Optimizing the exploratory drilling rig route based on the Multi-Objective Multiple Traveling Salesman Problem
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 257
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJMGE-56-4_005
تاریخ نمایه سازی: 21 دی 1401
چکیده مقاله:
Exploratory drilling is one of the most important and costly stages of mineral exploration procedures, so the continuation of mining activities depends on the gathered data during this stage. Due to the importance of cost and time-saving in the performance of mineral exploration projects, the effective parameters for reducing the cost and time of drilling activities should be investigated and optimized. Road construction and the sequence of the drilling boreholes by drilling rigs are among these parameters. The main objectives of this research were to optimize the overall road construction cost and the difference in length drilled by each drilling rig. The problem has been modeled as a Multi-Objective Multiple Traveling Salesman Problem (MOmTSP) and solved by the Non-dominated Sorting Genetic Algorithm-II (NSGA-II). Finally; the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method has been used to find the optimal solution among the solutions obtained by the NSGA-II.
کلیدواژه ها:
Exploratory drilling ، Multi-Objective Multiple Traveling Salesman Problem ، Non-dominated Sorting Genetic Algorithm-II ، Optimization ، Technique for Order Preference by Similarity to Ideal Solution
نویسندگان
Elhmam Ghadiri Sufi
Department of Mining Engineering, University of Kashan, Kashan. Iran.
Saeed Soltani - Mohammadi
Department of Mining Engineering, University of Kashan, Kashan. Iran.
Hadi Mokhtari
Department of Mining Engineering, University of Kashan, Kashan. Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :