CN113222460A - 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法 - Google Patents

一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法 Download PDF

Info

Publication number
CN113222460A
CN113222460A CN202110601033.1A CN202110601033A CN113222460A CN 113222460 A CN113222460 A CN 113222460A CN 202110601033 A CN202110601033 A CN 202110601033A CN 113222460 A CN113222460 A CN 113222460A
Authority
CN
China
Prior art keywords
objective
population
distance
point
algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110601033.1A
Other languages
English (en)
Other versions
CN113222460B (zh
Inventor
顾清华
徐青松
江松
阮顺领
冯治东
李学现
陈露
王倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Architecture and Technology
Original Assignee
Xian University of Architecture and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian University of Architecture and Technology filed Critical Xian University of Architecture and Technology
Priority to CN202110601033.1A priority Critical patent/CN113222460B/zh
Publication of CN113222460A publication Critical patent/CN113222460A/zh
Application granted granted Critical
Publication of CN113222460B publication Critical patent/CN113222460B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法，首先根据露天矿实际生产调度建立主要指标体系，然后以运输成本最小和运输距离最短以及等待时间最小为目标构建金属露天矿多目标调度模型，再对基本的NSGA‑Ⅲ算法进行改进，最后采用改进的算法对金属露天矿多目标调度模型进行求解。本发明多目标调度优化方法能够有效减少卡车调度过程中的运输距离和运输次数，进而显著降低企业的运输成本，并且在有效保证矿石品位的前提下能提高矿山的生产能力，显著提升矿山企业的经济效益。并且在模型构建过程中做出了路径规划和车流分配工作，能有效保证各路段的通行顺畅。

Description

一种基于高维多目标进化算法的露天矿卡车多目标调度优化 方法
技术领域
本发明属于矿业系统工程及矿山优化技术领域，涉及露天矿车辆的智能调配，特别涉及一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法。
背景技术
露天矿生产是集采掘、运输调度、破碎处理等一系列活动的大型生产系统，其中运输调度是整个生产系统的关键环节。矿车运输调度是一个涉及任务产量、生产能力、质量、设备利用率和资源问题的多目标系统，露天矿运输成本占露天矿生产成本的50-60％。根据实际生产需求建立优化调度模型，能有效降低企业的生产运营成本。从国内外来看，目前露天矿卡车运输调度的实际生产中，首先在优化规模上大多以小规模优化模拟实际生产，其次原有的单目标及多目标等露天矿调度优化模型，大多仅求解出从装载点在卸载点之间的次数，无法有效满足目前露天矿运输调度的实际需求。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法，根据露天矿实际生产调度建立了主要的指标体，然后以运输成本最小和运输距离最短以及等待时间最小为目标，构建金属露天矿多目标调度模型，再对基本的NSGA-Ⅲ算法进行改进，最后采用改进的算法对金属露天矿多目标调度模型进行求解，最终可满足目前露天矿运输调度的实际需求。
为了实现上述目的，本发明采用的技术方案是：
一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法，包括如下步骤：
步骤1，根据露天矿实际生产调度建立主要指标体系；
步骤2，以运输成本最小、运输距离最短以及等待时间最小为目标，构建金属露天矿多目标调度模型；
步骤3，对NSGA-Ⅲ算法进行改进，得到基于距离支配关系的NSGA-Ⅲ算法；
步骤4，采用改进的算法对金属露天矿多目标调度模型进行求解。
与现有技术相比，本发明在现有单目标调度优化模型的基础上，引入运输距离与等待时间最小两个目标，同时考虑了矿区道路的实际通行能力，构建露天矿的金属露天矿多目标调度优化模型。在早期研究中，优化调度主要采用线性规划、整数规划以及动态规划来优化调度问题。但是由露天矿调度换进复杂、需求多样，往往不能得到实际有效的结果，本发明提出的基于距离优势关系的NSGA-Ⅲ算法原理简单、容易实现，在求解过程中能有效保证解的多样性，并能够快速求解出满足要求的解集。
本发明针对矿区的实际生产需求，建立了完善的运输路径及运输车次模型，并能求出可行的解，降低运输成本有着重要的意义。
附图说明
图1是本发明中采用基于距离优势关系的NSGA-Ⅲ算法求解模型的流程图。
图2是本发明中的基于距离优势关系的示意图，能保证一定区域内相对收敛性较差但是多样性较好的解参与进化。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
本发明为一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法，能够有效减少卡车调度过程中的运输距离和运输次数，进而显著降低企业的运输成本，并且在有效保证矿石品位的前提下能提高矿山的生产能力，显著提升矿山企业的经济效益，并且在模型构建过程中做出了路径规划和车流分配工作。
如图1所示，其主要包括如下步骤：
步骤1，根据露天矿实际生产调度建立主要指标体系，包括运输路网数据、生产指标要求、运算能力数据、成本等。
通过对露天矿的实际调研测度，首先获取露天矿的运输路网数据，包括各路段的距离及通行能力；其次，通过调取以往的实际生产数据获取矿山实际生产中装、卸载点的产量要求，实际的装、卸载所耗费的时间。最后，通过对原始的实际数据进行分析，得出空载状态及重载状态下的单位成本，以及日常维护的费用。
步骤2，根据矿山实际生产要求和指标，以运输成本最小、运输距离最短以及等待时间最小为目标，构建金属露天矿多目标调度模型如下：
F(X)＝Minimize(f1(X)，f2(X)，f3(X))
其中：
Figure BDA0003092696510000031
Figure BDA0003092696510000032
Figure BDA0003092696510000033
式中，目标函数(1)min f1(X)表示运输成本最小化；目标函数(2)min f2(X)表示运输距离最小化；目标函数(3)min f3(X)表示等待时间最小化；h表示回路个数，r＝1，2…，h，xrij表示回路r中从装载点i到卸载点j的重载运输次数，dij表示装载点i到卸载点j的距离，C1表示卡车重载运行状态下单位成本，yrji表示回路r中从卸载点j到装载点i的重载运输次数，C2表示卡车空载运行状态下单位成本，Kr表示第r个回路上卡车数量，T0表示班次时间，C3表示班次时间内卡车维修费用，Tz表示装载时间。
约束条件如下：
Figure BDA0003092696510000041
Figure BDA0003092696510000042
Figure BDA0003092696510000043
Figure BDA0003092696510000044
Figure BDA0003092696510000045
Figure BDA0003092696510000046
Figure BDA0003092696510000047
Figure BDA0003092696510000048
其中，约束条件(4)表示出矿点最小生产任务要求；约束条件(5)表示出矿点最大生产能力；约束条件(6)表示受矿点最小任务量要求；约束条件(7)表示受矿点最大生产能力；约束条件(8)表示卸载点矿石品位应该在允许范围内；约束条件(9)表示卡车数量限制；约束(10)表示在同一回路内保证车辆不拥堵的约束。
m表示装载点数目，i＝1，2，...，m，C表示卡车装载量，pi表示第i个装载点最小任务量，qi表示第i个装载点最大产出量，n表示卸载点数目，j＝1，2，...，n，gj表示第j个卸载点最小任务量，fj表示第j个卸载点最大承载力，Gi表示第i个装载点出矿品位，K表示卡车数量，ej表示第j个卸载点的品位需求，
Figure BDA0003092696510000049
表示卸载点允许的品位波动偏差。
步骤3，对NSGA-III算法进行改进，得到基于距离支配关系的NSGA-III算法，改进的方法如下：
参考图2，在原始NSGA-III算法中引入均匀分布的参考点，然后将参考点与原点连接形成参考线，计算所有个体到参考线的垂直距离，将个体与垂直距离最小的参考点关联；算法保留了随机生成初始种群以后通过进化形成子代加入父代的协同进化的精英保留策略，通过快速Pareto非支配排序形成非支配等级，然后按照由低到高的顺序加入归档集，在归档集种群规模大于N时，利用小生境选择技术使归档集种群规模为N，改进后使用距离支配关系对种群进行非支配排序，划分非支配层级。
在原始的NSGA-III算法中，由于Pareto支配的限制，导致仅能从临界层选择过程中保留多样性较好的解，且这些解不一定作为相对较优的解保留到下一代种群中，因此提出一种距离支配关系提升解的多样性。距离支配关系结合小生境技术，不仅考虑到解的收敛性，同样使解的多样性得到了增强。具体来说，如果解X1距离支配解X2，即X1X2，则满足下列条件：
Figure BDA0003092696510000051
其中
Figure BDA0003092696510000052
是个体X1到理想点的欧氏距离，
Figure BDA0003092696510000053
是个体X2到理想点的欧氏距离，将欧氏距离作为适应度值来选择更优的解，表示两个候选解X1、X2的目标值之间的夹角，即
Figure BDA0003092696510000054
Figure BDA0003092696510000055
是每个候选解的所属小生境的大小。
在基于支配的算法中，通常采用精英保留策略，也就是在生成父代种群后会通过遗传变异生成子代种群，父代与子代共同进行环境选择。因此，本发明的目标就是在非支配排序过程中，使得一半的种群处于非支配层级。为了保证解集P中非支配解的比值总是在0.5，
Figure BDA0003092696510000056
被设置为第(|P|/2)个最小夹角。
使用距离支配关系将种群个体按照目标值进行非支配排序的过程如下：
(1)根据目标函数f1(X)，f2(X)和f3(X)计算每个种群个体目标函数值，在初始化种群中，每一条运行的路径对应为算法中的一个个体；
(2)分别比较每一维目标函数值，选取每一维目标函数值的最小值作为理想点；
(3)计算种群中每个个体与其他个体之间的最小夹角，从而得出小生境大小
Figure BDA0003092696510000061
并根据距离支配关系划分非支配层级。
(4)如果解X1与解X2之间的夹角小于小生境大小，则仅比较两个解到理想点之间的距离来判断非支配关系；如果两个解之间的夹角大于小生境的大小，则考虑能否在一定区间内保留到理想点较远的个体，进而保证种群多样性。
步骤4，采用改进的算法对金属露天矿多目标调度模型进行求解，具体求解过程如下：
Step 1确定种群规模，产生初始父代种群，每一个种群对应一条运行路径；
Step 2将父代群进行交叉、变异的遗传操作形成新的子代种群；
Step 3将父代种群与子代种群合并；
Step 4按照上述的多目标调度模型，计算合并后种群中所有个体的目标值；
Step 5根据种群中每个个体的目标值按照距离支配关系进行非支配排序；
Step 6按照非支配层级由低到高的顺序加入归档集，到达临界层时采用小生境选择技术使归档集种群规模与初始种群规模一致；
Step 7判断是否满足设定的迭代次数这一终止条件，是则结束算法输出结果，否则转Step 2。

Claims (10)

1.一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，包括如下步骤：
步骤1，根据露天矿实际生产调度建立主要指标体系；
步骤2，以运输成本最小、运输距离最短以及等待时间最小为目标，构建金属露天矿多目标调度模型；
步骤3，对NSGA-Ⅲ算法进行改进，得到基于距离支配关系的NSGA-Ⅲ算法；
步骤4，采用改进的算法对金属露天矿多目标调度模型进行求解。
2.根据权利要求1所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述步骤1中，首先获取露天矿的运输路网数据，包括各路段的距离及通行能力；其次，通过调取以往的实际生产数据获取矿山实际生产中装、卸载点的产量要求，实际的装、卸载所耗费的时间，最后，通过对原始的实际数据进行分析，得出空载状态及重载状态下的单位成本，以及日常维护的费用。
3.根据权利要求1所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述金属露天矿多目标调度模型如下：
F(X)＝Minimize(f1(X),f2(X),f3(X))
其中：
Figure FDA0003092696500000011
Figure FDA0003092696500000012
Figure FDA0003092696500000013
minf1(X)表示运输成本最小化，minf2(X)表示运输距离最小化，minf3(X)表示等待时间最小化，h表示回路个数，r＝1,2...,h，xrij表示回路r中从装载点i到卸载点j的重载运输次数，dij表示装载点i到卸载点j的距离，C1表示卡车重载运行状态下单位成本，yrji表示回路r中从卸载点j到装载点i的重载运输次数，C2表示卡车空载运行状态下单位成本，Kr表示第r个回路上卡车数量，T0表示班次时间，C3表示班次时间内卡车维修费用，Tz表示装载时间。
4.根据权利要求3所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述金属露天矿多目标调度模型还包括如下约束条件：
Figure FDA0003092696500000021
Figure FDA0003092696500000022
Figure FDA0003092696500000023
Figure FDA0003092696500000024
Figure FDA0003092696500000025
Figure FDA0003092696500000026
Figure FDA0003092696500000027
Figure FDA0003092696500000028
其中，约束条件(4)表示出矿点最小生产任务要求；约束条件(5)表示出矿点最大生产能力；约束条件(6)表示受矿点最小任务量要求；约束条件(7)表示受矿点最大生产能力；约束条件(8)表示卸载点矿石品位应该在允许范围内；约束条件(9)表示卡车数量限制；约束(10)表示在同一回路内保证车辆不拥堵的约束；
m表示装载点数目，i＝1,2,...,m，C表示卡车装载量，pi表示第i个装载点最小任务量，qi表示第i个装载点最大产出量，n表示卸载点数目，j＝1,2,...,n，gj表示第j个卸载点最小任务量，fj表示第j个卸载点最大承载力，Gi表示第i个装载点出矿品位，K表示卡车数量，ej表示第j个卸载点的品位需求，
Figure FDA0003092696500000037
表示卸载点允许的品位波动偏差。
5.根据权利要求1或3或4所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述对NSGA-Ⅲ算法进行改进的方法如下：
在原始NSGA-Ⅲ算法中引入均匀分布的参考点，然后将参考点与原点连接形成参考线，计算所有个体到参考线的垂直距离，将个体与垂直距离最小的参考点关联；通过快速Pareto非支配排序形成非支配等级，然后按照由低到高的顺序加入归档集，在归档集种群规模大于N时，利用小生境选择技术使归档集种群规模为N，改进后使用距离支配关系对种群进行非支配排序，划分非支配层级。
6.根据权利要求5所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述距离支配关系是指，如果解X1距离支配解X2，即X1X2，则满足下列条件：
Figure FDA0003092696500000031
其中
Figure FDA0003092696500000032
是个体X1到理想点的欧氏距离，
Figure FDA0003092696500000033
是个体X2到理想点的欧氏距离，将欧氏距离作为适应度值来选择更优的解，表示两个候选解的目标值之间的夹角，即
Figure FDA0003092696500000034
Figure FDA0003092696500000035
是每个候选解的所属小生境的大小。
7.根据权利要求5所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述
Figure FDA0003092696500000036
设置为第(|P|/2)个最小夹角，以保证解集P中非支配解的比值总是在0.5，即，在非支配排序过程中，使得一半的种群处于非支配层级。
8.根据权利要求5所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，采用基于距离支配关系的NSGA-Ⅲ算法对多目标调度模型进行求解，具体求解过程如下：
Step 1确定种群规模，产生初始父代种群，每一个种群对应一条运行路径；
Step 2将父代群进行交叉、变异的遗传操作形成新的子代种群；
Step 3将父代种群与子代种群合并；
Step 4按照所述多目标调度模型，计算合并后种群中所有个体的目标值；
Step 5根据种群中每个个体的目标值按照距离支配关系进行非支配排序；
Step 6按照非支配层级由低到高的顺序加入归档集，到达临界层时采用小生境选择技术使归档集种群规模与初始种群规模一致；
Step 7判断是否满足设定的迭代次数这一终止条件，是则结束算法输出结果，否则转Step 2。
9.根据权利要求8所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述Step 5中，使用距离支配关系将种群个体按照目标值进行非支配排序，过程如下：
(1)根据目标函数f1(X)，f2(X)和f3(X)计算每个种群个体目标函数值，在初始化种群中，每一条运行的路径对应为算法中的一个个体；
(2)分别比较每一维目标函数值，选取每一维目标函数值的最小值作为理想点；
(3)计算种群中每个个体与其他个体之间的最小夹角，从而得出小生境大小
Figure FDA0003092696500000041
并根据距离支配关系划分非支配层级。
10.根据权利要求8所述基于高维多目标进化算法的露天矿卡车多目标调度优化方法，其特征在于，所述根据距离支配关系划分非支配层级的方法是：
如果解X1与解X2之间的夹角小于小生境大小，则仅比较两个解到理想点之间的距离来判断非支配关系；如果两个解之间的夹角大于小生境的大小，则考虑能否在一定区间内保留到理想点较远的个体，进而保证种群多样性。
CN202110601033.1A 2021-05-31 2021-05-31 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法 Active CN113222460B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110601033.1A CN113222460B (zh) 2021-05-31 2021-05-31 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110601033.1A CN113222460B (zh) 2021-05-31 2021-05-31 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法

Publications (2)

Publication Number Publication Date
CN113222460A true CN113222460A (zh) 2021-08-06
CN113222460B CN113222460B (zh) 2023-06-23

Family

ID=77082167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110601033.1A Active CN113222460B (zh) 2021-05-31 2021-05-31 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法

Country Status (1)

Country Link
CN (1) CN113222460B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662943A (zh) * 2022-03-28 2022-06-24 湘潭大学 基于多目标遗传算法的露天矿卡车调度方法
CN114662943B (zh) * 2022-03-28 2024-05-31 湘潭大学 基于多目标遗传算法的露天矿卡车调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080215512A1 (en) * 2006-09-12 2008-09-04 New York University System, method, and computer-accessible medium for providing a multi-objective evolutionary optimization of agent-based models
CN108805434A (zh) * 2018-05-25 2018-11-13 河海大学 一种基于改进nsga-ⅲ的梯级水电站多目标优化调度方法
CN109190835A (zh) * 2018-09-13 2019-01-11 西安建筑科技大学 一种基于时间窗限制的露天矿卡车调度路径优化方法
CN112488441A (zh) * 2020-10-23 2021-03-12 湖南大学 一种露天矿卡车智能调度方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080215512A1 (en) * 2006-09-12 2008-09-04 New York University System, method, and computer-accessible medium for providing a multi-objective evolutionary optimization of agent-based models
CN108805434A (zh) * 2018-05-25 2018-11-13 河海大学 一种基于改进nsga-ⅲ的梯级水电站多目标优化调度方法
CN109190835A (zh) * 2018-09-13 2019-01-11 西安建筑科技大学 一种基于时间窗限制的露天矿卡车调度路径优化方法
CN112488441A (zh) * 2020-10-23 2021-03-12 湖南大学 一种露天矿卡车智能调度方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张丽;王鲁;: "基于能耗的柔性作业车间调度多目标优化算法", 现代电子技术, no. 07, pages 134 - 138 *
谭期仁;王李管;钟德云;: "NSGA-Ⅱ算法在井下多目标运输路径优化中的应用", 黄金科学技术, no. 02, pages 95 - 100 *
黄夏宝;魏淑玲;: "考虑低碳的高维多目标柔性作业车间调度", 武汉理工大学学报(信息与管理工程版), no. 06, pages 48 - 54 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662943A (zh) * 2022-03-28 2022-06-24 湘潭大学 基于多目标遗传算法的露天矿卡车调度方法
CN114662943B (zh) * 2022-03-28 2024-05-31 湘潭大学 基于多目标遗传算法的露天矿卡车调度方法

Also Published As

Publication number Publication date
CN113222460B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
Zhang et al. An unmanned intelligent transportation scheduling system for open-pit mine vehicles based on 5G and big data
CN108921472B (zh) 一种多车型的两阶段车货匹配方法
CN111311158B (zh) 一种有限充电设施条件下的电动物流车路径规划方法
CN113033885A (zh) 多式联运路径优化方法、系统、存储介质、计算机设备
CN104679956B (zh) 考虑动态特性的高速压力机底座可靠性稳健设计方法
CN113222463B (zh) 基于数据驱动的神经网络代理辅助露天矿无人卡车调度方法
Gu et al. A multi-objective optimization model using improved NSGA-II for optimizing metal mines production process
CN108256969A (zh) 一种公共自行车租赁点调度区域划分方法
CN116245338A (zh) 一种矿山综合能源系统低碳经济运行优化方法
Wang et al. Collaborative multidepot electric vehicle routing problem with time windows and shared charging stations
CN113553769A (zh) 一种考虑充电效能的电动汽车充电设施优化配置方法
CN112734041A (zh) 考虑随机充电负荷的电动汽车充电网络机会约束规划方法
Zhao et al. Research on emergency distribution optimization of mobile power for electric vehicle in photovoltaic-energy storage-charging supply chain under the energy blockchain
Gao et al. Reverse logistics vehicle routing optimization problem based on multivehicle recycling
Duan et al. Combined configuration of container terminal berth and quay crane considering carbon cost
CN115392588A (zh) 一种全生命周期的电动汽车碳排放预测方法以及装置
CN111626492A (zh) 一种电动汽车充电网络模糊多目标机会约束规划方法
Jin et al. Optimal siting and sizing of EV charging station using stochastic power flow analysis for voltage stability
CN113222462A (zh) 一种基于协同进化的露天矿多能源卡车调度优化方法
CN117151482A (zh) 一种基于多目标优化的应急物资调度和路径规划方法
CN113222460B (zh) 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法
CN114202086A (zh) 一种矿山开采方案多目标优化方法
CN114723312B (zh) 一种考虑减碳的土石方机械配置方法
Li et al. Scheduling optimization of underground mine trackless transportation based on improved estimation of distribution algorithm
Wang et al. Truck Dispatching Optimization Model and Algorithm Based on 0-1 Decision Variables.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant