资 限制 ・20・ 工矿自动化 45 设定火花和烟花之间距离为q/4 ,q/2,3q/4 ,q。 2. 3 精英OBL选择 采用均匀反向初始化种群策略后，对N个初始 烟花 细 炸产生的火花进行适应度 ，选 最优适应度前20 作为精英烟花集。这 些精英烟花集通常蕴 信息，指引烟花种 群在寻优过程中向全局最优解收敛，因此引入OBL 方法％ 英烟花集 英反向解，将生成的精 英反向种 竞争机制，以加强 英烟花所在 空间邻 搜索， 全局勘测能力。 L维搜索空间 英烟花集中存在某精 英烟花种群Xbest ｛best｝，其精英反向解为XLt ｝，其中 bests US bests ， besSs ， .s Usl, L.s Usl为种群X“在第S维的动态 边界。 .s min “ / “e x; 11 Us ma x “ “e x“ 利用动态边界代替固定边界有助于经验信息的 继承，使精英反向解逐渐 勘测邻 生成 英反向种 原始烟花及火花的集合一同 参与竞争，并采用文献,4-中基于距离 策略 进行筛选，保留最优适应度 作为下一代烟花- 轮盘赌的方式挑选剩余N 1个烟花，共同作为 下一代烟花种群，如此进行循环迭代。 2. 4 OBEFWA 流程 OBEFWA流程如下。 种群规模N，解空间向量维度L,最大迭代次数R初 输入 始烟花爆炸半径Qn it ,末代烟花爆炸半径Qf in a l，爆炸半 径衰减系数 输出 末代烟花最优种群 「 均匀反向初始化种群，生成初始烟花种群X 3 ｝， 步骤1 置；0 步骤“ WHILE T 步骤3 FOR n1 t o N 将X“中烟花个体，经式“一式“0爆炸产生 步骤4 一定数量的火花 步骤5 END FOR - 挑选优秀个体组合成精英烟花集，并采用精英反向学 步骤6 策略，生成精英反向种群 将爆炸后的烟花种群与精英反向种群组合成集合V， 步骤“ V中元素适应度 - 采用基于距离的选择策略，挑选垃个烟花组成下一 步骤8 代烟花种群，迭代竞争 步骤“ ；; 1 步骤10 END WHILE 步骤11输出末代烟花最优种群Xpt T 3实验与结果分析实验与结果分析 为验证OBEFWA在矿井通风网络优化中的应 用效果，基于矿山通风安全 能智能 平台进 行实验分析。该平台 某矿 工作 风网络 拓扑 3. 1 实验平台 矿山通风安全与节能智能测控平台由通风网络 、通风网络 优化、通风网络智能 等 成，主要包括通风机、变频器、传感器、智能 风门、控制柜、高压柜、智能控制台等。该平台通过 矿用热式 器、3151型差压变送器、GFY15 风 器、GWSD100温湿度传感器等监测通风 环境参数，通过BT35 11型通风机、BD6L-15T4 频器、Q10-1B型回转阀门控制器等对通风网 络进行 。 风网络优化根据通风环境参数、通风网络属 性及其优 进行配置，通过PLC 件 设施 制指令之间的信息交互。通风网络数 据经Ma t l a b优化，通过智能控制台的OPC及上位 机 平台 风机、变频器、风门实施优 制。 风网络控制 图1所示。 图1通风网络控制结构 Fig .1 Con ,r ol s,r uc,ur eof v en ,il a ion n e,wor k 实验中通风网络设计模拟了 “一矿两面”结构, 通风网络 为 两 称结构，如图2所示，相 风网络拓扑如图3所示。通风网络包含 15个节点、21条分支，独立回路为7个。图3中箭 头方向为风流流动方向，分支20为主要通风机分 支，进风节点① 风节点⑮之间用伪分支21 风阻为0。 图 2 风网络 Fig .2 Roa dwa y of v en ,il a ,ion n e,wor k 2019年第10期吴新忠等矿井通风网络的反向增强型烟花算法优化研究・21・ ⑭ 图3通风网络拓扑 11920 z/15 4 4 M7 \ \ y / w 7/ 丿 21 ① 表2优化分支风量和通风阻力界限 Ta b l e2 Boun da r ies of a ir v ol ume a n d win d r esist a n ce of opt imizedb r a n ches Fig . 3 Ven t il a t ion n et wor k t opol og y 3. 2 通风网络参数 用风分支・ 风量/m3 ■ 下界 -s-1 上界 风阻/k g 下界 ・ m-7 上界 46. 75 8.250.891.63 76. 55 8.030.741.37 8 6.878 390.891.63 131. 081. 31 0.230.42 147. 028 58 0.741.36 Uma x -min u , [0. 05,0. 30 - ， ma x min分别为初 3. 3 通风网络优化结果及分析 分别采用OBEFWA、粒子群优化Pa r t icl e Swa r m Opt imiza t ion, PSO算法「15-、增强型烟花算 法En ha n ced FWA,EFWA对通风网络进行优化。 算法主要参数种群规模N 50,解空间向量维度 D 5,最大迭代次数T 500,爆炸半径衰减系数 5,缩放系数1. 25,初始烟花爆炸半径rn t A 通风网络参数见表1。选择分支4,7,8,13,14 为 优 分支， 分支 风 、 风 为 风 网络优 化过程中的独立决策变量。优化分支的风量和风阻 界限见表2。 1 风网络 Ta b l e1 Pa r a met er sof v en t il a t ion n et wor k 分支号始点末点 风/ k g・ m-7 风/ m3 ・ s-1 可否调节 1①② 0.4646.00 不可调 2②③0. 12 30.17 不可调 3②④ 0.2115.83 不 4③ ⑪1.08 8 00可调 5③⑤ 0.0422.17 不 6④⑥ 0.20 9. 18不 7④ ⑬1. 16 6. 65可调 8⑤⑨1. 38 7.44 可调 9⑤⑦0. 35 14.73 不 10 ⑦⑧0. 6513.59不 11 ⑧⑥0. 336. 33不 12 ⑥⑩0. 32 15.52 可调 13 ⑦⑨0. 341. 14可调 14 ⑧⑩1. 21 7.26 可调 15 ⑨ ⑪ 0. 14 8.58 不 16 ⑩ ⑬ 0. 21 22.78 不 17⑪⑫ 0. 30 16.58 不 18⑬⑫0.0729.43 不 19⑫⑭ 0. 13 46.00 可调 20⑭⑮ 0. 73 46.00 不 21⑪ ①0 46.00 不 始烟花个体的最大值、最小值，末代烟花爆炸半径 Qf in a l 10-6，16-。 3种算法各运行30次，优化结果见表3。可见 EFWA收敛速度最快，但最优解和平均总功率不如 其他算法；PSO算法的优化结果稍差于OBEFWA, 且收敛速度较其他算法慢；OBEFWA虽增加了计 算成本，但收敛速度较PSO算法快，且最优解和平 均总功率远优于其他算法，有效避免了局部最优。 表3通风网络优化结果 Ta b l e3 Opt imiza t ion r esul t sof v en t il a t ion n et wor k 优化算法EFWAPSO算法OBEFWA 最优解/k W 57.9556.3654.54 平均总功率/k W 58.3456.9254.68 通风机平均风压/Pa1241.281211.061 163. 40 平均收敛代数 188.32442.68309.50 平均收敛时间/s13.1545.8628.64 平均每代计算时间/10-3s69.83103.6092.54 某次通风网络优化的功率适应度曲线如图4所 示。对应3种优化算法的各分支数据见表4。 Fig 4 Power f it n esscur v esof v en t il a t ion n et wor k opt imiza t ion 从图4可看出PSO算法、EFWA、OBEFWA 的初始种群功率适应度分别为70. 1,71. 3, 68.5 k W,OBEFWA的初始种群最优，能够为寻优 过程提供良好开端；OBEFWA较PSO算法收敛速 度 、 ， 果 ； OBEFWA ・22・ 工矿自动化 45 表4通风网络优化计算结果 Ta b l e4 Ca l cul a ion r esul ,sof v en il a ion n e,wor k opimiza ion 分支号 分支风量/m3・s 1 OBEFWA 优 风/ k g - m 7 自然 分风 EFWA 优化 PSO算法 优 OBEFWA 优 1 46 0042 98425942 13 2 30 1728 63281728 46 3 15 8314 36144213 67 4 8006 916 776 76 0. 487 5 22 1721 72214021 70 6 9187 717 847 11 7 6656 65 6. 58 6 560 069 8 7447 016 896 870 262 9 14 7314 71145114 83 1013 5913 61133313 74 116336 456 296 71 1215 5214 15141313 82 131141 10 1 18 1 090 062 147267 167 047 030 097 158588 118 077 96 1622 7821 31211720 85 1716 5815 02148414 72 18 29 4327 96277527 41 1946 0042 98425942 13 2046 0042 98425942 13 2146 0042 98425942 13 了 EFWA的局部最优解，迭代约280次后稳定收 敛，功率适应度最优解降至54. 6 k W。 采用EFWA、PSO算法、OBEFWA对通风网络 优化后，通风网络总能耗由优化前的71. 08 k W分 别降低至57. 97,56. 39,54. 60 k W,降幅分别约为 18.4,20. 7,23. 2，可见在满足实际通风网络 调节限制及用风需求基础上，OBEFWA对通风网 络的优化效果最好。 4结论结论 1 OBEFWA充分运用反向烟花对最优解的 偏向性，提高了算法在进化过程中的全局搜索能力， 克服了 FWA寻优精度差、易早熟等缺点，提高了寻 优效率与收敛精度。 2 实验结果表明，采用OBEFWA对通风网 络进行优化，在满足实际通风网络调节限制及用风 需求基础上，总能耗可降低约23. 2，优化效果优 于PSO算法和EFWA。 参考文献References [1 -程磊，党海波，彭信山矿井通风网络分析研究现状及 趋势[J-煤炭工程，2011,4339092. CHENG Lei，DANG Ha ibo, PENG Xin sha n . St udy st a t us a n d t en den cy of min e v en t il a t ion n et wor k a n a l y sis]〕-. Coa l En g in eer in g ,2011,433 90-92. [2 -杨杰，赵连刚，全芳.煤矿通风系统现状及智能通风系 统设计[J-.工矿自动化，2015,41117477. YANG Jie , ZHAO Lia n g a n g , QUAN Fa n g . Cur r en t sit ua t ion of coa l min ev en t il a t ion sy st ema n ddesig n of in t el l ig en t v en t il a t ion sy st em [J-. In dust r y a n d Min e Aut oma t ion ,2015,4111 74-77. [3 -李江,陈开岩,林柏泉.遗传算法在矿井通风网络优化 中的应用[J-中国矿业大学学报,2007 , 36 6 789-793 LI Jia n g , CHEN Ka iy a n , LIN Ba iqua n . Gen et ic a l g or it hm f or t he opt imiza t ion of min e v en t il a t ion n et wor k ,-. Jour n a l of Chin a Un iv er sit y of Min in g Techn ol og y 2007 366 789-793 [4 -郭一楠,王春,杨继超.基于文化粒子群优化算法的矿 井通风网络[J-.东南大学学报自然科学版2013 , 43增刊 148-53. GUO Yin a n , WANG Chun , YANG Jicha o. Min e v en t il a t ion n et wor k b a sedon cul t ur a l pa r t icl eswa r m opt imiza t ion a l g or it hm [J - Jour n a l of Sout hea st Un iv er sit yNa t ur a l Scien ce Edit ion 2013 43S1 48-53 [5 -何敏,武福生,成燕玲基于三维模型的通风系统优化 调控模拟分析[J-工矿自动化，2016,421141-44. HE Min , WU Fushen g , CHENG Ya n l in g . Simul a t ion a n a l y sis of opt ima l r eg ul a t ion a n d con t r ol of v en t il a t ion sy st em ba sed on 3D model[J- In dust r y a n d Min eAut oma t ion 2016 4211 41-44 [6-魏连江，周福宝,梁伟,等矿井通风网络特征参数关 联性研究[J-煤炭学报2016,4171728-1734. WEI Lia n jia n g , ZHOU Fuba o , LIANG Wei , et a l . Cor r el a t ion of min ev en t il a t ion n et wor k cha r a ct er ist ic pa r a met er s[J- Jour n a l of Chin a Coa l Societ y 2016 41 71728-1734 [7 - TAN Yin g ,ZHU Yua n chun . Fir ewor k s a l g or it hm f or opt imiza t ion [ C -//In t er n a t ion a l Con f er en ce on Adv a n cesin Swa r m In t elig en ce Spr in g er Ver l a g 2010355-364 [8 - TIZHOOSH H R Opposit ion -b a sedl ea r n in g a n ew scheme f or ma chin e in t elig en ce [ C -//IEEE In t er n a t ion a l Con f er en ce on In t el ig en t Ag en t s Web Techn ol og iesa n dIn t er n et Commer ce Vien n a 2005 695-701 下转第67页 2019年第10期 胡文彬等刮板输送机永磁同步电动机无位置传感器控制 ・67・ [14-张锦，於锋，张蔚.基于磁链观测器的永磁同步直线电 机无位置传感器控制微特电机，2016,4410 54-57. ZHANG Jin, YU Fen g, ZHANG Wei. Posit ion sen so-l esscon t -ol of pe-ma n en t ma g n et sy n ch-on ous l in ea r mot or ba sed on f l ux obser v er [J]. Sma l l Specia l El ect r ica l Ma chin es2016,441054-578 [15] 翟永刚煤矿刮板输送机刮板链故障种类和维护,]. 煤炭科学技术2015,43增刊2128-129. ZHAI Yon g g a n g . Ty pe a n d ma in t en a n ce of scr a per cha in f or coa l min e scr a per [J]. Coa l Scien ce a n d Techn ol og y 2015,43S2128-1298 [16] ZHAO Ren de, XIN Zhen , LOH P C, et a l . A n ov el f l ux est ima t or ba sed on mul t ipl e secon d-or der g en er a l izedin t eg r a t or sa n df r equen cy -l ock edl oopf or in duct ion mot or dr iv es [J]8IEEE Tr a n sa ct ion s on Power El ect r on ics2017 3286286-62968 [7]鄱来迎，王金富，侯川川，等基于三阶广义积分的锁 相环设计电力系统保护与控制，2016,4423 上接第22页 [9] 谢承旺，邹秀芬，夏学文，等.一种多策略融合的多目 标粒子群优化算法[J]电子学报，2015,43 8 1538-15448 XIE Chen g wa n gZOU Xiuf enXIA Xuewenet a l .A mul t i-object iv e pa r t icl e swa r m opt imiza t ion a l g or it hm in t eg r a t in g mul t ipl y st r a t eg ies [J].Act a El ect r on ica Sin ica 2015 4381538-1544. [10] LIU Jia n hua, ZHENG Sha oqiu, TAN Yin g . The impr ov emen t on con t r olin g expl or a t ion a n d expl oit a t ion of f ir ewor k a l g or it hm[C]//In t er n a t ion a l Con f er en ce on Sw/r m In t elig en ceH/r b in2013 11-23. [11] LI Jun zhi , ZHENG Sha oqiu , TAN Yin g . Ada pt iv e f ir ewor k s a l g or it hm [C ]// IEEE Con g r ess on Ev ol ut ion a r y Comput a t ion Beijin g 20143214-32218 [2] 谢承旺,许雷,赵怀瑞,等.应用精英反向学习的多目 标烟花爆炸算法[J]电子学报，2016 , 44 5 1180-11888 XIE Chen g wa n g XU Lei ZHAO Hua ir ui et a l 8 Mul t i-object iv e f ir ewor k s opt imiza t ion a l g or it hm usin g el it e opposit ion -ba sed l ea r n in g [ J ]. Act a El ect r on ica Sin ica 2016 44 51180-11888 [3] 曹炬,贾红,李婷婷.烟花爆炸优化算法计算机工 184-1898 XILa iy in g WANG Jin f u HOU Chua n chua n et a l 8 Desig n of pha se l ock ed l oop ba sed on t hir d-or der g en er a l -in t eg r a t or[J]8Power Sy st em Pr ot ect ion a n d Con t r ol 2016 4423184-1898 [8] 张东升,于海洋,赵西贝，等.刮板输送机链条多边形 效应振动特性研究机械强度,2018 , 40 1 20-26. ZHANG Don g shen g , YU Ha iy a n g , ZHAO Xibei , et a l .St udy on v ib r a t ion cha r a ct er ist icsof t hepol y g on efect of scr a per con v ey or[J].Jour n a l of Mecha n ica l St r en g t h 2018 40120-26. [9] 焦宏章,杨兆建,王淑平.刮板输送机链轮传动系统接 触动力学仿真分析煤炭学报2012,37增刊2 494-4988 JIAO Hon g zha n g , YANG Zha ojia n , WANG Shupin g . Con t a ct dy n a mics simul a t ion a n a l y sis f or spr ock et t r a n smission sy st em of scr a per con v ey or[J] 8Jour n a l of Chin a Coa l Societ y 2012 37S2 494-4988 程与科学，2011,331138142. CAO Ju , JIA Hon g , LI Tin g t in g . A f ir ewor k s expl osion opt imiza t ion a l g or it hm [J ]. Comput er En g in eer in g g Scien ce,2011,331 138-142. [14]谭营,郑少秋.烟花算法研究进展智能系统学报, 2014,95515-528 TAN Yin g , ZHENG Sha oqiu. Recen t a dv a n ces in f ir ewor k s a l g or it hm [J ].CAAI Tr a n sa ct ion s on In t elig en t Sy st ems2014 9 5515-528. [5] 吴新忠,张兆龙,程健维,等矿井通风网络的多种群 自适应粒子群算法优化研究[]煤炭工程,2019 , 51275-818 WU Xin zhon g ZHANG Zha ol on g CHENG Jia n wei et a l Opt imiza t ion of mul t i-g r oup sel f -a da pt iv e pa r t icl eswa r ma l g or it hmf or min ev en t il a t ion n et wor k [J]8Coa l En g in eer in g 2019 51275-818 [6] 王培崇，高文超,钱旭,等应用精英反向学习的混合 烟花爆炸优化算法[]计算机应用，2014,3410 2886-28908 WANG Peichon g , GAO Wen cha o , QIAN Xu , et a l . Hy br id f ir ewor k s expl osion opt imiza t ion a l g or it hm usin g el it e opposit ion -ba sed l ea r n in g [J].Jour n a l of Comput er Appl ica t ion s2014 34102886-2890.