自适应差分进化算法在露天矿床开拓运输流程优化的应用研究

Surrounding the optimal problem of pit haulage process for surface mines, according to the sub-problems of resources optimization and mobile-object path planning, considering the economic indicators, energy usage and environment indicators etc., researching self-feedback iterative initialization the population, designing the uniformly dispersed and neatly comparable random functions carry on population initialization. The project intends to adaptively adjustment of scaling factor and hybridization probability by using Gaussian distribution and Cauchy distribution, introducing breeding pool selection strategy which based on ranking sample. Dynamic allocating the superior and inferior individuals in the probability sampling to the breeding pool with different sampling proportions. Encoding the cost indicators and optimization evaluation criteria of open pit ore deposit development process. At the same time, the project plan to utilize the different transportation modes in the feasible development process as the fitness function of the adaptive differential evolution algorithm. Implementing the auto-design and self-configuration of pit haulage process for surface mines, then minimize development and transportation costs. Through the research of this project, a series of regular, practical and guiding results are obtained at the theoretical and algorithmic levels, which promote the development of theory and technology in differential evolution algorithm and enhancing the integration of related disciplines.

围绕露天矿床开拓流程优化问题，针对露天矿床开拓资源优化、移动对象路径规划子问题，考虑经济指标、能源利用及环境指标等复杂因素，设计均匀分散、齐整可比且具自反馈迭代特性的随机函数初始化种群。采用高斯分布和柯西分布自适应调整缩放因子和杂交概率，引入基于排名抽样的繁殖池选择策略，动态分配概率抽样中优劣个体以不同的抽样比例进入繁殖池，编码露天矿床开拓流程的成本指标和最优化评价标准，并将可行的开拓流程中不同的运输方式作为自适应差分进化算法的适应度函数，实现露天矿床开拓运输流程的自动设计和自主配置等，最大限度的降低开拓和运输成本。通过本项目研究，在理论和算法层面取得一系列规律性、实用性、有指导性的成果，促进差分进化算法理论与技术的发展以及相关学科的融合。

露天矿床开拓运输流程优化研究主要涉及自适应参数优化和拓扑关系结构优化问题，为了实现露天矿床开拓过程的自动设计和自主配置，最大限度的降低开拓和运输成本，本项目综合考虑经济和环境指标、选厂生产能力与矿石资源配置等关键因素，结合差分进化算法所具有全局搜索能力强、易于实现等优点，着重解决差分进化算法执行后期因易丧失多样性，从而导致陷入局部最优等问题。项目的主要研究内容包括：（1）提出了一种基于适应度距离相关度和邻域变异自适应差分进化算法；（2）提出了一种基于多样性控制器的带约束差分进化算法；（3）提出了一种基于多样性拓扑的多目标差分进化算法；（4）建立了基于自适应差分进化算法的露天矿床开拓运输路径与完整资源优化模型。在项目执行过程中，已发表标注本项目基金号的学术论文20篇，其中SCI期刊论文12篇（SCI一区TOP期刊3篇，SCI二区TOP期刊3篇），EI期刊论文7篇，国内高质量期刊1篇，中文核心期刊、CSCD核心论文1篇，国际会议论文3篇。申请发明专利3项、计算机软件著作权2项，并已获得发明专利受理通知书。培养硕士研究生5人，中青年教师2人，组织参加中国仿真大会、智能优化与应用研讨会、智能计算及其应用国际会议10余次。项目的研究成果在复杂业务流程环境下求解资源和路径优化问题提供了新的研究思路和方向，在计算智能和优化领域具有重要的理论意义和应用价值。