露天矿运输调度优化的生物地理学改进算法

露天矿生产运输调度优化问题是一类典型的具有非线性、多变量特征的优化问题。首先,在对露天矿卡车调度优化进行系统分析的基础上,以总运输费用最小为目标函数,给定矿石量、运输能力等约束条件,建立运输调度优化模型;然后,提出将差分算法中局部搜索功能引入到基本生物地理学优化算法的迁移策略中的改进生物地理学优化算法;最后,以MATLAB软件为平台,以露天矿实际生产运输实例数据为依据,计算出改进的生物地理学算法优化路径的综合运输成本比实际花费成本节约5 994万元,且比单一的生物地理学算法和差分算法优化路径的运输成本更低,验证了该算法求解露天矿运输调度问题的优越性。     

露天矿山运输调度系统粒子群优化

结合露天矿山运输调度系统实际,考虑到计划产量、生产能力、质量要求和运输过程等方面的约束,建立了一个通用性较强的露天矿山运输调度系统模型。该调度模型以总的运营成本最低为目标函数,采用惩罚函数法把诸多约束条件化为无约束,构建优化系统中粒子群算法的适应度函数。通过引入自适应变异程序对粒子群算法进行改进,避免算法过早收敛,提高了收敛效果。运用改进后的自适应变异粒子群算法对露天矿山运输调度系统模型优化求解,并采用Matlab软件对求解过程进行仿真,研究结果表明该算法能够快速得到当前班次的车辆调度的满意方案,提高了露天矿山运输调度的效率,进而提高露天矿山生产率,为数字化矿山建设提供一定参考。     

改进蚁群算法及其在煤炭运输中的应用

针对基本蚁群算法在求解过程中容易出现收敛时间过长和陷入局部最优的不足,提出了一种动态自适应的蚁群算法(DSACO),在算法DSACO中改进了算法的重要参数,当算法疑似陷入局部最优时,通过自适应调整参数来提高全局最优解的求解质量和信息量强度;最后在煤炭运输问题上进行实验仿真,结果表明,DSACO算法与基本蚁群算法相比较,加快了收敛速度,提高了全局寻优能力。     

基于改进DCW-QPSO算法的露天矿卡车调度优化方法

为了提高露天矿卡车运输效率,有效降低矿山企业开采成本,针对量子粒子群算法(QPSO)在优化求解过程中易陷入局部最优的问题,本研究引入惯性权自适应调整的量子粒子群优化算法(DCW-QPSO),并借助于遗传算法的变异操作,将DCW-QPSO的粒子更新方法改进,然后将改进DCW-QPSO用于求解露天矿卡车运输调度方案。调度方案以总运输成本最低为目标函数,并综合考虑矿石产量、品位均衡、卡车等待时间最短等约束条件。通过在国内某大型露天铁矿的应用发现,卡车调度优化结果符合矿山实际生产需求,为企业管理者提高了决策依据。改进算法在模型求解过程中全局搜索能力及算法稳定性都得到显著提升,具有一定的实际应用价值。     

露天矿多目标配矿模型与优化算法研究

针对露天矿的多金属多目标短期配矿问题,提出了基于自适应粒子群算法的露天矿配矿优化方法。首先,结合矿山配矿实际生产要求和指标,构建了以运输功和配矿品位偏差最小为目标函数的多目标短期配矿模型。其次,在基本粒子群算法的基础上,采用Kent映射产生初始种群,使种群分布更加均匀;并将自适应概率引入到粒子群算法,提高了种群的多样性和算法的全局搜索能力。最后,以一个算例和三道庄露天矿配矿的实际数据为例,进行仿真验证,仿真结果表明:该优化方法适用于解决露天矿多金属多目标的配矿问题,可以有效降低配矿过程中的运输功和品位偏差。     

基于免疫算法的三道庄露天矿车辆调度优化

分析露天矿车辆调度问题,建立求解矿山车辆调度问题的数学模型。矿山车辆调度问题实际上属于NP完全问题,建立多目标优化模型来求解,即解决总运量最小问题。最后,通过免疫算法在三道庄露天矿车辆调度优化中的应用实例表明,本算法可以快速求得优化解,是求解车辆调度问题的一种有效算法。     

基于轻量化图注意力机制的露天矿卡车调度优化算法

有效地管理和调度露天矿卡车,有助于大幅提升运输效率、降低矿山运营成本。现有研究聚焦于利用深度强化学习(Deep Reinforcement Learning,DRL)构建学习模型求解路径优化问题,然而,该模型针对Transformer架构的参数训练时,会产生大量参数冗余。为此,提出了一种轻量化图注意力机制的露天矿卡车调度优化算法。将微分方程数值解法——阿当姆斯(Adams)法用于Transformer模型的权重学习中,通过Adams的残差训练方法,可提高网络后期的优化精度,进一步压缩模型的规模,高效求解露天矿卡车调度优化问题。研究表明:该方法在降低最优间隙的同时将源模型的参数量压缩1/2,减少了对GPU设备的训练依赖。采用随机生成的露天矿卡数据集算例对该算法性能进行了验证,反映出采用Adams-Transformer模型有助于提升露天矿卡车调度效率。     

矿井通风网络的多种群自适应粒子群算法优化研究

针对矿井通风网络分支风量优化问题,以矿井通风网络的总功率最小为目标,结合矿井模型中风量平衡方程、风压平衡方程、分支阻力方程以及风机特性曲线方程等约束条件,提出一种多种群自适应粒子群优化算法(MA-PSO)对矿井通风网络实现寻优。首先对随机生成的种群进行初始化预处理,将适应值从高到低排序,然后以预处理后的局部最优解为圆心,以局部最优解与其他粒子的欧式距离的平均值为半径,将种群划分成五个子种群,接着在速度更新公式中引入拓扑项和种群交流因子,以种群为单位在求解空间中搜索,保障种群的多样性,从而加快种群进化和算法收敛速度;最后采用自适应权重和冗余粒子初始化淘汰策略,提高算法搜索能力和学习能力。仿真结果表明:该算法具有较好的多模态寻优率、更快的收敛速度和更高的收敛精度,优化后通风系统消耗的总功率较之前相比下降26. 78%,节能效果显著。     

基于遗传算法的神经网络在露天矿卡车调度系统中的应用研究

介绍了神经网络和遗传算法2种优化方法的算法原理、特点和实现,在它们优势互补的条件下,提出了一种新的集成求解方法,利用遗传算法很强的全局搜索能力来弥补神经网络容易陷入局部最优的优化方法,给出了算法流程。最后以抚顺西露天矿的长远总体规划为例,说明该方法具有很好的解决卡车调度系统优化问题的能力,为今后求解类似问题提供了一个很好的研究方法。     

露天矿运输问题的模拟退火优化

研究了一类露天矿非平衡运输优化问题,通过引入虚拟装载点,将非平衡运输问题转化为等价的平衡运输问题。根据平衡运输问题的特点,进一步将其转化为排序优化问题并利用模拟退火算法进行求解。模拟退火算法中使用了随机选取已有解中的两个位置,交换其内容得到新解的策略,降温采用几何方式。对一个具有9个装载点、5个卸载点的露天矿运输问题进行了优化计算,得到了与单纯形法相同的最优解,验证了模拟退火是求解露天矿运输问题一种有效算法。     

大型深凹露天矿高效运输系统综合技术研究

运输占大型露天矿生产总成本的50％左右，传统的汽车、铁路及其联合运输方式已不能适应深凹露天矿的运输要求，汽车一胶带半连续运输工艺是深凹露天矿最有发展前途的运输方式之一。本文以水厂铁矿为依托工程，研究了汽车-胶带半连续运输系统的设备选型及最佳配套技术、运输线路布设优化、胶带排土工艺及参数优化、系统可靠性分析、坑内单线陡坡联络道技术及系统高效运行保障技术等。分析了水厂铁矿建立-套汽车-胶带矿石运输系统和两套汽车-胶带排岩运输系统后可获得的经济效益。     

汽车-胶带半连续运输系统线路优化研究

介绍深凹露天矿开采时存在的突出问题及汽车一胶带半连续运输系统对大中型深凹露天矿具有的普遍适用性，指出该系统是我国未来深凹露天矿运输系统的重点发展方向。以首钢水厂铁矿东部排岩运输系统为例，采用优化理论对汽车一胶带半连续运输系统线路进行了优化研究，确定了最佳运输线路方案，并按该方案完成了现场施工。     

多金属露天矿多目标生产计划优化问题建模及求解算法

针对多金属露天矿山生产计划优化问题难以建模、求解复杂等问题,从多种金属元素、采掘运输成本以及矿石品位三个角度出发,综合考虑矿石产量、品位波动、矿石资源利用率、开采和处理能力以及回采率等多种影响因素,构建了一个多金属露天矿多目标生产计划模型。受粒子群算法启发,提出一种改进狼群算法（IGWO）对模型进行求解,并引入反向学习策略和非线性收敛策略来提高算法的求解效率。以国内某露天矿的实际生产为例,分别利用粒子群算法（PSO）、灰狼算法（GWO）和IGWO算法对模型进行求解对比。结果表明：该生产计划模型更加符合露天矿多种矿产资源综合开采利用的实际需求,IGWO算法较PSO算法运行速度上提高了71%,在求解精度上提高16%。该生产计划方案对多金属露天矿山矿产资源综合利用及精细化排产具有重要的指导意义,可促进企业可持续发展。     

矿山短期生产计划优化的多目标遗传粒子群算法

针对露天矿山生产的基本特征及短期生产计划的编制要求,从露天矿山的品位及经济成本最小化的角度出发,构建了露天矿短期生产作业计划优化模型。以MATLAB软件为平台,采用遗传粒子群混合智能算法对模型进行求解。以某石灰石露天矿为工程背景进行研究,将研究结果与露天矿实际生产指标进行对比验证。结果表明:该模型适用于露天矿短期采掘作业生产计划的编制,优化结果保证了矿山生产作业出矿品位、出矿量及生产利润三者之间的平衡,有利于提高矿山的经济效益。     

混合蚁群优化算法应用研究

结合粒子群算法的思想,提出用混合蚁群算法。其核心是应用粒子群算法对蚁群算法的3个控制参数(β,ρ,q0)进行优化,以及运用蚁群系统算法(ACS)寻找最短路径。新算法克服了参数选择对算法性能的影响,具体很强的全局搜索能力。新算法改进了传统蚁群算法的性能,取得了非常好的效果。     

中国露天煤矿卡车调度现状及展望

总结了中国露天矿卡车调度在模型构建、算法求解、调度准则方面的理论研究以及卡车调度系统发展的现状;提出了卡车调度关键问题研究内容,包括多种调度方法有机结合的智能调度;根据运输系统条件的变化以及生产任务要求的综合调度优化准则,建立集成学习与深度学习相结合的时间动态预测模型;基于半连续工艺的卡车调度研究,进行卡车调度配煤管理。在智慧露天矿山发展背景下结合现代高新技术与分析方法展望未来卡车调度发展趋势。     

蚁群算法在矿井通风系统优化设计中的应用

从本质上讲，矿井通风系统优化设计是一个复杂的组合优化问题，而蚁群算法是近来发展起来的一种针对复杂组合优化问题求解的较理想的方法。因此，考虑到通风系统优化的本质，采用蚁群算法进行了矿井通风系统优化设计的研究，把通风系统优化设计作为蚂蚁路径优化问题处理，提出了一种新颖的通风系统优化方法。最后，采用某矿山通风系统优化的实例验证了蚁群算法的应用效果，结果表明，该方法可以较好的解决这类复杂的优化问题，具有较好的应用前景。