بهینه سازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابی
محل انتشار: مجله مهندسی منابع معدنی، دوره: 8، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 219
فایل این مقاله در 24 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:
JR_MHRE-8-4_005
تاریخ نمایه سازی: 30 دی 1402
چکیده مقاله:
برای طراحی یک معدن بعد از اینکه انجام عملیات زمین شناسی، تهیه مدل سه بعدی و مدل بلوکی معدن به اتمام رسید، تعیین محدوده نهایی انجام می شود. تعیین محدوده نهایی با استفاده از روش های دقیق و روش های هوش مصنوعی قابل محاسبه است. مساله تعیین محدوده نهایی از نظر سختی جزو مسایل NPhard است. روش های دقیق معمولا به نتیجه ای بهتر و بهینه خواهند رسید، اما برای مسایل بزرگ با تعداد بلوک های زیاد ممکن است با زمان حل بسیار بالایی قادر به پاسخ گویی به مساله باشد. در این شرایط بهتر است از الگوریتم های هوش جمعی یا تکاملی برای تعیین محدوده نهایی استفاده کرد. بهینه سازی مساله تعیین محدوده نهایی شبیه به مسایل بهینه سازی دیگر است که با استفاده از یک منطق الگوریتمی در نرم افزار متلب قابل حل است. در اینجا از الگوریتم کشتل در متلب برای بهینه سازی محدوده نهایی استفاده شده است. ابتدا الگوریتم کشتل برای حل مساله دو بعدی و سه بعدی پیاده سازی شده و در نهایت معدن مس سونگون به عنوان مطالعه موردی انتخاب و نتایج حل مساله تعیین محدوده نهایی با الگوریتم کشتل و نرم افزار NPVScheduler مقایسه شده است. نتایج نشان می دهد که استفاده از الگوریتم کشتل در مساله تعیین محدوده نهایی معدن مس سونگون اختلاف ۴۷/۰ درصدی با نرم افزار NPVScheduler دارد. مقایسه الگوریتم کشتل با نتایج لرچ گروسمن در تعیین محدوده نهایی دو بعدی و مقایسه نتایج حاصله از الگوریتم کشتل با نرم افزار NPVScheduler در مسایل سه بعدی نشان دهنده کارآیی مناسب آن در حل این مسایل است.
کلیدواژه ها:
نویسندگان
سجاد رستمیان
کارشناسی ارشد، گروه مهندسی معدن، دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر، تهران
مجید عطایی پور
دانشیار، گروه مهندسی معدن، دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر، تهران
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 :