论文部分内容阅读
卡车是露天矿开采中的主要运输工具，其调度过程是一个非常复杂的排列组合NP难题，其间存在许多影响因素，其优化调度方案直接影响矿山开采的生产效率和企业生产成本，属于特殊的车辆调度问题。本文基于人工智能算法，以某露天矿卡车实际调度为背景，研究露天矿卡车实时调度的理论、特点、模型和方法，利用实际生产中的数据建立符合该露天矿实际生产的数学模型，在此基础上利用模拟退火算法优化遗传算法对模型进行求解并编制了该露天矿卡车实时调度程序，从而实现了露天矿卡车的实时优化调度。其次根据露天矿卡车实时调度特点，将露天矿卡车调度类比经典的运输调度问题，在此基础上建立了以运输费用为目标函数的多约束条件下的露天矿卡车实时调度数学模型，应用模拟退火算法优化遗传算法实现了露天矿卡车的实时优化调度。首先，针对所建卡车调度模型的单目标、多约束、非线性优化的特点，应用求解此类问题表现优越的遗传算法进行求解；并对遗传算法局部搜索能力不足的特点，应用局部搜索能力强的模拟退火算法对其进行优化，利用典型的TSP问题对模拟退火优化遗传算法进行了验证，实验结果表明：改进的SA-GA算法优化性能和鲁棒性能指标分别为3.20%和0.87%均优于GA算法的3.78%和2.85%，因此能够获得更优的全局最优解。在此基础上采用MATLAB编程软件编制了基于SA-GA算法的露天矿卡车调度程序，以实际生产数据进行实验，程序运行时间为：833.997249秒，运行过程比传统人工算法速度快、高效，符合矿山实时调度，实验结果显示：一小时内卡车平均运输费用达210元，吨公里成本为0.0476元/(吨*公里)，较2011年1.0149元/(吨*公里)和2012年0.9729元/(吨*公里)都低，降低了成本，实现了露天矿卡车的优化调度，能够较好地指导实际生产。