تعیین محدوده‌ی نهایی معادن روباز با استفاده از الگوریتم زنبور عسل
در گذشته برای تعیین محدوده‌ی نهایی معدن از روش‌های گوناگونی استفاده شده است. از جمله‌ی این روش‌ها می‌توان به روش‌های مبتنی بر هوش مصنوعی مانند الگوریتم‌های فراکاوشی ژنتیک، مورچگان و رقابت استعماری اشاره کرد. الگوریتم زنبور عسل یکی از الگوریتم‌های قدرتمند فراکاوشی است که از زندگی تجمعی زنبورها الهام...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Iranian Society of Mining Engineering
2018-12-01
|
| Series: | نشریه مهندسی معدن |
| Subjects: | |
| Online Access: | https://ijme.iranjournals.ir/article_34843_9f68416efef55567ea2742c726a48d85.pdf |
| Summary: | در گذشته برای تعیین محدوده‌ی نهایی معدن از روش‌های گوناگونی استفاده شده است. از جمله‌ی این روش‌ها می‌توان به روش‌های مبتنی بر هوش مصنوعی مانند الگوریتم‌های فراکاوشی ژنتیک، مورچگان و رقابت استعماری اشاره کرد. الگوریتم زنبور عسل یکی از الگوریتم‌های قدرتمند فراکاوشی است که از زندگی تجمعی زنبورها الهام گرفته شده است. در این مقاله ابتدا یک مثال فرضی از زندگی زنبورها برای یافتن منبعی با بیش‌ترین میزان شهد توسط این الگوریتم شرح داده شد. سپس روشی بر اساس الگوریتم زنبور عسل برای تعیین محدوده‌ی نهایی معدن پیشنهاد و برای بررسی عملکرد آن ابتدا یک مثال دو بعدی به صورت مرحله به مرحله توضیح داده شد. این مثال نشان داد مواردی را که مخروط شناور قادر به یافتن جواب بهینه برای تعیین محدوده‌ی نهایی معدن نیست، می‌توان با الگوریتم زنبور عسل به خوبی حل کرد. سپس این الگوریتم برای تعیین محدوده‌ی نهایی در معدن سونگون با 45×100×120 بلوک مورد استفاده قرار گرفت. برای اعتبارسنجی پاسخ مسئله‌ی تعیین محدوده‌ی نهایی با استفاده الگوریتم زنبور عسل، از نظریه‌ی گراف و مخروط شناور استفاده شد. نتایج نشان می‌دهد که اختلاف نقدینگی محدوده‌ی به دست آمده از طریق الگوریتم زنبور عسل حدود 3/12 درصد از محدوده‌ی مخروط شناور بیش‌تر و تنها 6/1 درصد از محدوده‌ی نظریه‌ی گراف کم‌تر است. |
|---|---|
| ISSN: | 1735-7616 2676-4482 |