基于SA-GA算法的露天礦用卡車調(diào)度方法的研究.pdf

1、卡車是露天礦開采中的主要運輸工具，其調(diào)度過程是一個非常復(fù)雜的排列組合NP難題，其間存在許多影響因素，其優(yōu)化調(diào)度方案直接影響礦山開采的生產(chǎn)效率和企業(yè)生產(chǎn)成本，屬于特殊的車輛調(diào)度問題。本文基于人工智能算法，以某露天礦卡車實際調(diào)度為背景，研究露天礦卡車實時調(diào)度的理論、特點、模型和方法，利用實際生產(chǎn)中的數(shù)據(jù)建立符合該露天礦實際生產(chǎn)的數(shù)學(xué)模型，在此基礎(chǔ)上利用模擬退火算法優(yōu)化遺傳算法對模型進行求解并編制了該露天礦卡車實時調(diào)度程序，從而實現(xiàn)了露天礦卡

2、車的實時優(yōu)化調(diào)度。
　　其次根據(jù)露天礦卡車實時調(diào)度特點，將露天礦卡車調(diào)度類比經(jīng)典的運輸調(diào)度問題，在此基礎(chǔ)上建立了以運輸費用為目標(biāo)函數(shù)的多約束條件下的露天礦卡車實時調(diào)度數(shù)學(xué)模型，應(yīng)用模擬退火算法優(yōu)化遺傳算法實現(xiàn)了露天礦卡車的實時優(yōu)化調(diào)度。首先，針對所建卡車調(diào)度模型的單目標(biāo)、多約束、非線性優(yōu)化的特點，應(yīng)用求解此類問題表現(xiàn)優(yōu)越的遺傳算法進行求解；并對遺傳算法局部搜索能力不足的特點，應(yīng)用局部搜索能力強的模擬退火算法對其進行優(yōu)化，利用典型的

3、TSP問題對模擬退火優(yōu)化遺傳算法進行了驗證，實驗結(jié)果表明：改進的SA-GA算法優(yōu)化性能和魯棒性能指標(biāo)分別為3.20％和0.87%均優(yōu)于GA算法的3.78%和2.85%，因此能夠獲得更優(yōu)的全局最優(yōu)解。在此基礎(chǔ)上采用MATLAB編程軟件編制了基于SA-GA算法的露天礦卡車調(diào)度程序，以實際生產(chǎn)數(shù)據(jù)進行實驗，程序運行時間為：833.997249秒，運行過程比傳統(tǒng)人工算法速度快、高效，符合礦山實時調(diào)度，實驗結(jié)果顯示：一小時內(nèi)卡車平均運輸費用達21