求解复杂交互式大规模料堆配矿问题的启发式策略
神经与进化计算
2021-04-09 v1 系统与控制
系统与控制
摘要
料堆配矿问题是矿山生产调度的重要组成部分，其中料堆用于存储和配混原料。从料堆中配混物料的目标是依据可用物料创建具有最优金属品位的精矿批次。每个料堆提供给给定批次的物料量取决于一组矿山调度条件和客户需求。因此，该问题可表述为连续优化问题。在实际应用中，需要若干约束来保证批次满足下游客户需求。由于其规模可能非常庞大，求解料堆配矿问题是一项挑战。我们针对该问题引入了两个修复算子，将不可行解转化为不违反两个紧约束的解。此外，我们引入了一个多分量适应度函数用于求解大规模料堆配矿问题，该函数可在计划期内最大化金属量，并根据金属使用情况维持料堆间的平衡。进而，我们在本文中研究了用于求解连续空间优化问题的著名方法，即差分进化(DE)算法。实验结果表明，结合两种所提时长修复方法的DE算法，在结果值上显著优于真实世界实例上针对单月问题和大规模问题的结果。
引用
@article{arxiv.2104.03440,
title = {Heuristic Strategies for Solving Complex Interacting Large-Scale Stockpile Blending Problems},
author = {Yue Xie and Aneta Neumann and Frank Neumann},
journal= {arXiv preprint arXiv:2104.03440},
year = {2021}
}