CN117408452A - 任务规划方法、装置、电子设备、存储介质及程序产品 - Google Patents
任务规划方法、装置、电子设备、存储介质及程序产品 Download PDFInfo
- Publication number
- CN117408452A CN117408452A CN202311265789.9A CN202311265789A CN117408452A CN 117408452 A CN117408452 A CN 117408452A CN 202311265789 A CN202311265789 A CN 202311265789A CN 117408452 A CN117408452 A CN 117408452A
- Authority
- CN
- China
- Prior art keywords
- production
- task
- scheme
- target
- mining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000013439 planning Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims abstract description 218
- 238000005065 mining Methods 0.000 claims abstract description 66
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 45
- 230000002068 genetic effect Effects 0.000 claims abstract description 42
- 238000012216 screening Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000011960 computer-aided design Methods 0.000 description 7
- 230000002829 reductive effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000002354 daily effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000000670 limiting effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005641 tunneling Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000005422 blasting Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Marine Sciences & Fisheries (AREA)
- Genetics & Genomics (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physiology (AREA)
- Animal Husbandry (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
Abstract
本申请提供的一种任务规划方法、装置、电子设备、存储介质及程序产品,包括:获取矿山开采位置的图纸数据,根据图纸数据确定待开采区域,对待开采区域进行至少一个最小生产单元的划分,根据预设规则确定最小生产单元中的至少一个任务起点;获取最小生产单元的生产数据及约束条件,确定目标任务对应的适应度函数,选取任一任务起点,根据生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,利用约束条件对至少一种生产方案进行筛选,根据适应度函数计算筛选后的生产方案的适应度值,选取适应度值最高的筛选后的生产方案为目标方案;输出目标方案,以根据目标方案执行矿山开采任务。
Description
技术领域
本申请涉及任务规划技术领域,尤其涉及一种任务规划方法、装置、电子设备、存储介质及程序产品。
背景技术
在矿山开采过程中,各个生产工艺在生产过程中都有很多生产指标的约束(如工作量、品位、成本等),但传统的矿山生产计划的制定,往往依赖人工经验。从而,在相关技术中会存在诸多问题,例如:人工计算量大、耗时多,且缺乏合理性与科学性;人工编制计划,受员工的责任心、能力、经验等主观因素影响较大;如果计划中的部分内容需要修改时,其他受影响的计划都要人工调整,工作量大、耗时多、容易出错。
进而,如何进行智能的井下任务规划,是本领域中亟待解决的问题。
发明内容
有鉴于此,本申请提出一种任务规划方法、装置、电子设备、存储介质及程序产品,以解决或部分解决上述问题。
基于上述目的,本申请提供了一种任务规划方法,包括:
获取矿山开采位置的图纸数据,根据所述图纸数据确定待开采区域,对所述待开采区域进行至少一个最小生产单元的划分,根据预设规则确定所述最小生产单元中的至少一个任务起点;
获取所述最小生产单元的生产数据及约束条件,确定目标任务对应的适应度函数,选取任一所述任务起点,根据所述生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,利用所述约束条件对所述至少一种生产方案进行筛选,根据所述适应度函数计算筛选后的生产方案的适应度值,选取所述适应度值最高的所述筛选后的生产方案为目标方案;
输出所述目标方案,以根据所述目标方案执行矿山开采任务。
在一些实施方式中,根据所述生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,包括:
确定所述目标任务的执行天数,并根据所述生产数据确定所述至少一个最小生产单元之间的开采先后关系;
响应于所述执行天数为至少两天,根据所述开采先后关系基于所述遗传算法的计算规则进行每一天的开采顺序规划,生成至少一种所述生产方案。
在一些实施方式中,所述根据所述适应度函数计算筛选后的生产方案的适应度值之后,所述方法还包括:
选择所述适应度值高于设定阈值的多个所述生产方案,基于所述遗传算法,对选出的生产方案进行选择及交叉操作,以根据所述遗传算法生成新的生产方案,对新的生产方案重新进行所述约束条件的筛选,并对筛选后的新的生产方案进行所述适应度值的计算,循环直至所述筛选后的生产方案的数量达到预设值或循环次数达到预设次数。
在一些实施方式中,所述交叉操作包括单点交叉、多点交叉及均匀交叉中的至少一种。
在一些实施方式中,所述确定所述目标任务的执行天数之后,所述方法还包括:
响应于所述执行天数为一天,以选出的任务起点为起始,根据所述开采先后关系进行开采顺序规划,生成至少一种所述生产方案。
在一些实施方式中,所述输出所述目标方案之后,所述方法还包括:
根据所述目标方案及所述图纸数据,生成任务甘特图以及矿山开采任务的预览图像,整合所述任务甘特图及所述预览图像进行整体输出。
基于同一构思,本申请还提供了一种任务规划装置,包括:
准备模块,用于获取矿山开采位置的图纸数据,根据所述图纸数据确定待开采区域,对所述待开采区域进行至少一个最小生产单元的划分,根据预设规则确定所述最小生产单元中的至少一个任务起点;
规划模块,用于获取所述最小生产单元的生产数据及约束条件,确定目标任务对应的适应度函数,选取任一所述任务起点,根据所述生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,利用所述约束条件对所述至少一种生产方案进行筛选,根据所述适应度函数计算筛选后的生产方案的适应度值,选取所述适应度值最高的所述筛选后的生产方案为目标方案;
输出模块,用于输出所述目标方案,以根据所述目标方案执行矿山开采任务。
基于同一构思,本申请还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上任一项所述的方法。
基于同一构思,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机实现如上任一项所述的方法。
基于同一构思,本申请还提供了一种计算机程序产品,包括计算机程序指令,当所述计算机程序指令在计算机上运行时,使得计算机执行如上任一项所述的方法。
从上面所述可以看出,本申请提供的一种任务规划方法、装置、电子设备、存储介质及程序产品,包括:获取矿山开采位置的图纸数据,根据图纸数据确定待开采区域,对待开采区域进行至少一个最小生产单元的划分,根据预设规则确定最小生产单元中的至少一个任务起点;获取最小生产单元的生产数据及约束条件,确定目标任务对应的适应度函数,选取任一任务起点,根据生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,利用约束条件对至少一种生产方案进行筛选,根据适应度函数计算筛选后的生产方案的适应度值,选取适应度值最高的筛选后的生产方案为目标方案;输出目标方案,以根据目标方案执行矿山开采任务。本申请根据初始的图纸数据对矿山的待开采区域进行最小生产单元的划分,之后利用遗传算法的适应度计算方式计算适应度值,再结合设定的约束条件进行约束,最终完成智能排产,可以减少矿山开采中的浪费和不必要的消耗,节约人员、设备等资源,降低矿山的运营成本。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的示例性方法的流程示意图;
图2为本申请实施例提供的示例性装置的结构示意图;
图3为本申请实施例提供的电子设备结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本说明书进一步详细说明。
需要说明的是,除非另外定义,本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件、物件或者方法步骤涵盖出现在该词后面列举的元件、物件或者方法步骤及其等同,而不排除其他元件、物件或者方法步骤。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
如背景技术部分所述,在传统的矿山生成计划过程中,人工过多参与导致任务更多的依赖主观的个人经验,而非客观的各项数据指标,人工计算编制等,会占用大量的人力资源,同时由于人为因素的过多参与,不可避免的任务规划会受到工作人员的主观影响,不利于生成对生产、开采最有利的生产任务。同时由于整体是人工参与,在进行调整修改时,同样需要人工确定修改位置、重新进行各项计算,并确定各个连锁或一并需要调整的位点,整体调整的工作量大、耗时多、还容易出错。
结合上述实际情况,本申请实施例提供了一种任务规划方案。本申请根据初始的图纸数据对矿山的待开采区域进行最小生产单元的划分,之后利用遗传算法的适应度计算方式计算适应度值,再结合设定的约束条件进行约束,最终完成智能排产,可以减少矿山开采中的浪费和不必要的消耗,节约人员、设备等资源,降低矿山的运营成本。
如图1所示,为本申请提出的一种任务规划方法的流程示意图。具体包括:
步骤101,获取矿山开采位置的图纸数据,根据所述图纸数据确定待开采区域,对所述待开采区域进行至少一个最小生产单元的划分,根据预设规则确定所述最小生产单元中的至少一个任务起点。
在一些实施例中,矿山开采位置的图纸数据可以理解为矿山开采的规划图纸数据,例如规划了整个矿山开采路径、位置、规模等的CAD图纸。在该图纸数据中,记录了整个矿山开采过程中需要挖掘的巷道位置长度等,在整个矿山开采中,必须根据图纸数据标明的位置进行开采,不能发生偏移,更不能私自进行更改或挖掘未规划的位置。在整个挖掘过程中,图纸数据会在挖掘之前或挖掘初期完成整体的规划,形成诸如云端CAD图纸的图纸数据存储于服务器中。在具体应用场景中,可以先收集和整理井下矿山的相关数据,包括地质数据(如巷道、溜井、矿岩边界、围岩等级等)、生产现状等。通过云端CAD图纸,将地理数据与业务数据结合到图形界面中,实现数据的可视化展示。
在得到图纸数据之后,根据当前的工作进度即可在图纸数据中确定出当前的矿山开采进度。在确定完当前已经完成的开采位置之后,即可得出当前在规划中,已经完成了哪些部位,还未完成哪些部位,这些未完成开采的区域即为待开采区域。当然,在不同的实施例中,也可以不将全部未完成的部位作为待开采区域,可以根据规划,仅将其中一部分作为待开采区域,例如更靠近已完成区域的部分,或是根据图纸数据从已经完成开采的位置处延伸出设定长度作为待开采区域等等。
在确定了待开采区域之后,即可进行最小生产单元的划分,其中最小生产单元即为能够独立生产和开采的最小单元,如巷道掘进的最小生产单元,可以用一台掘进设备一天的掘进进尺数作为一个最小生产单元,回采的最小生产单元,可以用一次爆破的爆破单元块的长度为最小生产单元。之后,在一些实施例中,可以根据指定的起始位置、生产方向和最小单元块的规格,为待办的生产任务的作业位置进行自动编号,将所有生产的作业位置进行最小单元的自动划分和编号。
在具体实施例中,可以设待读取的待开采区域中的一段巷道长度为L米;最小生产单元的长度为X米,设置自动编号的起始点和方向(可结合云端CAD通过可视化形式设置),起始点可设置多个,设置多个时,表示多个位置可并行开始,每个巷道可以生成L/X个最小生产单元。之后,还可以对划分完的最小生产单元进行编号,以方便区分。具体可以让系统根据以上信息,将每条巷道划分为Li/X个最小生产单元,每个单元进行唯一编号,并与巷道名称、方向、序号以及需要完成此单元的前置单元的编号进行关联,通过二叉树层序遍历法将所有位置进行自动编号。
在完成最小生产单元的设置之后,即可根据当前的任务或设置的一些要求、规则,来确定出至少一个任务起点。一般的,可以直接指定某个或某几个最小生产单元为任务起点。当然,也可以自动去确定哪些最小生产单元是符合要求的,从而自动选出至少一个任务起点。最简单的,在自动划分任务起点过程中,如果某个最小生产单元没有前置生产单元(即自己就是起点),或其前置生产单元的状态是已完成,则此最小生产单元就可以作为可行的起点,起点可以为多个。
步骤102,获取所述最小生产单元的生产数据及约束条件,确定目标任务对应的适应度函数,选取任一所述任务起点,根据所述生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,利用所述约束条件对所述至少一种生产方案进行筛选,根据所述适应度函数计算筛选后的生产方案的适应度值,选取所述适应度值最高的所述筛选后的生产方案为目标方案。
在一些实施例中,生产数据即为进行矿山开采所涉及到的必要数据,例如每个矿工的人工成本、开采设备的生产费用、设备移动所产生的费用、耗材费用、设备移动耗时等等。每个最小生产单元之间,可能部分生产数据是相同的,例如每个矿工的人工成本、开采设备的生产费用等等。但部分生产数据还是存在一定差别的,例如不同最小生产单元由于具体位置不同,到达同一个最小生产单元所产生的移动费用等会有一定差别。之后,约束条件即为对任务规划进行限制的条件,例如人员的最大数量、最大设备数、最小回采铲运量、日回采矿石的品位区间、溜井矿石的品位区间、同时回采位置的间隔、上一次选择进路,相邻进路不作为优先选择,在没有可选进路时方可选择等限制。通过这些限制条件,可以对任务规划时的线路选择进行一定程度的限制,从而可以利用这些约束条件对新生成的生产方案进行筛选,将不符合条件都过滤掉,使选出的方案能够更满足任务或生产的要求。
之后,适应度函数是遗传算法的重要组成部分,适应度函数(Fitness Function)的选取直接影响到遗传算法的收敛速度以及能否找到最优解,因为遗传算法在进化搜索中基本不利用外部信息,仅以适应度函数为依据,利用种群每个个体的适应度来进行搜索。因为适应度函数的复杂度是遗传算法复杂度的主要组成部分,所以适应度函数的设计应尽可能简单,使计算的时间复杂度最小。而在进行任务规划之前,操作人员一般都会设置任务目标,例如成本最低、耗时最短等等,即任务规划的目标任务不尽相同。进而不同的目标任务对应的适应度函数一般也是不一样的,可以去查找不同目标任务对应的适应度函数。以成本最低为例,在具体应用场景中,定义:成本=人工成本+设备生产费用+设备移动费用+耗材费+其他费用。定义或获取单位生产单元的人工成本、设备铲运的费用、耗材费用、其他费用等所需的费用,以及铲运设备运输距离和载重量的函数。设总成本为cost,单位人每天成本为cost1,设备生产费用为cost2,设备移动费用为cost3,耗材费为cost4,其他费用为cost5,这几类费用的计算公式分别有各自的预设计算公式,举例,cost1=工序的单位人天费用*天数+窝工人天费用*窝工天数;cost2=设备核定载量的每公里运输费用*运输距离,cost3=设备空载每公里费用*距离等等。则最终的适应度函数 其中Xi为X1,X2,X3…Xn,X1,X2,X3…Xn为n个最小生产单元的对应的标识。
再后,确定了具体的适应度函数之后,就可以进行生产方案的生成。具体的,在多个任务起点的场景中,每个起点之间是可以并行执行的,相互之间影响较小。这里以任一个任务起点进行说明,在具体实施例中,在给予了初始的任务起点之后,即可在此基础上结合生产数据,利用遗传算法进行生产方案的规划。这里遗传算法(Genetic Algorithm,GA)该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。在生成了各种各样的生产任务之后,针对不同的应用场景,操作者或任务规划者一般都会对任务设置各种各样的限制条件,以使任务能够满足具体的生产要求或其他人为要求,这些要求需要在进行方案规划时同时都考虑到,进而以这些条件为约束,可以对遗传算法输出的生产方案进行筛选,去除不符合约束条件的生产方案。具体的,在具体实施例中,举例说明约束条件对排产的影响,如人员的最大数量和设备的最大数据都可以限制每天最多可以施工多少位置(包括钻孔的米数、爆破的位置数、回采的铲运量);最小回采铲运量限制了计划的总回采量必须大于多少;日回采矿石的品味区间限制了当天回采的所有位置的平均品位必须在设定的范围内,平均品位=最小单元块的爆堆品位Tfe*铲运量m的加权平均,即平均品味=(Tfe(1)*m(1)+Tfe(2)*m(2)+...+Tfe(n)*m(n))/(m(1)+m(2)+...+m(n));溜井品位同理计算,每天各个溜井的品位也要保持在约束范围内;同时回采位置间隔的约束限制,如设置间隔至少为1条巷道的距离,那做计划时,当天同时开展的工作位置则不能在两条里相邻的巷道。以此可以对生成的生产方案进行约束,可以利用这些约束条件,将一些不符合要求的生产方案剔除。之后即可对剩下的生产方案的适应度值进行计算和比较,在剩余的生产方案中选取适应度值最高的作为最优方案,以此确定出目标方案。
当然,在一些特定的应用场景中,如果约束条件设置的较为严格、或是筛选要求较为严格,那么可能会出现生成的全部生产方案都不完全满足约束条件的情况。在这种情况下,可以在确认全部生产方案都不满足约束条件时,生成一个提示信息,可以通过语音、文字等方式输出,并且可以伴随其他有利于提醒的设置(例如进行高亮、变色、特殊音效等的设置),以此提醒操作者当前的生产方案都不合格,或是提醒当前的约束条件过于苛刻等,需要操作者调整生产数据和/或约束条件。
在具体实施例中,对于矿山的开采任务可以分为采准掘进和回采等等。对于采准掘进的智能排产,系统支持的目标优化包含成本最低和速度最快。不同的矿山由不同的成本类别组成(如人工成本、设备掘进费用、设备移动费用、耗材费用等其他费用),支持在系统录入成本类别以及各个类别的单位生产成本;不同的矿山的生产速度也受不同的因素影响,主要考虑资源数量、资源效率(如人员、设备等的效率、设备移动的速度)和可同时生产的工作面等因素。对于智能排产的推荐结果,可以进行人工调整。排产的结果可以在云端CAD图纸上以图形化的形式展现,也可以通过视频的形式查看计划的推演。对于回采的智能排产,系统支持的目标优化包含成本最低和速度最快。不同的矿山由不同的成本类别组成(如人工成本、设备铲运费用、设备移动费用、耗材费用等其他费用),支持在系统录入成本类别以及各个类别的单位生产成本;不同的矿山的生产速度也受不同的因素影响,主要考虑资源数量、资源效率(如人员、设备等的效率、设备移动的速度)和可同时生产等工作面等因素。在做回采的智能排产时系统会结合配矿均衡的约束、回采位置到溜井的距离限制,保证每天采矿的平均品位和溜井的存矿的平均品位达到均衡,在要求的范围内。对于智能排产的推荐结果,可以进行人工调整。排产的结果可以在云端CAD图纸上以图形化的形式展现,也可以通过视频的形式查看计划的推演。
而在一些实施例中,开采任务的规划者可能并不想每天都去进行目标方案的生成,其可能想一次性生成包含多天的开采任务。从而在确定目标任务时可以一并确认下想要的规划时长,例如一次性规划一个月、一个季度甚至半年的任务。同时,对于待开采区域,一些巷道更为接近已经开采的区域,从而其可能很早就会被开采,甚至与已开采区域相邻的某些最小生产单元会被第一个开采,以此在这些最小生产单元的生产数据中,一般会把最小生产单元的关联关系记录下来,以确定开采的先后顺序,例如巷道A连接的是巷道B远离已开采区域的一端,那么一般的只有完成了巷道B的开采之后,才能进行巷道A的开采。进而,可以根据生产数据先行确定出各个最小生产单元之间的开采先后关系。之后,对于执行天数大于或等于两天的目标任务,即可在开采先后关系和生产数据的基础上,根据遗传算法的计算规则进行逐天的开采顺序规划,即,在确定了第一天要开采的巷道先后顺序之后,即可确定出第二天的起点,这里的起点可以是第一天最末开采的巷道,而根据开采先后关系,由于一个作为起点的巷道之后,可能存在多条可以进行开采巷道,此时即可利用遗传算法进行巷道选择,以此类推,从而在规划中随着天数的增加,理论上会逐天生成更多的生产方案。即,在一些实施例中,所述根据所述生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,包括:确定所述目标任务的执行天数,并根据所述生产数据确定所述至少一个最小生产单元之间的开采先后关系;响应于所述执行天数为至少两天,根据所述开采先后关系基于所述遗传算法的计算规则进行每一天的开采顺序规划,生成至少一种所述生产方案。
之后,为了丰富产生的生产方案,使算法能够提供更多的生产方案可能性。在方案结合了遗传算法之后,可以利用遗传算法的选择操作和交叉操作来对原本的生产方案的集合进行更新及扩大。在具体实施例中,选择操作为根据适应度值,在当前的生产方案的集合中,选择一定数量(例如在超过阈值适应度值的方案中随机选取N个方案)的个体作为根据遗传算法生成新个体的父代。交叉操作为将父代个体的某些部分信息交换,生成新的子代个体。交叉操作可以增加种群的多样性,并可能产生最好的排产方案。具体操作如下:首先,选择两个父代个体作为交叉的对象。确定交叉操作的方式,可以选择单点交叉、多点交叉或均匀交叉等。对于单点交叉,选择一个交叉点,将两个父代个体在该点之后的部分交换,形成两个子代个体。对于多点交叉,选择多个交叉点,将父代个体在这些点之间的部分交换,形成两个子代个体。对于均匀交叉,逐个遍历父代个体的每个特征,并按照某个概率选择对应特征来自父代染色体的哪个位置,形成两个子代个体。重复以上步骤,生成多对子代个体,直到达到所需的子代数量。之后,每完成一次子代的生成,都可以将新生成的子代补充入当前的生产方案集合中,以完成对该集合的更新,在更新过程中,可以直接将子代补充入集合中,也可以将子代对一部分适应度值较低的生产方案进行替换。更新过程即为将父代个体和子代个体合并,当合并操作完成后,得到的新种群将作为下一代的父代的候选集合,重复上述操作,直至集合中的个体数量达到预设要求;或统计每次生成的子代数量,直至累计生成的子代数量达到预设数量;或重复循环次数达到预设次数。由于种群规模通常是固定的,因此需要选择适应度较高的个体作为下一代的父代,以保证种群的进化方向是朝着更适应环境的方向进化。适应度评分可以通过适应度函数来计算得到。在选择父代时,通常会根据种群中个体的适应度评分来确定选择哪些个体作为下一代的父代。即,在一些实施例中,所述根据所述适应度函数计算筛选后的生产方案的适应度值之后,所述方法还包括:选择所述适应度值高于设定阈值的多个所述生产方案,基于所述遗传算法,对选出的生产方案进行选择及交叉操作,以根据所述遗传算法生成新的生产方案,对新的生产方案重新进行所述约束条件的筛选,并对筛选后的新的生产方案进行所述适应度值的计算,循环直至所述筛选后的生产方案的数量达到预设值或循环次数达到预设次数。在一些实施例中,所述交叉操作包括单点交叉、多点交叉及均匀交叉中的至少一种。
在另外一些实施例中,在一些特定的应用场景中,操作者可能希望仅得到一天的生产方案,而对于这样的方案,由于任务起点有限,并且由于时间短,能够产生的变化较少,从而可以利用穷举的方式进行生产方案的生成,再进行适应度值的计算,最终选取符合约束条件,且适应度最高的生产方案为目标方案。当然对于一些天数较少的任务规划,也可以利用这样的方式进行。同时,对于仅一天的生产方案,其同样也可以利用遗传算法的方式进行计算。即,在一些实施例中,所述确定所述目标任务的执行天数之后,所述方法还包括:响应于所述执行天数为一天,以选出的任务起点为起始,根据所述开采先后关系进行开采顺序规划,生成至少一种所述生产方案。
步骤103,输出所述目标方案,以根据所述目标方案执行矿山开采任务。
在一些实施例中,在确定了目标方案之后,即可进行输出操作,以根据该目标方案进行相应的矿山开采任务。当然,在一些实施例中,对于目标方案的输出,还可以不直接应用于开采生产任务,其输出方式还可以是用以存储、展示、使用或再加工该目标方案。根据不同的应用场景和实施需要,具体的对于目标方案的输出方式可以灵活选择。
例如,对于本实施例的方法在单一设备上执行的应用场景,可以将目标方案直接在当前设备的显示部件(显示器、投影仪等)上以显示的方式输出,使得当前设备的操作者能够从显示部件上直接看到目标方案的内容。
又如,对于本实施例的方法在多个设备组成的系统上执行的应用场景,可以将目标方案通过任意的数据通信方式(有线连接、NFC、蓝牙、wifi、蜂窝移动网络等)发送至系统内的其他作为接收方的预设设备上,即同步终端上,以使得同步终端可以对其进行后续处理。可选的,该同步终端可以是预设的服务器,服务器一般设置在云端,作为数据的处理和存储中心,其能够对目标方案进行存储和分发;其中,分发的接收方是终端设备,该矿山任务规划的规划者、矿山所有者、生产安全监管者、实际开采负责人等等。
再如,对于本实施例的方法在多个设备组成的系统上执行的应用场景时,可以将目标方案通过任意的数据通信方式直接发送至预设的终端设备,终端设备可以是前述段落列举中的一种或多种。
在一些实施例中,除了直接将目标方案输出给执行机构直接进行执行之外,还可以展示确定出来的目标方案,而展示的方式可以在生成相应的甘特图的基础上同时生成相应的预览图像,在图像中表明当前的已完成的工段,并区分显示当天要执行开采的工段。而甘特图(Gantt chart)又称为横道图、条状图(Bar chart),通过条状图来显示项目、进度和其他时间相关的系统进展的内在关系随着时间进展的情况。即,在具体实施例中,可以在一侧显示目标方案的甘特图,另一侧显示预览图像。即,在一些实施例中,所述输出所述目标方案之后,所述方法还包括:根据所述目标方案及所述图纸数据,生成任务甘特图以及矿山开采任务的预览图像,整合所述任务甘特图及所述预览图像进行整体输出。
最终,基于遗传算法的任务规划方法可以推荐最优生产计划,提高生产效率。该任务规划方法可以通过合理的生产路径和资源配置,减少矿山开采中的浪费和不必要的消耗。优化的生产计划可以避免生产过程中的冲突和重复,节约人员、设备等资源,降低矿山的运营成本。并且给出的目标方案,执行时能够更合理的利用资源;提高产出和产值,从而最大程度地提升矿山的经济效益。
从上述实施例可以看出,本申请实施例提供的本申请提供的一种任务规划方法,包括:获取矿山开采位置的图纸数据,根据图纸数据确定待开采区域,对待开采区域进行至少一个最小生产单元的划分,根据预设规则确定最小生产单元中的至少一个任务起点;获取最小生产单元的生产数据及约束条件,确定目标任务对应的适应度函数,选取任一任务起点,根据生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,利用约束条件对至少一种生产方案进行筛选,根据适应度函数计算筛选后的生产方案的适应度值,选取适应度值最高的筛选后的生产方案为目标方案;输出目标方案,以根据目标方案执行矿山开采任务。本申请根据初始的图纸数据对矿山的待开采区域进行最小生产单元的划分,之后利用遗传算法的适应度计算方式计算适应度值,再结合设定的约束条件进行约束,最终完成智能排产,可以减少矿山开采中的浪费和不必要的消耗,节约人员、设备等资源,降低矿山的运营成本。
需要说明的是,本申请实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本申请实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一构思,与上述任意实施例方法相对应的,本申请还提供了一种任务规划装置。
参考图2,所述任务规划装置,包括:
准备模块210,用于获取矿山开采位置的图纸数据,根据所述图纸数据确定待开采区域,对所述待开采区域进行至少一个最小生产单元的划分,根据预设规则确定所述最小生产单元中的至少一个任务起点。
规划模块220,用于获取所述最小生产单元的生产数据及约束条件,确定目标任务对应的适应度函数,选取任一所述任务起点,根据所述生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,利用所述约束条件对所述至少一种生产方案进行筛选,根据所述适应度函数计算筛选后的生产方案的适应度值,选取所述适应度值最高的所述筛选后的生产方案为目标方案。
输出模块230,用于输出所述目标方案,以根据所述目标方案执行矿山开采任务。
在一些实施方式中,所述规划模块220,还用于:
确定所述目标任务的执行天数,并根据所述生产数据确定所述至少一个最小生产单元之间的开采先后关系;
响应于所述执行天数为至少两天,根据所述开采先后关系基于所述遗传算法的计算规则进行每一天的开采顺序规划,生成至少一种所述生产方案。
在一些实施方式中,所述规划模块220,还用于:
选择所述适应度值高于设定阈值的多个所述生产方案,基于所述遗传算法,对选出的生产方案进行选择及交叉操作,以根据所述遗传算法生成新的生产方案,对新的生产方案重新进行所述约束条件的筛选,并对筛选后的新的生产方案进行所述适应度值的计算,循环直至所述筛选后的生产方案的数量达到预设值或循环次数达到预设次数。
在一些实施方式中,所述交叉操作包括单点交叉、多点交叉及均匀交叉中的至少一种。
在一些实施方式中,所述规划模块220,还用于:
响应于所述执行天数为一天,以选出的任务起点为起始,根据所述开采先后关系进行开采顺序规划,生成至少一种所述生产方案。
在一些实施方式中,所述输出模块230,还用于:
根据所述目标方案及所述图纸数据,生成任务甘特图以及矿山开采任务的预览图像,整合所述任务甘特图及所述预览图像进行整体输出。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的任务规划方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一构思,与上述任意实施例方法相对应的,本申请还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上任意一实施例所述的任务规划方法。
图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备、动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的任务规划方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一构思,与上述任意实施例方法相对应的,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任意一实施例所述的任务规划方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的任务规划方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一构思,与上述任意实施例方法相对应的,本申请还提供了一种计算机程序产品,其包括计算机程序指令。在一些实施例中,所述计算机程序指令可以由计算机的一个或多个处理器执行以使得所述计算机和/或所述处理器执行所述的任务规划方法。对应于所述的任务规划方法各实施例中各步骤对应的执行主体,执行相应步骤的处理器可以是属于相应执行主体的。
上述实施例的计算机程序产品用于使所述计算机和/或所述处理器执行如上任一实施例所述的任务规划方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本申请的范围(包括权利要求)被限于这些例子;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本申请实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本申请实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本申请的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本申请实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种任务规划方法,其特征在于,包括:
获取矿山开采位置的图纸数据,根据所述图纸数据确定待开采区域,对所述待开采区域进行至少一个最小生产单元的划分,根据预设规则确定所述最小生产单元中的至少一个任务起点;
获取所述最小生产单元的生产数据及约束条件,确定目标任务对应的适应度函数,选取任一所述任务起点,根据所述生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,利用所述约束条件对所述至少一种生产方案进行筛选,根据所述适应度函数计算筛选后的生产方案的适应度值,选取所述适应度值最高的所述筛选后的生产方案为目标方案;
输出所述目标方案,以根据所述目标方案执行矿山开采任务。
2.根据权利要求1所述的方法,其特征在于,所述根据所述生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,包括:
确定所述目标任务的执行天数,并根据所述生产数据确定所述至少一个最小生产单元之间的开采先后关系;
响应于所述执行天数为至少两天,根据所述开采先后关系基于所述遗传算法的计算规则进行每一天的开采顺序规划,生成至少一种所述生产方案。
3.根据权利要求2所述的方法,其特征在于,所述根据所述适应度函数计算筛选后的生产方案的适应度值之后,所述方法还包括:
选择所述适应度值高于设定阈值的多个所述生产方案,基于所述遗传算法,对选出的生产方案进行选择及交叉操作,以根据所述遗传算法生成新的生产方案,对新的生产方案重新进行所述约束条件的筛选,并对筛选后的新的生产方案进行所述适应度值的计算,循环直至所述筛选后的生产方案的数量达到预设值或循环次数达到预设次数。
4.根据权利要求3所述的方法,其特征在于,所述交叉操作包括单点交叉、多点交叉及均匀交叉中的至少一种。
5.根据权利要求2所述的方法,其特征在于,所述确定所述目标任务的执行天数之后,所述方法还包括:
响应于所述执行天数为一天,以选出的任务起点为起始,根据所述开采先后关系进行开采顺序规划,生成至少一种所述生产方案。
6.根据权利要求1所述的方法,其特征在于,所述输出所述目标方案之后,所述方法还包括:
根据所述目标方案及所述图纸数据,生成任务甘特图以及矿山开采任务的预览图像,整合所述任务甘特图及所述预览图像进行整体输出。
7.一种任务规划装置,其特征在于,包括:
准备模块,用于获取矿山开采位置的图纸数据,根据所述图纸数据确定待开采区域,对所述待开采区域进行至少一个最小生产单元的划分,根据预设规则确定所述最小生产单元中的至少一个任务起点;
规划模块,用于获取所述最小生产单元的生产数据及约束条件,确定目标任务对应的适应度函数,选取任一所述任务起点,根据所述生产数据基于遗传算法生成至少一种包含至少一天任务规划的生产方案,利用所述约束条件对所述至少一种生产方案进行筛选,根据所述适应度函数计算筛选后的生产方案的适应度值,选取所述适应度值最高的所述筛选后的生产方案为目标方案;
输出模块,用于输出所述目标方案,以根据所述目标方案执行矿山开采任务。
8.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至6任一项所述的方法。
9.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机实现权利要求1至6任一项所述的方法。
10.一种计算机程序产品,其特征在于,包括计算机程序指令,当所述计算机程序指令在计算机上运行时,使得计算机执行如权利要求1至6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311265789.9A CN117408452A (zh) | 2023-09-27 | 2023-09-27 | 任务规划方法、装置、电子设备、存储介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311265789.9A CN117408452A (zh) | 2023-09-27 | 2023-09-27 | 任务规划方法、装置、电子设备、存储介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117408452A true CN117408452A (zh) | 2024-01-16 |
Family
ID=89487966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311265789.9A Pending CN117408452A (zh) | 2023-09-27 | 2023-09-27 | 任务规划方法、装置、电子设备、存储介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117408452A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592949A (zh) * | 2024-01-18 | 2024-02-23 | 一智科技(成都)有限公司 | 一种施工任务管理方法、系统和存储介质 |
CN117592948A (zh) * | 2024-01-18 | 2024-02-23 | 一智科技(成都)有限公司 | 一种施工项目预警方法、系统、装置和存储介质 |
CN117893170A (zh) * | 2024-01-18 | 2024-04-16 | 一智科技(成都)有限公司 | 一种施工进度管理方法、系统、装置和存储介质 |
-
2023
- 2023-09-27 CN CN202311265789.9A patent/CN117408452A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117592949A (zh) * | 2024-01-18 | 2024-02-23 | 一智科技(成都)有限公司 | 一种施工任务管理方法、系统和存储介质 |
CN117592948A (zh) * | 2024-01-18 | 2024-02-23 | 一智科技(成都)有限公司 | 一种施工项目预警方法、系统、装置和存储介质 |
CN117893170A (zh) * | 2024-01-18 | 2024-04-16 | 一智科技(成都)有限公司 | 一种施工进度管理方法、系统、装置和存储介质 |
CN117592948B (zh) * | 2024-01-18 | 2024-04-26 | 一智科技(成都)有限公司 | 一种施工项目预警方法、系统、装置和存储介质 |
CN117592949B (zh) * | 2024-01-18 | 2024-06-11 | 一智科技(成都)有限公司 | 一种施工任务管理方法、系统和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117408452A (zh) | 任务规划方法、装置、电子设备、存储介质及程序产品 | |
Askari-Nasab et al. | Mixed integer linear programming formulations for open pit production scheduling | |
Lamghari et al. | Network-flow based algorithms for scheduling production in multi-processor open-pit mines accounting for metal uncertainty | |
US20210208305A1 (en) | Mine planning method and system | |
CN107563549A (zh) | 一种基于bim模型的逃生路径生成方法、装置及设备 | |
Parkinson | Essays on sequence optimization in block cave mining and inventory policies with two delivery sizes | |
Weintraub et al. | A priori and a posteriori aggregation procedures to reduce model size in MIP mine planning models | |
Pourrahimian et al. | Mixed–Integer Linear Programming formulation for block–cave sequence optimisation | |
Asad et al. | Stochastic production phase design for an open pit mining complex with multiple processing streams | |
Sandanayake | Stope boundary optimisation in underground mining based on a heuristic approachStope boundary optimisation in underground mining based on a heuristic approach | |
Sari et al. | A planning approach for polymetallic mines using a sublevel stoping technique with pillars and ultimate stope limits | |
JP2007240281A (ja) | エリア分割巡回経路探索システム、経路探索サーバ、エリア分割巡回経路探索方法 | |
Datta et al. | Spatial aggregation and compactness of census areas with a multiobjective genetic algorithm: a case study in Canada | |
Brazil et al. | Improving underground mine access layouts using software tools | |
Nelis et al. | Comparison of different approaches to strategic open-pit mine planning under geological uncertainty | |
Akay et al. | Using optimization techniques in designing forest roads and road networks | |
Vasylchuk et al. | Optimization of surface mining dig limits with a practical heuristic algorithm | |
CN114611755A (zh) | 基于混合元启发式算法的旅行商最优路径确定方法 | |
Nelis et al. | Column generation for mining cut definition with geometallurgical interactions | |
Liu et al. | A real-world mine excavators timetabling methodology in open-pit mining | |
CN114677236A (zh) | 一种考虑设备配置的露天开采方案确定方法及系统 | |
Liu et al. | An interactive planning and scheduling framework for optimising pits-to-crushers operations | |
KR101282215B1 (ko) | 건설 수량 산출 시스템 및 그 방법 | |
Morales et al. | Increasing the value and feasibility of open pit plans by integrating the mining system into the planning process | |
CN110956337B (zh) | 无人机常态化智能作业前的勘探方法和装置 |
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 |