露天矿山运输卡车调度的优化算法设计探究

　　摘要

　　随着露天矿山工业化、信息化、智慧化的不断发展,露天矿山正在逐步走向高效智能生产.卡车作为露天矿山的主要运输设备,其合理调度是提高企业经济效益,节约运输成本,降低能源消耗,实现高效智能生产的直接途径.卡车调度优化算法是卡车调度的核心,调度算法的优劣性决定着卡车调配的合理度与可靠性.本文在以往卡车调度优化的基础之上,建立了卡车调度多目标优化模型,采用多目标遗传算法,实现了卡车调度复杂需求下的多目标调度优化,为卡车调度优化问题提供了新的算法与解决途径.

　　具体工作主要有以下几个方面:

　　(1)首先从露天矿卡车调度和相关理论入手,对调度优化理论、多目标优化理论和多目标遗传算法做了系统的梳理和分析,从而为解决露天矿卡车调度多目标问题提供了主要理论依据和方法.

　　(2)根据金属露天矿卡车调度的特点与原则,分析卡车调度模型的目标需求,在以往调度模型基础之上,以矿山企业实际研究问题为导向,建立了以运输成本、卡车总等待时间和品位偏差为目标的满足矿岩不同规划需求的露天矿卡车调度多目标优化模型.

　　(3)根据提出的卡车调度多目标优化模型,针对多目标遗传算法,设计出适用于单一矿石规划和矿岩混合规划的关键算子,采用多目标加权法、NSGA-II 和NSGA-III 三种算法对卡车调度多目标优化模型的单一矿石规划问题进行求解对比,结果显示 NSGA-III 算法的求解效果更好.最后采用 NSGA-III 算法求解矿岩混合规划问题,验证了提出的矿岩混合规划方案的可行性.

　　(4)针对河南省 M 露天矿的卡车调度实际需求,将提出的卡车调度多目标优化方法应用到 M 露天矿的实际生产调度当中,应用表明:此方法可节约卡车运输成本,降低卡车等待时间,控制品位偏差,具有良好的实践效果.

　　论文的研究成果,进一步为卡车调度优化提供了新的方法与解决途径,也为智能化调度奠定了基础,对露天矿卡车生产调度具有重要的实用价值.

　　本研究得到国家自然科学基金(51774228)的资助.

　　关键词:露天矿;调度优化;多目标优化;多目标遗传算法

　　ABSTRACT

　　Open-pit mines are gradually moving towards efficient and intelligent production, withthe continuous development of industrialization, informationization and intelligence. As themain transportation equipment of open-pit mines, trucks are rationally dispatched to improvethe economic benefits of enterprises, save transportation costs, reduce energy consumption,and achieve direct and efficient production. The truck dispatching optimization algorithm isthe core of truck dispatching. The pros and cons of the dispatching algorithm determine therationality and reliability of truck deployment. Based on the previous optimization of truckdispatching, this paper establishes a multi-objective optimization model and adopts multiobjective genetic algorithm to realize multi-objective optimal dispatching under complextruck dispatching requirements, which provides a new algorithm and solution for the truckdispatching optimization problems.

　　The main contents of the research are as follows:

　　(1) Starting from the related theories of open-pit mine truck dispatching, the dispatchingoptimization theory, multi-objective optimization theory and multi-objective geneticalgorithm are systematically analyzed, which provides the main theoretical basis and methodfor the multi-target problem of open-pit mine truck dispatching.

　　(2) According to the characteristics and actual conditions of metal open-pit mine truckdispatching, analyze the construction principle of truck dispatching model. Based on theprevious dispatching model and the actual research problems of mining enterprises, establisha multi-objective optimization model, which aims at minimizing transportation costs, totaltruck waiting time and grade deviation and meeting the different planning needs.

　　(3) In the light of the proposed multi-objective optimization model, the key operatorfor single ore planning and ore-rock mixing planning is designed for multi-objective genetic algorithm. Multi-objective weighting method, NSGA-II and NSGA-III algorithmare Applied to solve the single ore planning problem of the truck dispatching multiobjective optimization model, the NSGA-III algorithm is better by comparing theiroptimization results. Finally, the NSGA-III algorithm is used to solve the mixed rockmining planning problem, which tests the feasibility of the proposed planning scheme.

　　(4) Aiming at the actual demand of truck dispatching in M open pit mine in HenanProvince, the proposed multi-objective optimization method of truck dispatching isapplied to it's actual production dispatching. The application shows good practical results :it can save truck cost, reduce truck waiting time and control grade deviation.

　　The research provides new methods and solutions for truck dispatching optimization,and lay a foundation for intelligent dispatching, which has important practical value foropen-pit mine truck production dispatching.

　　Keywords: Open pit mine,Optimal dispatching,Multi-objective optimization,Multiobjective genetic algorithm

　　目录

　　1绪论......................................................................................................................1

　　1.1研究背景及意义.......................................................................................1

　　1.1.1研究背景........................................................................................1

　　1.1.2研究意义........................................................................................2

　　1.2国内外研究现状.......................................................................................2

　　1.2.1露天矿卡车调度系统国内外发展现状........................................2

　　1.2.2露天矿卡车调度优化国内外研究现状........................................4

　　1.2.3研究现状述评................................................................................7

　　1.3本文研究内容及技术路线.......................................................................7

　　1.3.1研究内容........................................................................................7

　　1.3.2技术路线........................................................................................8

　　1.4本文创新点...............................................................................................9

　　1.5本章小结.................................................................................................10

　　2相关理论与算法................................................................................................11

　　2.1露天矿卡车调度问题概述.....................................................................11

　　2.1.1露天矿卡车调度概念与特点......................................................11

　　2.1.2露天矿卡车调度基本理论..........................................................12

　　2.2多目标优化理论及多目标遗传算法.....................................................18

　　2.2.1多目标优化理论..........................................................................18

　　2.2.2多目标遗传算法概述..................................................................18

　　2.3多目标遗传算法介绍.............................................................................20

　　2.3.1多目标加权遗传算法..................................................................20

　　2.3.2NSGA-II算法................................................................................21

　　2.3.3NSGA-III算法..............................................................................22

　　2.4本章小结.................................................................................................24

　　3露天矿卡车调度多目标优化模型....................................................................27

　　3.1露天矿卡车调度数学模型分析.............................................................27

　　3.1.1卡车调度需求分析......................................................................27

　　3.1.2调度运输模式分析......................................................................29

　　3.2露天矿卡车调度单目标优化模型..........................................................30

　　3.2.1卡车调度单目标优化模型目标函数...........................................30

　　3.2.2卡车调度单目标优化模型约束条件...........................................31

　　3.3露天矿卡车调度多目标优化模型..........................................................32

　　3.3.1多目标优化模型目标函数构建...................................................32

　　3.3.2多目标优化模型约束条件...........................................................34

　　3.4本章小结..................................................................................................35

　　4基于多目标遗传算法的卡车调度问题求解.....................................................37

　　4.1算法关键问题设计..................................................................................37

　　4.1.1卡车调度问题编码.......................................................................37

　　4.1.2初始种群的产生...........................................................................38

　　4.1.3遗传算子的设计...........................................................................40

　　4.1.4约束处理.......................................................................................41

　　4.1.5算法要点解析...............................................................................42

　　4.2单一矿石规划模拟算例..........................................................................44

　　4.2.1单一矿石模拟算例参数...............................................................44

　　4.2.2多目标加权遗传算法求解...........................................................44

　　4.2.3基于NSGA-II算法的求解..........................................................48

　　4.2.4基于NSGA-III算法的求解.........................................................52

　　4.2.5不同方法计算结果对比分析.......................................................56

　　4.3矿岩混合规划模拟算例..........................................................................59

　　4.3.1矿岩混合模拟算例参数...............................................................59

　　4.3.2基于NSGA-III的求解.................................................................60

　　4.4本章小结..................................................................................................63

　　5河南M露天矿卡车调度优化与应用...............................................................65

　　5.1河南M露天矿卡车调度概述................................................................65

　　5.2河南M露天矿智能调度系统................................................................66

　　5.2.1系统配置部署...............................................................................66

　　5.2.2系统功能简介...............................................................................67

　　5.3河南M露天矿调度优化应用................................................................69

　　5.3.1数据获取.......................................................................................70

　　5.3.2优化结果......................................................................................73

　　5.3.3实时调度......................................................................................76

　　5.4本章小结.................................................................................................78

　　6结论与展望........................................................................................................79

　　6.1结论.........................................................................................................79

　　6.2展望.........................................................................................................79

　　参考文献................................................................................................................81

　　作者在读期间研究成果........................................................................................87

　　致谢........................................................................................................................89

　　1 绪论

　　1.1 研究背景及意义

　　1.1.1 研究背景

　　随着智慧矿山规范的实施以及矿山工业化、信息化,两化融合的发展,矿山正在逐步走向高效智能生产.如今我国矿业的发展方向是以绿色开发为前提、智能开采为目标,站在世界矿业科技前沿的高度,加速我国矿业的现代化发展[1-3].而露天开采的机械化程度高,便于采用信息时代新技术,实现智能化采矿,其工业化与信息化的发展已成为一种趋势.

　　露天开采是一个以采掘为中心,以运输为纽带的大型生产系统,通过对采运设备的合理调配来完成生产计划的目标和任务.运输系统在露天开采中占据着重要地位,其投资约占矿山总投资的 40%-60%,运输成本约占矿石成本的 30%-40%[4].卡车作为露天矿的主要运输工具,其合理调度是提高企业经济效益、节约运输成本、降低能源消耗的直接途径.与此同时现当代露天矿开采过程中多数矿山均已引入智能管控系统,以方便车辆的管理与资源配置.调度作为露天矿卡车智能生产管控系统的核心部分及智慧矿山建设的智慧技术保障,调度的优化性决定着整个车辆调配的合理度和可靠性[5].

　　在经历了计算机辅助调度,有线计算机卡车调度、数字通信自动化卡车调度之后,顺应科学技术和信息化的驱动,目前已经有了全球卫星定位的自动化卡车调度,国外露天矿也已实现卡车无人驾驶的智能化调度,但成熟的优化技术多源于国外,所使用的模型与算法并未公开.而国内这方面发展较慢,智能化调度技术短缺.所以研究卡车调度优化对露天矿生产具有很大的价值意义,卡车调度优化的研究是衔接无人驾驶自动化调度的前提,是实施卡车信息化调度的理论奠基,是加速露天采矿业的现代化的直接途径.

　　在以往的露天矿卡车调度中,多局限于单目标优化,调度算法多采用线性规划进行车流规划,再二次进行车辆调度,难以反映调度中的多目标优化需求.为给车辆调度系统提供优越的调度优化算法,为以后智能调度做支撑,运用智能算法作为嵌入是实现优化运行调度的良好办法.因此,基于智慧化矿山建设及露天矿卡车智能调度不断发展的需求,从多目标优化技术及多目标智能算法出发,提出了基于多目标遗传算法的露天矿卡车调度优化选题.

　　1.1.2 研究意义

　　本文基于当代矿山智能化发展,围绕露天矿卡车调度理论,对矿物资源配置实行先进的多目标优化和实时整体规划技术,为矿山调度优化的发展以及矿业智能化提供技术.针对矿山车辆调度以及资源配置的随机性、复杂性、实时性等特点,将露天矿卡车调度,智能优化算法及信息化科学技术互相结合,从事多学科交叉融合的理论与应用研究,对露天矿卡车生产调度具有重要的理论与现实意义.

　　(1)理论意义

　　国内露天矿卡车智能化调度技术还较为短缺,本文旨在为露天矿卡车调度提供新的模型与算法,实现露天矿卡车调度的多目标优化,为调度优化技术提供新的解决途径,深度剖析多目标优化算法,为露天矿山提供一种新的符合于实际的多目标优化算法.露天矿卡车调度优化的研究将推动智慧矿山调度技术的发展并成为其理论支撑.

　　(2)现实意义

　　立足露天矿卡车调度的多目标需求,基于多目标优化理论与多目标遗传算法,构建的卡车调度多目标优化模型可以满足露天矿卡车调度的实际要求,达到矿山资源的合理配置,为矿山实际调度提供更好的决策支撑,同时顺应智慧化矿山建设的发展,加速矿山的现代化发展.

　　本文的研究成果,也可发展应用到露天矿智能调度系统之上,实时运行调度,实现一体化调度管理.通过提升车辆实时信息的反馈分析和可视化来提高矿山的经济效益与设备利用率.

　　1.2 国内外研究现状

　　1.2.1 露天矿卡车调度系统国内外发展现状

　　车辆调度起源于国外,自上世纪 60 年代 Dantzing 和 Ramser[6]提出车辆调度问题之后,其理论与实验分析迅速发展,随后应用到露天矿卡车调度当中,成为了露天矿发展的契机.由于国外的计算机与通讯系统发展较快,所以国外露天矿的自动化卡车调度系统研制相对于国内,发展更早,发展更快[7].

　　最早的露天矿卡车调度系统于 20 世纪 70 年代末在国外出现,由于时代与技术的限制,摸索时期的卡车调度系统难以得到广泛的推广,只在极个别矿山得到了应用.美国的 CyPurs Pima 铜矿试用了当时的卡车调度规划系统,保加利亚的 Medet矿、加拿大的 Mt.Wright 矿和南非的 Palabora 铜矿试用了计算机辅助矿车调度系统,均提升了开采设备的运行效率.当时的调度系统使用有线通讯技术进行卡车信号采集和调度信息传送,科技含量低,功能单一[8].

　　20 世纪 80 年代,美国模块公司(MMS)研发的 DISPATCH 自动调度系统在Tyrone(泰伦)露天矿的成功应用,把露天矿卡车调度系统的发展带入了一个崭新的时代,使计算机的优势充分展现于卡车调度之中.其采用无线数字通讯方式,是监测与调度结合的复杂多功能系统,拥有更加优化的调度算法,可使设备的生产效率明显提高.同一时期,加拿大温科国际采矿公司也研制了露天矿卡车调度系统:PMCS1000 系统、PMCS2000 系统、PMCS3000 系统.

　　20 世纪 90 年代中后期,美国模块公司开发了基于全球卫星定位系统的计算机自动调度系统,即使用 GPS 监测所有的开采设备,从而更加快速精确的获得设备定位信息,为调度系统决策提供更加完整的数据;另外,系统自身具有的调度算法更加成熟,所使用的软件更加先进,系统智能化程度更高.其主要工作流程为:实时采集设备信息,通过无线传送把数据传输给计算机,然后通过计算机进行数据分析、程序算法优化处理,实时地向设备和人员发送调度指令,以控制整个调度系统的高效运转[9,10].

　　目前国外的调度系统主要是基于以前 DISPATCH 系统功能之上,进行研发与创新.无人驾驶的技术已成功被力拓用于露天矿运输系统中,其调度系统已实现智能化.力拓在智利的 Gaby 铜矿于 2009 年时已有 11 辆自动化卡车;Codelco 旗下的 MistralGabriela 铜矿,2010 年初时已有 11 台自动化卡车在运行;2015 年澳大利亚 FMG 集团旗下的 Solomon 铁矿已有 45 台自动化卡车投入使用;以上例子说明了国外自动化卡车调度系统智能化程度已较高.在自动运输系统方面,目前世界排名前两位的工程巨头美国 CAT 和日本 KOMATSU 走在了前面,白俄罗斯的 BELAZ也在不久前研发了自己的产品,无人驾驶技术已成为露天矿运输系统的发展方向.

　　国内露天矿自动化卡车调度系统的研究,起步较晚,在经过前期的研究摸索之后,1990 年由本钢南芬铁矿、马鞍山矿山研究院、东北工学院等单位组成的联合攻关组开发了南芬露天矿生产调度计算机辅助系统;1994 年,霍林河矿务局与煤科总院西安分院及中国矿业大学合作研发了计算机控制自动化卡车调度系统[8];1997 年,煤科总院抚顺分院等科研机构研发了露天矿卡车电铲的调度优化系统,同年于伊敏露天矿投入试用[11];1998 年,美国模块公司的 DISPATCH 系统,首次引入国内江西德兴铜矿,实时运用后,使运输设备的效率提高了 9.3%,使矿山企业的经济效益得到极大增长[12-14];2000 年,齐大山铁矿引入由鞍钢新钢集团和丹东东方测控技术有限公司一起研究开发的 GPS 智能调度系统,明显提高了采运设备的利用率,增加了企业的经济效益[15];2003 年首钢公司、清华大学、北京科技大学联合研发了矿车自动调度管理系统;随后国内露天矿卡车调度系统开始快速发展,以智能化为目标稳步前行,各个矿山开始大量建立自动化调度系统.无人采矿技术也在国内已经兴起,2018 年同力重工、中国中车、踏歌智行、洛钼集团等多个公司均已投入无人矿卡研究当中,无人采矿成为热潮,同期包钢集团、洛钼集团均已实现了无人驾驶采矿的实践.目前国内露天矿智能调度系统发展前景较好蒸蒸日上,近几年诸多企业以及研究人员在这一方面已投入大量精力,其发展趋势是与国际化接轨,走入国际化,把国内矿山建设成智慧化矿山.

　　1.2.2 露天矿卡车调度优化国内外研究现状

　　露天矿卡车调度优化理论可被分为最佳路线,车流规划,实时调度三个方面[16].

　　(1)最佳路线.最佳路线的确定是适应矿山配置形态变化而进行的,它解算出矿山道路网中所有两点间的最短路线,使卡车在运输时行程最短.常用的算法主要是 DIjkstra 算法、Floyd 算法、动态规划算法.

　　随着智能算法的发展,为适应最佳路线的研究,引入了几种新的算法.蚁群算法是一种通过更新蚂蚁信息素的方式在图中寻找优化路径的机率型算法,运用在矿山运输系统最佳路径寻找上具有良好的效果[17].粒子群算法是一种流程简单、易于求解的进化算法,在矿山配送车辆路径的问题上,可达到较好的应用效果[18].以上的求解都是基于无条件影响的时空最短路优化求解,对于复杂影响的最优路选择存在一定缺陷.后有学者在以往运输系统优化方法之上,采用基于模糊多目标格序决策的多目标运输系统优化方法求出的最短路效果更好.常用的最短路算法以及智能算法都已经能很好的解决现有的最佳路线问题.

　　(2)车流规划.车流规划是通过数学规划,在满足运输量、剥采比、车流连续性、产品质量搭配等约束条件下,对发往各装卸点的车流进行优化分配,其结果是对运输系统中卡车进行实时调度的基础.传统的车流规划方法是线性规划,使用单纯形法进行求解.综合车流规划模型,对于组合运输存在的问题,有满足各种矿岩配车需求的通用车流规划数学模型[19];考虑路段通过能力和路段拥挤程度对车流规划的影响时,有露天矿车流路网均衡分配模型[20].在后续的发展中,由于单目标优化的限制,产生了多目标优化理念.建立车流规划的多目标优化模型,是为了满足多种状态下矿山的实际需求,适应露天矿生产要求在矛盾的目标决策环境中对产量、品位、产量均衡等多目标进行权衡的特点[21,22].

　　(3)实时调度.实时调度是在应用一定的实时调度准则的前提下,依据车流规划理论,根据实时的运行情况对卡车实现调度,给出每辆卡车应去的方向.常用的调度准则分为两类:第一类调度准则是以提高设备利用率为目标,以此来提高矿山的开采效率;第二类调度准则是以卡车调度系统中的车流规划结果为依据,尽可能实现车流规划目标,实现设备利用率最高或装运成本最低或产量最大.实时调度需明确待调卡车所处的位置和状态,根据卡车所处状态不同,选用不同的决策方法,如:空运调度、重用调度、特殊调度等[23].

　　随着卡车调度优化的不断发展,卡车调度系统更加完善,应用的矿山更多,可实现的功能更广,但其所使用的模型与算法并非能很优的解决矿山问题,故模型与优化算法的研究一直为卡车调度的研究热点.国内外学者多从调度模型与算法入手,达成模型建立与求解,得出调度的优化结果.

　　调度模型是卡车实时调度的建模规划,其是否考虑了矿山的实际状况,决定着卡车调度的优劣,直接影响着调度结果的合理性.起初的模型相对简单,纳入的影响因素较少,并未考虑到一些具体的影响因素.为了达到更加符合于实际的调度模型,反映更加真实的调度状况,国内外学者做了大量工作.

　　国外调度模型研究中,Chanda 和 Dagdelen[24](1995)在调度模型中加入了混合矿物的影响;Bastos G S[25]等(2013)提出了一种新的调度模型,把卡车换班的影响时间与延误时间纳入模型之中;S. P. Upadhyay[26]等(2016)建立了混合整数规划模型,考虑了产量、成本、计划与实际偏差等多个影响因素;S. R. Patterson[27]等(2017)建立了一种基于预测卡车等待时间从而选择卡车的调度模型;D.M.Bajany[28]等(2017)提出了一种自卸卡车和铲车燃料消耗最小化的调度模型.

　　国内调度模型研究中,赵勇[29]等(2004)提出了一种不同于动态规划模型的以车流规划目标流率饱和度为基础的露天矿卡车实时调度模型;白润才[8](2005)针对调度模型在逻辑上的不足,提出了基于产量偏差极小化和电铲、卡车等待时间,卡车运行时间极小化准则的实时调度优化模型;周永正[30]等(2006)等人在总运输成本最小和产量最大的原则下,建立了相应的卡车调度模型;邢军[31]等(2007)针对卡车调度系统的动态规划,提出了目标产量完成度与当前车流饱和度的实时调度优化模型;张立军[32]等(2015)将露天矿卡车调度问题纳入整数规划问题,实验表明,所提出的整数规划方法能够节省卡车运营成本的 15.65%;常永刚[33]等(2015)等建立了露天矿卡车调度的混合整数规划模型,并用于实验中,成功验证了解决方案的有效性和高效性;孙效玉[34]等(2016)等提出了一种兼顾固定配车的车流规划模型,实现机动配车与优化配车的兼容,验证了优化配车的效果最佳.

　　调度模型是复杂多变的,上述研究从内部的影响因素到目标的实现均作出了对调度模型的完善,在诸多学者的努力下,调度模型更加趋于实际,能解决的实际问题更多更广,模型可达到的效果更好[35].但以上优化多限制于对目标优化的单一条件,只能达到设备利用率最高或装运成本最低或产量最大的单一目标.露天矿卡车调度问题本质是多目标优化问题,但由于多目标模型的应用,会局限于多目标求解算法,使其难以实现[21].故模型的求解算法成为模型可实施的关键条件.

　　调度模型的求解是实时调度的重要环节,求解结果是指导调度的直接数据.起初是采用动态规划算法求解,来实现卡车的动态分配[24].随后对于线性规划的调度模型,采用 LingGo 软件求解,再结合贪心算法实现车辆的派发.伴随着智能算法的不断发展,其求解方式也在进行着不断的更新.

　　国外在露天矿卡车调度模型求解算法的研究上,Coelho.I. M[36]等(2009)提出了一个混合问题的启发式算法,称为 H-GVILS-PR,它结合了启发式程序 GRASP,变量邻域下降和重复局部搜索,用于优化卡车动态分配过程;Souza.M. J. F.等[37](2010)提出启发式混合算法 GGVNS,来优化卡车的动态分配;Coelho.V. N 等[38](2012)提出了三种多目标启发式算法 2PPLS-VNS、MOVNS、NSGA-II,可应用到露天矿开采作业的动态卡车分配问题上;J. B. Mendes 等[39](2016)提出了一种多目标遗传算法,可应用在露天矿卡车动态调度中,在大多数情况下可为所有调度情况提供了很好的解.

　　国内在调度模型求解算法的研究上,何明祥[40]等(2010)用遗传算法优化了矿山卡车调度,表明利用遗传算法优化卡车调度是可行有效的;郭中天[41]等(2015)提出了模拟退火算法优化遗传算法的方法,实现了对露天矿卡车实时调度的优化,并验证了方法的高效性,可用于实时调度中;汪洋[42]等(2015)通过改进的遗传算法,用运在卡车调度之中,确定了符合实际满足生产要求的调度方案.

　　除此之外,国内外学者也从其他方面对露天矿卡车调度进行了研究,张婕[43]等对露天矿卡车调度系统进行了面向对象的建模仿真,可实现卡车调度的模拟;王强[44]等对露天矿卡车调度中三个关键的时间参数,即道路运行时间、电铲装车时间和卸点卸车时间进行了分析,得出道路运行时间符合正态分布;电铲装车时间的分布相对复杂,符合对数正态分布、对数逻辑分布、逆高斯分布;卸点卸车时间相对稳定,可近似看做一个常数.这些研究虽然都未从正面直接解决露天矿卡车调度问题,但都为调度理论的研究做出极大的贡献,服务于卡车调度的发展.

　　…………由于本文篇幅较长,部分内容省略,详细全文见文末附件

　　6 结论与展望

　　6.1 结论

　　露天矿卡车调度作为露天矿生产管理的核心内容,本文将矿山生产调度,智能优化算法及计算机科学技术有机结合,从相关理论与算法、卡车调度多目标优化模型构建、多目标遗传算法求解卡车调度优化模型、河南 M 露天矿卡车调度优化与应用四个方面展开研究,得到的主要研究结论如下:

　　(1)针对露天矿卡车调度问题,阐述了调度问题的多目标性以及在矿山生产过程中的重要性.然后从卡车调度理论、多目标优化理论和多目标遗传算法三方面进行了系统的梳理,给出了卡车调度的多目标优化思路.

　　(2)基于矿山的实际情况与多目标优化理论,从卡车调度模型构建分析入手,根据卡车调度原则和传统单目标调度模型优缺性的对比,确定了露天矿卡车调度的目标需求.在此基础之上,考虑不同矿岩规划需求,从目标函数和约束条件出发,构建了兼顾矿岩不同规划需求的露天矿卡车调度多目标优化模型.

　　(3)针对露天矿卡车调度多目标优化模型的不同适用场景,设计出适用于单一矿石规划和矿岩混合规划的关键算子,选取了三种具有代表性的多目标遗传算法,多目标加权法、应用成熟的 NSGA-II 算法和新型的 NSGA-III 算法分别对单一矿石规划调度问题进行求解.对比不同方法的优化结果,显示 NSGA-III 算法的优化效果更好.最后采用 NSGA-III 算法求解矿岩混合规划问题,验证了提出的矿岩混合规划方案的可行性.

　　(4)立足于河南省 M 露天矿卡车调度的实际,以 M 露天矿的实际情况为背景,用本文提出的卡车调度多目标优化方法优化了 M 露天矿的卡车调度,应用到实际调度之中,大大降低了卡车的运行成本,有效减小了卡车的等待时间,控制了品位波动.

　　6.2 展望

　　本文应用多目标遗传算法优化了露天矿卡车调度问题,为露天矿卡车调度提供了新的研究方法和途径,也取得了一定的研究成果,但由于露天矿卡车调度问题的复杂性,还有许多实际因素并未考虑,要想使露天矿卡车调度智能化还需要大量的工作要做.作者根据研究中的感受,对以后工作提出以下两点看法:

　　(1)露天矿卡车实际生产调度过程中会受到环境、车辆状况、突发事件等随机因素的影响,导致调度计划需要随时调整,如何在随机因素改变生产状态时,做出及时、实时的调度调整,在后续的研究中需要进一步探讨.

　　(2)在将来的研究中,应该对卡车调度多目标优化模型添加动态时间的影响,并与卡车预测模型相结合,开发先进的智能调度系统,实现实时调度动态反馈与资源配置调度一体化.从整体上对露天卡车调度进行优化,将更具有实际意义.

　　致谢

　　至此建大,逸毅夫之

　　己亥猪年戊辰月甲戌日于西建大图书馆五楼.

　　值以维运之时,春夏盎然之际,即文于学府之城.时载七年之久,求学于母校建大,常以秉持校训,以诫自律,自强之于笃实,求源之于创新.以言议,"建国君民,教学为先",以观吾校,大学之有大师,常育良师,资以益友.吾受吾师德才之学,寥寥数字,感荷厚意,难以概全,冀师宥余.

　　予入矿山系统工程研究所,夫丁酉年九月廿四,承师李发本、顾清华之雅诲.是故学而研,求道至始与至终,得于先生传道解惑,是于选题之晦涩,授予思法之明辨,躬身学问,长与心智,是唯如琢如磨以善文意.心向所以至学,彼来多受贤识.以吾身难以跪拜致谢,通晓天地,临表心谢.

　　于此曾受教于院长卢才武老师、副院长郭进平老师、阮顺领老师、石广斌老师等言传身教之意,扶于泥泞,福祉明智,以传其神以道谢.求学七载,晃晃兮兮,身系于采矿工程,未不曾秉烛夜读,晓以理论,达以实践,是故而知其不足矣,无大学之才,育少于侃侃其谈之词,无往今后,问学为朝,大肆其道.

　　志与宇宙千里之间,也在心魂临身之侧,不见四月芳菲尽,久居其堂萦萦香.识贞观于大楼,访樱红于逸夫,行笃实之典馆,得安仁之辟雍,飞鸟草雨,粼粼细水,红枝摇曳,下临无地.人杰地灵,穷学问之无尽,宇楼起伏,接乾坤之体势.

　　身心之处,无望吾之父母家人,予以命得天地之灵,故以身报大地之恩,寸寸沥心,无以为报,是故长寿福祉于天,万般无若体健颜笑.

　　启发于环身之大人,躬身以谢吾之师兄江松,师姐钱维秀,师妹景莹、吕艳红,师弟马平平以及孟倩倩、陈露等同门之助.难忘昆弟之谊,伯仲之情.时三载奋战一栋七楼陋室,谈古说今,望其项背,以谢张凯、王伟超、麻栋、李冰之顾.

　　受资助于中华之大义,学堂企业之慷慨,以谢劳身劳力之得,所见所闻之学.

　　以身躬谢诸位先生老师拨冗悉心评阅此文,深表感谢!

　　漫漫修修,熙熙攘攘,齐家之始,辨识明己.自今以后,期许长时,众皆善美.
　　参考文献
　　[1] 古德生.智能采矿触摸矿业的未来[J].矿业装备,2014,(01):24-26.
　　[2] 古德生,周科平.现代金属矿业的发展主题[J].金属矿山,2012,(07): 1-8.
　　[3] 顾清华,卢才武,江松,等.采矿系统工程研究进展及发展趋势[J].金属矿山,2016,(07):26-33.
　　[4] 陈晓青.金属矿床露天开采[M].北京:冶金工业出版社,2010:63.
　　[5] GB/T 34679-2017.智慧矿山信息系统通用技术规范[S].北京:中华人民共和国国家质量监督检验检疫总局;中国国家标准化管理委员会,2017.
　　[6] Dantzig G B,Ramser J H.The Truck Dispatching Problem[J].ManagementScience,1959,6(1):80-91.
　　[7] Arelovich A,Masson F,et al.Heuristic rule for truck dispatching inopen-pit mines with local information-based decisions[C]//13th InternationalIEEE Conference on Intelligent Transportation Systems. IEEE,2010:1408-1414.
　　[8] 白润才.露天矿卡车实时调度优化决策系统及应用效果预测研究[D].阜新市:辽宁工程技术大学,2005.
　　[9] 詹森昌.论 DISPATCH 系统在大型露天矿的作用[J].矿冶,1996,5(04): 7-11.
　　[10] J.Wm.怀特,J.P.欧尔松,S.I.沃赫努特,等.利用 DISPATCH系统提高露天矿汽车-电铲生产率[J].国外金属矿山,1994,(05):22-30.
　　[11] 张波,李继.伊敏露天矿三期卡车调度系统应用效果评价[J].露天采矿技术,2012,(03):52-55.
　　[12] 李军才,蔡美峰.金属露天矿山汽车自动调度系统及其应用[J].中国矿业,2003,12(01):37-40.
　　[13] 李军才.DISPATCH 系统在我国大型露天矿山中的应用[J].中国矿业,2000,9(49):105-108.
　　[14] 明建人.卡车调度系统的使用和完善[J].世界采矿快报,2000,16(08):292-294.
　　[15] 刘忠卫,陈荣健.GPS 自动调度系统在齐大山铁矿的应用[J].矿业工程,2005,3(04):43-44.
　　[16] 杨令杰,李克民,王斌.露天矿卡车调度的理论与方法研究[J].露天采矿技术,2006,(04):12-14.
　　[17] 刘浩洋.基于改进蚁群算法的露天矿卡车优化调度研究[D].西安:西安建筑科技大学,2013.
　　[18] 郑建茹,张国立.基于改进粒子群算法在矿山车辆配送路径中的应用[J].煤炭技术,2013,32(01):207-208.
　　[19] 孙效玉,张维国.满足各种矿岩配车需求的露天矿车流规划模型[J].东北大学学报(自然科学版),2012,33(10):1487-1491.
　　[20] 孙效玉,赵松松,刘恒,等.露天矿车流路网均衡分配模型[J].煤炭学报,2017,42(06):1607-1613.
　　[21] 苏靖,刘胜富,张幼蒂,等.露天矿卡车调度理论的系统研究[J].煤炭学报,1997,22(01):54-57.
　　[22] 曾云南.大型露天矿卡车 GPS 调度系统建设[J].中国矿山工程,2007,36(06):45-47.
　　[23] 孙效玉,宋守志.露天矿卡车优化调度系统实时调度方法[J].金属矿山,2005,(08):14-17.
　　[24] Chanda E K C,KadriDagdelen.Optimal blending of mine production usinggoal programming and interactive graphics systems[J].International Journalof Surface Mining Reclamation & Environment,1995,9(4):203-208.
　　[25] Bastos G S.Decision Making applied to Shift Change in Stochastic Openpit Mining Truck Dispatching[J].Ifac Proceedings Volumes,2013,46(16):34-39.
　　[26] Upadhyay S P,Askari-Nasab H.Truck-shovel allocation optimisation: agoal programming approach[J].Mining Technology,2016,125(2):82-92.
　　[27] Patterson S R K E, Hyland P.Energy efficient scheduling of open-pit coalmine trucks[J].European Journal of Operational Research,2017,262(2):759-770.
　　[28] Bajany D M,Xia X,Zhang L.A MILP Model for Truck-shovel Scheduling to Minimize Fuel Consumption[J].Energy Procedia,2017,(105):2739-2745.
　　[29] 赵勇,张莹,徐文立,等.基于流率饱和度的露天矿卡车实时调度模型[J].矿冶,2004,13(02):71-74.
　　[30] 周永正,张三强,詹棠森,等. 露天矿生产的车辆调度模型[J].数学的实践与认识,2006,36(07):267-274.
　　[31] 邢军,孙效玉.基于产量完成度和车流饱和度的露天矿卡车调度方法[J].煤炭学报,2007,32(05):477-480.
　　[32] Zhang L,Xia X.An Integer Programming Approach for Truck-ShovelDispatching Problem in Open-Pit Mines[J].Energy Procedia,2015,75(183):1779-1784.
　　[33] Chang Y,Ren H,Wang S.Modelling and optimizing an open-pit truckscheduling problem[J].Discrete Dynamics in Nature and Society,2015, (2015):1-8.
　　[34] 孙效玉,田凤亮,张航,等.兼顾固定配车需要的露天矿车流规划模型[J].煤炭学报,2016,41(S2):583-588.
　　[35] Newman A M,Rubio E,Caro R,et al.A Review of Operations Researchin Mine Planning[J].Interfaces,2010,40(3):222-245.
　　[36] Coelho I M,Ribas S,Souza M J F,et al.A hybrid heuristic algorithmbased on grasp,vnd, ils and path relinking for the open-pitmining operationalplanning problem[C].Proceedings of the XXX Iberian-Latin-AmericanCongress on Computational Methods in Engineering-CILAMCE,Búzios,2009.
　　[37] Souza M J F . A hybrid heuristic algorithm for the open-pit-miningoperational planning problem[J].European Journal of Operational Research,2010,207(2):1041-1051.
　　[38] Coelho V N,Souza M J F,Coelho I M,et al.Multi-objective approachesfor the open-pit mining operational planning problem[J].Electronic Notesin Discrete Mathematics,2012,39(2):233-240.
　　[39] Mendes J B,Maia N A,Veloso R R.A Hybrid Multiobjective EvolutionaryAlgorithm for Truck Dispatching in Open-Pit-Mining[J] . IEEE LatinAmerica Transactions,2016,14(3):1329-1334.
　　[40] He M X,Wei J C,Lu X M,et al.The Genetic Algorithm for TruckDispatching Problems in Surface Mine[J].Information Technology Journal,2010,9(4):710-714.
　　[41] 郭天中.基于 SA-GA 算法的露天矿用卡车调度方法的研究[D].包头:内蒙古科技大学,2015.
　　[42] 汪洋,王山东.基于遗传算法的卡车调度模型的研究[J].长春师范大学学报,2015,34(10):38-41.
　　[43] 张婕,张莹,徐文立,等.大型露天矿卡车调度系统面向对象的仿真建模[J].计算机工程与应用,2003,(29):214-217.
　　[44] 王强,张莹,陈冲,等.露天矿卡车调度关键时间参数的概率分布[J].煤炭学报,2006,31(06):761-764.
　　[45] 王振军,张幼蒂,才庆祥.露天矿智能运输系统的研究[J].化工矿物与加工,2004,(03):26-28.
　　[46] Chaowasakoo P,Seppala H,Koivo H,et al.Digitalization of mine operations:Scenarios to benefit in real-time truck dispatching[J].International Journalof Mining Science and Technology,2017,27(02):229-236.
　　[47] 蔚洁,杨怀雷,成汝震.基于 Dijkstra 算法的最优路径搜索方法[J].河北师范大学学报(自然科学版),2008,32(05):590-593+598.
　　[48] 王战红,孙明明,姚瑶.Dijkstra 算法的分析与改进[J].湖北第二师范学院学报,2008,25(08):12-14.
　　[49] 李超.露天矿运输系统网络模型的实现[J].露天采矿技术,2011,(06):17-20.
　　[50] 李元臣,刘维群.基于 Dijkstra 算法的网络最短路径分析[J].微计算机应用,2004,25(03):295-298+362.
　　[51] 黄杭.浅谈 Dijkstra 算法与 Floyd 算法[J].中国新通信,2019,21(03):162-163.
　　[52] 左秀峰,沈万杰.基于 Floyd 算法的多重最短路问题的改进算法[J].计算机科学,2017,44(05):232-234+267.
　　[53] 周玉飞,王红军,左云波.基于级联随机共振系统的微弱故障信息特征获取[J].北京信息科技大学学报(自然科学版),2016,31(03):32-36.
　　[54] 孟香惠,施保昌,胡新生.线性规划标准型和整数线性规划最优解的两个注记[J].应用数学,2019,32(02):1-5.
　　[55] 敖特根.单纯形法的产生与发展探析[J].西北大学学报(自然科学版),2012,42(05):861-864.
　　[56] 杨树才,邓学钧,陈云鹤.重型卡车运输实时调度优化准则研究[J].东南大学学报,1997,27(06):31-35.
　　[57] Selleri T, Najafi B,Rinaldi F,et al.Mathematical modeling and multiobjective optimization of a mini-channel heat exchanger via geneticalgorithm[J].Journal of Thermal Science & Engineering Applications,2013,3(5):1-10.
　　[58] 肖晓伟,肖迪,林锦国,等.多目标优化问题的研究概述[J].计算机应用研究,2011,28(03):805-808+827.
　　[59] Tsai S J,Sun T Y,Liu C C,et al.An improved multi-objective particleswarm optimizer for multi-objective problems[J].Expert Systems withApplications,2010,8(37):5872-5886.
　　[60] 李志强,蔺想红.多目标优化非支配集构造方法的研究进展[J].计算机工程与应用,2013,49(19):31-35.
　　[61] 王越,吕光宏.改进的粒子群求解多目标优化算法[J].计算机技术与发展,2014,24(02):42-45.
　　[62] [日]玄光男、林林.网络模型与多目标遗传算法[M].北京:清华大学出版社,2017:150-160.
　　[63] Deb K,Pratap A,Agarwal S,et al.A fast and elitist multiobjective geneticalgorithm:NSGA-II[J].IEEE Transactions on Evolutionary Computation,2002,2(6):182-197.
　　[64] Deb K,Jain H.An Evolutionary Many-Objective Optimization AlgorithmUsing Reference-Point-Based Nondominated Sorting Approach, Part I:Solving Problems With Box Constraints[J] . IEEE Transactions onEvolutionary Computation,2014,4(18):577-601.
　　[65] Jain H,Deb K.An Evolutionary Many-Objective Optimization AlgorithmUsing Reference-Point Based Nondominated Sorting Approach, Part II:Handling Constraints and Extending to an Adaptive Approach[J].IEEE Transactions on Evolutionary Computation,2014,18(4):602-622.
　　[66] 周云峰.SWMM 排水管网模型灵敏参数识别与多目标优化率定研究[D].杭州:浙江大学,2018.
　　[67] 吴伟丽.基于NSGA-Ⅲ的复杂成因变压器直流偏磁控制优化算法[J].电测与仪表,2018,55(11):89-93.
　　[68] 刘浩洋,嵇启春,许苗苗,等.露天矿生产车辆调度的优化选择[J]. 采矿技术,2012,12(06):63-65.