郭天中，郝靜

（包頭職業(yè)技術(shù)學(xué)院 材料工程系，內(nèi)蒙古 包頭 014010）

0 引言

卡車運(yùn)輸作為露天礦開采中最為主要的生產(chǎn)環(huán)節(jié)，其能否得到合理的調(diào)度直接影響著露天礦開采的生產(chǎn)效率，若卡車調(diào)度不合理容易造成其它環(huán)節(jié)的等待或不協(xié)調(diào)問題而浪費(fèi)時間、降低經(jīng)濟(jì)效益。本文在對露天礦開采實(shí)際調(diào)研的基礎(chǔ)上，充分分析了卡車運(yùn)輸過程中的各個環(huán)節(jié)，采用計(jì)算機(jī)技術(shù)和人工智能算法對十分復(fù)雜的卡車調(diào)度系統(tǒng)進(jìn)行研究，并最終應(yīng)用模擬退火算法和遺傳算法相結(jié)合的方法動態(tài)地搜索卡車與挖掘機(jī)、破碎站之間的最佳組合，力求降低露天礦生產(chǎn)運(yùn)輸?shù)慕?jīng)濟(jì)成本。

1 SA-GA算法與GA算法搜索能力比較

1.1 TSP問題描述及算法的實(shí)現(xiàn)

TSP（Traveling Saleman Problem）問題即旅行商問題，它是一個涵蓋廣泛應(yīng)用背景和重要理論價值的組合優(yōu)化問題，其已被證明是一個經(jīng)典的NP難題。與卡車調(diào)度的問題具有相似之處，因此以此對比GA算法與SA-GA算法的性能。

TSP問題可以描述為：已知m個城市之間的相對距離，一名旅行者由某一個城市出發(fā)遍歷這m個城市且每個城市僅訪問一次，而且最終必須返回出發(fā)的城市，求如何安排這些城市的訪問次序能夠使得旅行者行走的距離最短。

其數(shù)學(xué)模型描述如下：設(shè)一組城市集合M={m1，m2，…，mn}，其中任意2個城市mi、mj∈M間的距離為D（mi，mj），求解一條經(jīng)過所有城市且僅經(jīng)過一次的路徑（mp（1）,mp（2）,mp（3））使得式（1）值最小。

式中，（p(1),p(2),…，p(n)）為1,2,3…，n的一個置換。

1.2 實(shí)驗(yàn)結(jié)果的比較與分析

對于上節(jié)所述的TSP問題，應(yīng)用所述的編碼方式及參數(shù)設(shè)置方式，由Matlab軟件分別編制遺傳算法和改進(jìn)的模擬退火遺傳算法程序，并對隨機(jī)生成的30個城市地點(diǎn)的TSP問題進(jìn)行尋優(yōu)，其中30座城市的坐標(biāo)位置如表1所示。

表1 30座城市坐標(biāo)

30座城市的位置分布如圖1所示。

圖1 30座城市的位置分布圖

對于編制的遺傳算法程序和模擬退火算法程序分別在配置為Intel Core（TM）i5-2520 CPU@2.50 GHz、內(nèi)存為2.00 GB的32位Win7操作系統(tǒng)中運(yùn)行。

首先應(yīng)用遺傳算法尋找最佳路徑。

在遺傳算法尋優(yōu)時，首先初始種群中的一個隨機(jī)路徑為：20→18 →27 →4→7→19→3→24→30→17→10→5→25→11→6→9→13→1→8→22→12→21→14→15→16→2→26→28→29→23→20。其表示由城市20開始出發(fā)一次經(jīng)過城市18，城市27，如此類推，直至回到出發(fā)城市20，總距離為161.308 2。其路徑軌跡圖如圖2所示。

圖2 GA算法初始種群隨機(jī)路徑

然后，由遺傳算法進(jìn)行迭代尋優(yōu)，經(jīng)多次迭代最終獲得的最優(yōu)路徑為：11→17 →9 →29 →7 →6 →16 →30→28→10→3→22→13→2→24→23→21→12→5→26→8→25→18→20→4→19→15→1→27→14→11。

其獲得的最優(yōu)路徑圖如圖3所示。最終獲得的尋優(yōu)路徑的總距離為47.689 5。比此前隨機(jī)生成路徑的總距離161.308 2縮短了許多，其具體優(yōu)化過程曲線如圖4所示。從圖4中可以看出，GA算法前期迭代過程比較緩慢，局部搜索能力較弱且在近140代前就收斂至最優(yōu)解。

圖3 GA尋優(yōu)路徑軌跡圖

同樣由模擬退火算法與遺傳算法結(jié)合的SA -GA 算法對上述的30座城市的最佳路徑進(jìn)行尋優(yōu)。起初同樣隨機(jī)生成初始種群中的一個隨機(jī)值為：22 →1 →24 →8 →9 →30 →21 →4 →13 →6 →20 →25 →14 →17 →26 →18 →11 →2 →29 →19 →23→3→16→7→15→5→27→10→12→28→22；其隨機(jī)生成路徑的總距離為154.128 4，其具體路徑軌跡圖如圖5所示。

圖4 GA算法尋優(yōu)迭代過程

圖5 SA-GA算法初始種群隨機(jī)路徑

根據(jù)模擬退火和遺傳算法的各個參數(shù)，然后由SA-GA算法尋得的最佳路徑的最優(yōu)解為：13→22 →3 →10 →28 →30 →1 →6 →16 →7 →29 →9 →17 →11 →14 →27→4→20→18→25→8→26→5→12→19→15→21→23→24→2→13。

最終總距離為45.533 7，其具體尋優(yōu)路徑軌跡如圖6所示。同樣比SA-GA算法隨機(jī)生成的路徑距離154.128 4小，比由GA算法尋得的最優(yōu)路徑的總距離47.689 5也小。且將SA-GA算法的優(yōu)化過程曲線（如圖7）與GA算法優(yōu)化曲線（如圖4）相比可知，SA-GA算的局部搜索能力更強(qiáng)，而且前期收斂迅速，后期收斂緩慢，最終在近160代左右收斂。以優(yōu)化算法的評價指標(biāo)進(jìn)行評價，對GA算法與SAGA算法各運(yùn)行10次求得的各項(xiàng)評價指標(biāo)如表2所示。其中時間性能指標(biāo)直接求取10次運(yùn)行結(jié)果的平均值，其值越小，運(yùn)行時間越短。由表1可以看出優(yōu)化性能和魯棒性SA-GA算法均優(yōu)于GA算法，優(yōu)化性能和魯棒性能值越小越好，因此盡管SA-GA算法在運(yùn)行時間上略長于GA算法,但在優(yōu)化性能和魯棒 性 上SA-GA算法均優(yōu)于GA算法。

圖6 SA-GA尋優(yōu)路徑軌跡圖

圖7 GA算法尋優(yōu)迭代過程

表2 GA算法與SA-GA算法性能比較

由此可得，將SA算法與GA 算法結(jié)合起來的SA-GA算法無論是從最終的優(yōu)化結(jié)果還是優(yōu)化過程中的搜索能力都比單純的GA算 法 優(yōu)越，因此將SA-GA算法應(yīng)用到露天礦用卡車的調(diào)度過程中將能夠獲得更優(yōu)的結(jié)果。

2 哈爾烏素露天礦卡車的SA-GA實(shí)時調(diào)度的實(shí)現(xiàn)

2.1 哈爾烏素露天礦開采狀況

哈爾烏素露天煤礦是我國自行設(shè)計(jì)并施工的特大型露天煤礦，位于準(zhǔn)格爾煤田中部，可采原煤儲量達(dá)14.98億t，設(shè)計(jì)生產(chǎn)能力為每年2000 萬t。其開采選用的主要設(shè)備許多都是從國外引進(jìn)的當(dāng)今最先進(jìn)的采礦設(shè)備，包括1臺P&H公司2800型電鏟及日本小松德萊賽630E型154 t電動輪自卸卡車58臺等設(shè)備。同時其調(diào)度管理系統(tǒng)采用的是由某公司提供的露天煤礦GPS智能礦山管理系統(tǒng)，其系統(tǒng)能夠通過采用全球衛(wèi)星定位技術(shù)（GPS）、計(jì)算機(jī)及網(wǎng)絡(luò)技術(shù)、無線數(shù)字通信技術(shù)、礦山系統(tǒng)工程及優(yōu)化理論、地理信息系統(tǒng)技術(shù)（GIS）、電子技術(shù)等高新技術(shù)對傳統(tǒng)的人工調(diào)度系統(tǒng)及管理體制進(jìn)行改造，通過采集生產(chǎn)設(shè)備動態(tài)信息，實(shí)時監(jiān)控和優(yōu)化調(diào)度卡車、電鏟、輔助設(shè)備等設(shè)備的運(yùn)行。在其車輛智能調(diào)度模塊中為了實(shí)現(xiàn)車輛智能調(diào)度，其采用的流程如圖8所示。

圖8 智能調(diào)度系統(tǒng)流程

最佳線路子系統(tǒng)能夠根據(jù)礦山地形計(jì)劃出相對兩點(diǎn)間的最短路徑；而線性規(guī)劃子系統(tǒng)采用最佳線路子系統(tǒng)生成的運(yùn)行時間和最優(yōu)路徑，以及當(dāng)前露天坑內(nèi)配置的信息：如可用于作業(yè)的電鏟和卡車的數(shù)量，在電鏟和卸載點(diǎn)的裝載時間和卸載時間，在相應(yīng)卸載點(diǎn)和破碎站的配礦要求及電鏟的優(yōu)先權(quán)。然后建立線性規(guī)劃的約束條件。該模型的最終解是優(yōu)化的最佳路線的貨流量，在坑內(nèi)配置既定時，使卡車運(yùn)輸需求量最少。最后，動態(tài)規(guī)劃子系統(tǒng)利用線性規(guī)劃的結(jié)果，申請分派指令（由卸載點(diǎn)至電鏟）的卡車名單，當(dāng)前的運(yùn)行時間和運(yùn)輸距離，為每臺卡車生成一個最優(yōu)的實(shí)時調(diào)度表。每當(dāng)卡車請求分派指令時，調(diào)用動態(tài)規(guī)劃程序，生成一個按照需求排序的由卸載點(diǎn)至電鏟的路徑表，并將卡車分派給各條路徑。最后，系統(tǒng)運(yùn)用滑動平均值更新運(yùn)輸時間。

智能調(diào)度采用兩階段模型法進(jìn)行：首先，根據(jù)班計(jì)劃及生產(chǎn)的進(jìn)行情況對通往各裝載點(diǎn)、卸載點(diǎn)的車流進(jìn)行車流規(guī)劃；然后，在卡車需要調(diào)度時，根據(jù)生產(chǎn)的實(shí)際情況以車流規(guī)劃為基礎(chǔ)進(jìn)行實(shí)時調(diào)度。

由前述可知，動態(tài)規(guī)劃雖然具有一定的優(yōu)點(diǎn)，但其不足是動態(tài)規(guī)劃模型沒有統(tǒng)一的標(biāo)準(zhǔn)模型，而且求解時存在維數(shù)災(zāi)難。而智能算法恰恰能夠克服其不足，在組合優(yōu)化方面和車輛調(diào)度領(lǐng)域應(yīng)用廣泛。因此，本節(jié)針對智能調(diào)度系統(tǒng)中的動態(tài)規(guī)劃系統(tǒng)應(yīng)用SA-GA算法進(jìn)行替換，以此獲得更優(yōu)的實(shí)時調(diào)度效果。

2.2 基于SA-GA算法露天礦卡車調(diào)度系統(tǒng)實(shí)現(xiàn)

針對影響露天礦生產(chǎn)效率的采運(yùn)設(shè)備調(diào)配的特點(diǎn)及現(xiàn)在使用的露天煤礦GPS智能礦山管理系統(tǒng)的不足，本文編寫了基于SA-GA算法露天礦卡車調(diào)度系統(tǒng)，實(shí)現(xiàn)對卡車的實(shí)時調(diào)度。該系統(tǒng)能夠隨著采運(yùn)設(shè)備參數(shù)的變化而重新尋優(yōu)，如當(dāng)增減卡車數(shù)量或改動卡車一些參數(shù)；增減破碎站數(shù)量或改動其一些參數(shù)；增減挖掘機(jī)數(shù)量或改動其一些參數(shù)；修改各站點(diǎn)之間的距離等。該程序能夠由修改后的數(shù)據(jù)再次尋優(yōu)，從而計(jì)算出設(shè)定時間段內(nèi)的卡車調(diào)度安排表。

2.2.1 基于SA-GA算法露天礦卡車調(diào)度系統(tǒng)的主流程

卡車調(diào)度系統(tǒng)包括主程序和一些子程序。系統(tǒng)中，主程序的主要功能包括：首先判斷程序是否為第一次調(diào)用該系統(tǒng)程序。若是，主程序就會調(diào)用初始化數(shù)據(jù)子程序?qū)?shù)據(jù)進(jìn)行初始化；若不是，則會調(diào)用最近一次優(yōu)化結(jié)果。然后，便調(diào)用計(jì)時程序?qū)?yōu)化時刻進(jìn)行實(shí)時監(jiān)控，若到達(dá)程序優(yōu)化時刻，則調(diào)用優(yōu)化子程序，對卡車路徑下一時間段卡車最優(yōu)調(diào)度路徑進(jìn)行安排，并給出卡車進(jìn)度時刻及調(diào)度安排的甘特圖，接著調(diào)用數(shù)據(jù)調(diào)整程序，為下次卡車路徑優(yōu)化準(zhǔn)備初始數(shù)據(jù)；否則就會一直計(jì)時，直到達(dá)到下次優(yōu)化時刻。此外，當(dāng)運(yùn)輸過程中設(shè)備調(diào)整（如增減卡車、挖掘機(jī)、破碎站數(shù)量或更改設(shè)備的某些參數(shù)）后會調(diào)用調(diào)整后的數(shù)據(jù)處理程序，由此獲得調(diào)整后的計(jì)算所需要數(shù)據(jù)，然后再調(diào)用路徑優(yōu)化程序獲得設(shè)備調(diào)整以后的卡車最優(yōu)調(diào)度路徑。

主程序的流程如圖9所示。由圖9可知，促使調(diào)入卡車路徑優(yōu)化程序的具有兩種條件，分別是到了規(guī)定的優(yōu)化時刻，再者是優(yōu)化過程中調(diào)整設(shè)備。每次運(yùn)行SA-GA 優(yōu)化程序后，就會獲得每輛卡車對應(yīng)的破碎站和挖掘機(jī)的甘特圖及到達(dá)時刻表。

圖9 主程序流程圖

2.2.2 各程序功能及實(shí)現(xiàn)

基于SA-GA算法的露天礦卡車調(diào)度程序的主程序、子程序的主要功能如下：

1）主程序（Main）主要功能是：判定系統(tǒng)程序是否被第一次使用；連接各個子程序并最終給出卡車調(diào)度的路徑。

2）初始數(shù)據(jù)子程序（InitialData）主要功能是：第一次調(diào)用系統(tǒng)程序時設(shè)定的基本數(shù)據(jù)，包括遺傳算法的一些基本參數(shù)和調(diào)度設(shè)備的一些參數(shù)。

3）卡車路線產(chǎn)生子程序（ProduceRoute）主要功能是：產(chǎn)生最初的一條卡車路線并記錄下由此產(chǎn)生的費(fèi)用及挖掘機(jī)和破碎站的任務(wù)狀態(tài)。

4）種群初始化子程序（Initalition）主要功能是：初始化染色體并計(jì)算出相應(yīng)的適應(yīng)度值（即相應(yīng)的調(diào)度方案費(fèi)用）及到達(dá)破碎站和挖掘機(jī)的時刻及它們狀態(tài)變化。

5）優(yōu)化子程序（Optimize）主要功能是：按照SA-GA算法流程圖完成規(guī)定時間內(nèi)中現(xiàn)有設(shè)備條件下的卡車調(diào)度路徑的尋優(yōu)，給出最佳的卡車調(diào)度結(jié)果。有關(guān)模擬退火和遺傳算法的基本參數(shù)如表3、表4所示。

表3 遺傳算法參數(shù)設(shè)定

表4 模擬退火參數(shù)設(shè)定

6）各類設(shè)備狀態(tài)調(diào)整子程序。其中：增加卡車子程序（Add_Truck）的主要功能是給新增卡車編號，確定起始站點(diǎn)，設(shè)定卡車的各種參數(shù)并啟動卡車路徑優(yōu)化子程序；卡車參數(shù)修改子程序(Amend_Truck)主要功能是找出卡車編號對應(yīng)的卡車，修改相關(guān)參數(shù)（如卡車速度、容量、各種費(fèi)用）；卡車刪除子程序（Delete_Truck）主要功能是刪除相應(yīng)編號卡車的所有信息；增加挖掘機(jī)子程序（Add_Excavator）主要功能是將挖掘機(jī)編號并將其編排到挖掘機(jī)狀態(tài)矩陣中并啟動重新優(yōu)化卡車路徑子程序；挖掘機(jī)參數(shù)修改子程序(Amend_Excavator)主要功能是找出預(yù)修改的挖掘機(jī)編號，修改挖掘機(jī)與破碎站之間的距離，修改挖掘機(jī)的工作效率；挖掘機(jī)刪除子程序（Delete_Excavator）找出預(yù)刪除的挖掘機(jī)編號并刪除所有相關(guān)參數(shù)；增加破碎站子程序（Add_Crush）主要功能是將破碎站編號，給定其到各個挖掘機(jī)站點(diǎn)的距離，給出破碎站的工作效率，激發(fā)卡車路徑優(yōu)化子程序；破碎站參數(shù)修改子程序(Amend_Crush)主要功能是找出預(yù)修改的破碎站并修改相應(yīng)參數(shù)；破碎站刪除子程序（Delete_Crush）主要功能是找出預(yù)刪除的破碎站并刪除相應(yīng)參數(shù)。

7）計(jì)時子程序（TimeLong）主要功能是計(jì)算出兩個卡車調(diào)度間的時間長度。其實(shí)現(xiàn)過程是以開始優(yōu)化時的電腦時刻開始計(jì)時，其計(jì)時格式為年、月、日、時、分、秒，每當(dāng)卡車完成一次運(yùn)輸過程其就會記錄下每個節(jié)點(diǎn)的時刻。

8）時刻比較子程序（CompareTime）主要功能是比較多輛卡車往返于挖掘機(jī)與破碎站之間時刻的先后順序。其實(shí)現(xiàn)過程是對于記錄的兩個時刻t1和t2進(jìn)行比較，若經(jīng)過比較結(jié)果為0，則t1先到；若比較結(jié)果為1，則t2先到。

對于以上主程序及子程序，結(jié)合前述建立的露天礦卡車調(diào)度模型，應(yīng)用Matlab編制并實(shí)現(xiàn)主程序和各個子程序。對于基于SA-GA算法的露天礦卡車調(diào)度系統(tǒng)實(shí)際應(yīng)用中涉及到的主要設(shè)備參數(shù)如下。

1）優(yōu)化時間間隔。由露天礦實(shí)際開采情況可知，采掘點(diǎn)和一些設(shè)備是不斷變化的，其只能在一定時間內(nèi)保持不變，因此在實(shí)際使用系統(tǒng)程序時優(yōu)化時間間隔，可以根據(jù)實(shí)際生產(chǎn)狀況設(shè)定，可以是1 h、8 h等。

2）卡車載重和挖掘機(jī)工作效率。由此便能夠計(jì)算出正常工作條件下，挖掘機(jī)裝滿卡車所需要的時間。

3）挖掘機(jī)到破碎站之間的距離。距離矩陣如下：

式中：矩陣的行數(shù)為挖掘機(jī)的數(shù)量n；列數(shù)為破碎站的數(shù)量m；dij（其中i=1，2，…，n；j=1，2，…，m）表示挖掘機(jī)i到破碎站j的距離。在實(shí)際生產(chǎn)中，盡管挖掘機(jī)到破碎站之間的距離一定，但由于不同道路間的路面質(zhì)量、坡度不同，卡車在運(yùn)行時的速度也不同，為了平衡由此帶來的影響，在給定它們之間的距離時，根據(jù)其影響大小折算為適當(dāng)?shù)木嚯x。

4）卡車速度。包括卡車重載時的速度和空載時的速度，其可表示為

式中：t為卡車的數(shù)量；第一列vi1（i=1，2，…，t）為重載時的速度；第二列vi2為空載時的速度。

5）運(yùn)輸費(fèi)用。包括卡車重載時的費(fèi)用、空載時的費(fèi)用及維修時的費(fèi)用，其可表示為

式中：t為卡車的數(shù)量；第一列ci1（i=1，2，…，t）為重載時的卡車運(yùn)輸?shù)馁M(fèi)用；第二列ci2為空載時卡車運(yùn)輸?shù)馁M(fèi)用；第三列ci3為卡車的維修費(fèi)用。

2.3 基于SA-GA算法露天礦卡車調(diào)度實(shí)例

針對哈爾烏素露天礦某一開采區(qū)2014年12月份某一工作日的開采數(shù)據(jù)應(yīng)用基于SA-GA算法的調(diào)度程序進(jìn)行調(diào)度。在此開采區(qū)投入使用的設(shè)備情況為20輛卡車、12臺挖掘機(jī)和3臺破碎機(jī)?？ㄜ嚭屯诰驒C(jī)設(shè)備的參數(shù)如表5、表6所示。

表5 卡車參數(shù)

表6 挖掘機(jī)參數(shù)

其中卡車的速度根據(jù)采掘工藝要求空載時不高于40 km/h，重載時不低于30 km/h。因此在應(yīng)用程序時所有卡車空載的速度都設(shè)定為40 km/h，重載時都設(shè)定30 km/h。根據(jù)現(xiàn)場工人的開采經(jīng)驗(yàn)得到各型號卡車的運(yùn)輸費(fèi)用矩陣如下：MT5500B型的矩陣C1=[350 300 1.5]；MT4400AC型的矩陣C2=[260 200 1]；930-E型的矩陣C3=[320 260 1.5]；SF33900型的矩陣C4=[250 190 1]；HMTK600B型的矩陣C5=[390 330 2]。12臺挖掘機(jī)到3臺破碎站之間的距離矩陣為

在應(yīng)用卡車調(diào)度程序時將20輛卡車分別命名為小寫字母a～t；3臺破碎站命名為a～c；12臺挖掘機(jī)分別命名為大寫字母A～L；并隨機(jī)選擇卡車出發(fā)點(diǎn)，程序調(diào)度間隔設(shè)定為1 h，對于以上數(shù)據(jù)逐步輸入基于SA-GA算法的卡車調(diào)度程序中并在配置為Intel Core （TM） i5 -2520 CPU@2.50GHz、內(nèi)存為2.00 GB的32位WIN7操作系統(tǒng)運(yùn)行，最終獲得20輛卡車的調(diào)度結(jié)果如圖10～圖12所示。

其中圖10為基于SA-GA算法露天礦卡車調(diào)度結(jié)果輸出頁面的截圖。以第一輛卡車的調(diào)度結(jié)果對其調(diào)度輸入結(jié)果解釋，第一臺卡車a在設(shè)備不變動的1 h內(nèi)的運(yùn)行路徑為：卡車a從2015年3月8日16時43分48.5秒開始由編號為A的挖掘機(jī)滿載出發(fā)將煤運(yùn)至編號為c的破碎站，到達(dá)c破碎站的時刻是2015年3月8日16時59分19.7秒；接著出發(fā)到達(dá)編號為I的挖掘機(jī)進(jìn)行裝煤，達(dá)到挖掘機(jī)I的時刻為2015年3月8日17時4分20.9秒，然后又將煤運(yùn)至破碎站c，此時的時刻為2015年3月8日17時20分38.9秒；接著卡車又跑至編號為F的挖掘機(jī)處進(jìn)行裝煤，此時的時刻為2015年3月8日17時28分2.9秒，然后又將煤運(yùn)達(dá)破碎站c處卸載，此時的時刻為2015年3月8日17時42分43.7秒。至此卡車1 h 以內(nèi)的調(diào)度路徑就被確定。為了能給工人師傅更直觀地顯示每輛卡車的調(diào)度進(jìn)度和持續(xù)時間，卡車調(diào)度系統(tǒng)輸出了反映每輛卡車達(dá)到破碎站和挖掘機(jī)的時刻及持續(xù)時間甘特圖，其輸入結(jié)果如圖11所示。經(jīng)過模擬退火優(yōu)化遺傳算法對卡車調(diào)度的優(yōu)化，此20輛卡車運(yùn)輸費(fèi)用的變化過程如圖12所示，從圖12中可以看出，卡車運(yùn)輸費(fèi)用起初較高，經(jīng)過SA-GA算法的不斷優(yōu)化，算法能夠較快地尋得最佳的卡車調(diào)度方案，最終獲得的在1 h內(nèi)卡車調(diào)度方案總的運(yùn)輸費(fèi)用為52 747 元；對調(diào)度結(jié)果進(jìn)行統(tǒng)計(jì)得20輛卡車共運(yùn)送煤炭5158 t，行駛的總距離為214.4 km，由此便可得其噸公里運(yùn)輸成本約為0.047 6 元/（t·km）。將此結(jié)果與此開采區(qū)運(yùn)輸環(huán)節(jié)噸公里成本（2011年為1.014 9元/（t·km），2012年為0.972 9 元/（t·km））相比，基于SA-GA算法調(diào)度卡車的運(yùn)輸成本較低，由此可得本文所提出的基于SA-GA算法的露天礦卡車調(diào)度方法能夠詳細(xì)地給出礦用卡車調(diào)度計(jì)劃和安排，為現(xiàn)場卡車實(shí)時調(diào)度提供了決策依據(jù)，能夠較好地指導(dǎo)實(shí)際生產(chǎn)，有利于企業(yè)降低生產(chǎn)成本，獲得更大的經(jīng)濟(jì)效益。

圖10 基于SA-GA算法露天礦卡車調(diào)度結(jié)果

圖11 基于SA-GA算法卡車調(diào)度甘特圖

圖12 基于SA-GA算法卡車調(diào)度費(fèi)用迭代過程

3 結(jié)論

針對本文提出的模擬退火優(yōu)化遺傳算法的方法，首先應(yīng)用與露天礦卡車調(diào)度具有相同數(shù)學(xué)背景的典型的優(yōu)化組合問題——TSP問題對SA-GA算法和GA算法進(jìn)行比較，結(jié)果證明本文提出的模擬退火優(yōu)化的遺傳算法比單純的遺傳算法能夠獲得更優(yōu)的全局最優(yōu)解且魯棒性更好；接著對哈爾烏素露天礦現(xiàn)行的卡車調(diào)度系統(tǒng)中動態(tài)規(guī)劃調(diào)度方法中的不足，本文編制了基于SA-GA算法的露天礦用卡車調(diào)度程序，并詳述了各個程序的功能及實(shí)現(xiàn)過程；最后以哈爾烏素露天礦某開采區(qū)的采掘設(shè)備數(shù)據(jù)為例，采用SA-GA算法的露天礦用卡車調(diào)度程序?qū)ㄜ囘M(jìn)行了調(diào)度，調(diào)度結(jié)果不僅給出了1 h內(nèi)每臺卡車的行駛路徑和時刻表，而且給出了總的運(yùn)輸費(fèi)用為200 元，由此得到噸公里成本為0.047 6 元/（t·km）, 比2011年的1.014 9元/（t·km）和2012年的0.972 9 元/（t·km）成本都低，降低了運(yùn)輸成本，很好地指導(dǎo)了實(shí)際生產(chǎn)。