بهینهسازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابی
برای طراحی یک معدن بعد از اینکه انجام عملیات زمینشناسی، تهیه مدل سه بعدی و مدل بلوکی معدن به اتمام رسید، تعیین محدوده نهایی انجام میشود. تعیین محدوده نهایی با استفاده از روشهای دقیق و روشهای هوش مصنوعی قابل محاسبه است. مساله تعیین محدوده نهایی از نظر سختی جزو مسایل NPhard است. روشهای دقیق معمول...
Main Authors: | , |
---|---|
Format: | Article |
Language: | fas |
Published: |
Imam Khomeini International University
2023-12-01
|
Series: | Muhandisī-i manābi̒-i ma̒danī |
Subjects: | |
Online Access: | https://jmre.journals.ikiu.ac.ir/article_3188_4dc7321f70c443efe564e2ee5d10db65.pdf |
_version_ | 1797194821776965632 |
---|---|
author | سجاد رستمیان مجید عطایی پور |
author_facet | سجاد رستمیان مجید عطایی پور |
author_sort | سجاد رستمیان |
collection | DOAJ |
description | برای طراحی یک معدن بعد از اینکه انجام عملیات زمینشناسی، تهیه مدل سه بعدی و مدل بلوکی معدن به اتمام رسید، تعیین محدوده نهایی انجام میشود. تعیین محدوده نهایی با استفاده از روشهای دقیق و روشهای هوش مصنوعی قابل محاسبه است. مساله تعیین محدوده نهایی از نظر سختی جزو مسایل NPhard است. روشهای دقیق معمولا به نتیجهای بهتر و بهینه خواهند رسید، اما برای مسایل بزرگ با تعداد بلوکهای زیاد ممکن است با زمان حل بسیار بالایی قادر به پاسخگویی به مساله باشد. در این شرایط بهتر است از الگوریتمهای هوش جمعی یا تکاملی برای تعیین محدوده نهایی استفاده کرد. بهینهسازی مساله تعیین محدوده نهایی شبیه به مسایل بهینهسازی دیگر است که با استفاده از یک منطق الگوریتمی در نرمافزار متلب قابل حل است. در اینجا از الگوریتم کشتل در متلب برای بهینهسازی محدوده نهایی استفاده شده است. ابتدا الگوریتم کشتل برای حل مساله دو بعدی و سه بعدی پیادهسازی شده و در نهایت معدن مس سونگون به عنوان مطالعه موردی انتخاب و نتایج حل مساله تعیین محدوده نهایی با الگوریتم کشتل و نرمافزار NPVScheduler مقایسه شده است. نتایج نشان میدهد که استفاده از الگوریتم کشتل در مساله تعیین محدوده نهایی معدن مس سونگون اختلاف 47/0 درصدی با نرمافزار NPVScheduler دارد. مقایسه الگوریتم کشتل با نتایج لرچ گروسمن در تعیین محدوده نهایی دو بعدی و مقایسه نتایج حاصله از الگوریتم کشتل با نرمافزار NPVScheduler در مسایل سه بعدی نشاندهنده کارآیی مناسب آن در حل این مسایل است. |
first_indexed | 2024-04-24T06:02:23Z |
format | Article |
id | doaj.art-b57a277d5ef849a5918e1fc7284c90f2 |
institution | Directory Open Access Journal |
issn | 2538-5143 2676-6132 |
language | fas |
last_indexed | 2024-04-24T06:02:23Z |
publishDate | 2023-12-01 |
publisher | Imam Khomeini International University |
record_format | Article |
series | Muhandisī-i manābi̒-i ma̒danī |
spelling | doaj.art-b57a277d5ef849a5918e1fc7284c90f22024-04-23T06:04:06ZfasImam Khomeini International UniversityMuhandisī-i manābi̒-i ma̒danī2538-51432676-61322023-12-01847910210.30479/jmre.2023.19236.16633188بهینهسازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابیسجاد رستمیان0مجید عطایی پور1کارشناسی ارشد، گروه مهندسی معدن، دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر، تهراندانشیار، گروه مهندسی معدن، دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر، تهرانبرای طراحی یک معدن بعد از اینکه انجام عملیات زمینشناسی، تهیه مدل سه بعدی و مدل بلوکی معدن به اتمام رسید، تعیین محدوده نهایی انجام میشود. تعیین محدوده نهایی با استفاده از روشهای دقیق و روشهای هوش مصنوعی قابل محاسبه است. مساله تعیین محدوده نهایی از نظر سختی جزو مسایل NPhard است. روشهای دقیق معمولا به نتیجهای بهتر و بهینه خواهند رسید، اما برای مسایل بزرگ با تعداد بلوکهای زیاد ممکن است با زمان حل بسیار بالایی قادر به پاسخگویی به مساله باشد. در این شرایط بهتر است از الگوریتمهای هوش جمعی یا تکاملی برای تعیین محدوده نهایی استفاده کرد. بهینهسازی مساله تعیین محدوده نهایی شبیه به مسایل بهینهسازی دیگر است که با استفاده از یک منطق الگوریتمی در نرمافزار متلب قابل حل است. در اینجا از الگوریتم کشتل در متلب برای بهینهسازی محدوده نهایی استفاده شده است. ابتدا الگوریتم کشتل برای حل مساله دو بعدی و سه بعدی پیادهسازی شده و در نهایت معدن مس سونگون به عنوان مطالعه موردی انتخاب و نتایج حل مساله تعیین محدوده نهایی با الگوریتم کشتل و نرمافزار NPVScheduler مقایسه شده است. نتایج نشان میدهد که استفاده از الگوریتم کشتل در مساله تعیین محدوده نهایی معدن مس سونگون اختلاف 47/0 درصدی با نرمافزار NPVScheduler دارد. مقایسه الگوریتم کشتل با نتایج لرچ گروسمن در تعیین محدوده نهایی دو بعدی و مقایسه نتایج حاصله از الگوریتم کشتل با نرمافزار NPVScheduler در مسایل سه بعدی نشاندهنده کارآیی مناسب آن در حل این مسایل است.https://jmre.journals.ikiu.ac.ir/article_3188_4dc7321f70c443efe564e2ee5d10db65.pdfبهینهسازیتعیین محدوده نهایی سه بعدیالگوریتم فراکاوشی کشتل (مرغابی) |
spellingShingle | سجاد رستمیان مجید عطایی پور بهینهسازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابی Muhandisī-i manābi̒-i ma̒danī بهینهسازی تعیین محدوده نهایی سه بعدی الگوریتم فراکاوشی کشتل (مرغابی) |
title | بهینهسازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابی |
title_full | بهینهسازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابی |
title_fullStr | بهینهسازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابی |
title_full_unstemmed | بهینهسازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابی |
title_short | بهینهسازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابی |
title_sort | بهینهسازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابی |
topic | بهینهسازی تعیین محدوده نهایی سه بعدی الگوریتم فراکاوشی کشتل (مرغابی) |
url | https://jmre.journals.ikiu.ac.ir/article_3188_4dc7321f70c443efe564e2ee5d10db65.pdf |
work_keys_str_mv | AT sjạdrstmyạn bhynhsạzymḥdwdhnhạyyạstkẖrạjdrmʿạdnrwbạzbạạlgwrytmmrgẖạby AT mjydʿṭạyypwr bhynhsạzymḥdwdhnhạyyạstkẖrạjdrmʿạdnrwbạzbạạlgwrytmmrgẖạby |