شبیه سازی تخصیص کامیون به بیل در معادن روباز با رویکرد یادگیری تقویتی

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 124

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICISE10_019

تاریخ نمایه سازی: 1 آذر 1403

چکیده مقاله:

هدف از این پژوهش ارائه مدل ترکیبی از شبیه سازی و یادگیری تقویتی برای مدیریت بهینه تخصیص بیل ها و کامیون ها در یک محیطمعدنی است. کد این مدل با استفاده از کتابخانه های مختلف پایتون مانند simpy برای شبیه سازی رویدادهای گسسته و numpy برایانجام محاسبات عددی کار می کند. هدف اصلی این کد بهینه سازی تخصیص کامیون ها به بیل ها برای حداکثر کردن بهره وری در حمل ونقل مواد معدنی است. در این شبیه سازی، پنج بیل و ده کامیون وجود دارد که هر کدام نرخ های بارگیری و مسافرت مشخصی دارند. ایننرخ ها به عنوان پارامترهای ورودی به شبیه سازی داده می شون د و برای هر بیل و کامیون متفاوت هستند. همچنین، احتمال خرابی برای هربیل و کامیون وجود دارد که در شبیه سازی در نظر گرفته شده است. نتایج نشان می دهند که مدل یادگیری تقویتی با استفاده از الگوریتمQ-learning قادر است تا تخصیص بهینه کامیون ها به بیل ها را یاد بگیرد و بهترین عملکرد را نسبت به دو مدل ساده تر داشته باشد. اینمدل با استفاده از به روزرسانی مقادیر Q و یادگیری از تجربیات گذشته، سیاستی بهینه می آموزد که منجر به بیشترین تعداد بارگیری هایموفق می شود و بهره وری کلی سیستم را افزایش می دهد.

نویسندگان

عرفان مزینانی

دانشجوی کارشناسی ارشد، دانشگاه تربیت مدرس

نسیم نهاوندی

استاد ، دانشگاه تربیت مدرس