برنامهریزی تولید بلندمدت معدن مس سونگون بوسیله الگوریتم بهینهسازی مورچگان
محل انتشار: چهارمین کنفرانس مهندسی معدن ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,699
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IMEC04_113
تاریخ نمایه سازی: 19 اسفند 1391
چکیده مقاله:
مطالعات سه دهه گذشته در زمینه یافتن جواب بهینهی مساله برنامهریزی تولید بلندمدت معادن روباز، بدلیل بزرگی مدل وپیچیدگی آن از طریق روشهای ریاضی موجود تاکنون به نتیجه مطللوبی نرسیده است. امروزه روشهای ابتکاری یا فرآابتکاری،با داشتن قابلیت مدلسازی پیچیدهترین شرایط تابع هدف و یا محدودیتهای مساله و رسیدن به جواب نزدیک بهینه قابل قبول از مهمترین موضوعات پژوهشی در این زمینه به شمار میروند. در این مقاله، اصول روش فرآابتکاری الگوریتم مورچگانتشریح شده و برنامهریزی تولید بلندمدت معدن مسسونگون، بوسیله الگوریتم مورچگان با در نظر گرفتن شیبهای متغیرانجام گرفته است. الگوریتم مورچگان، الگوریتمی ملهم از زندگی مورچهها در طبیعت بوده و تاکنون برای بسیاری از مسائل بهینهسازی ترکیبی مورد استفاده قرار گرفته است. از انواع این الگوریتم میتوان به سیستم مورچه، سیستم مورچه نخبه،سیستم مورچه برپایه رتبهبندی، سیستم حداقل-حداکثر مورچه و سیستم کلونی مورچه، اشاره نمود که فقط دو گونه، سیستم حداقل- حداکثر مورچه و سیستم کلونی مورچه، بدلیل نیاز به حافظه اندک، قابل کاربرد برای کانسارهای بزرگ میباشد.برنامهنویسی برای ایجاد قابلیت اعمال شیبهای متغیر جهت ساخت برنامه تولید بلندمدت توسط الگوریتم مورچگان در محیطبرنامهنویسی سیشارپ برای دو سیستم مذکور بطور جداگانه انجام گرفت. آنالیزهای صورت گرفته نشان دادند که الگوریتم مورچگان توانایی بهبود 12 درصدی جواب اولیهای که در نرمافزارNPV-Scheduler تولید شده است را دارد. همچنین نتایج بدست آمده نشان داد که سیستم حداقل- حداکثر مورچه گونهای مکتشف و سیستم کلونی مورچه گونهای سریع میباشد
کلیدواژه ها:
نویسندگان
مسعود سلیمانی شیشوان
دانش آموخته کارشناسی ارشد مهندسی استخراج معدن دانشگاه صنعتی سهند
جواد ستاروند
استادیار دانشکده مهندسی معدن دانشگاه صنعتی سهند
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 :