露天礦的車輛調(diào)度安排

1、露天礦的車輛調(diào)度安排摘要本文針對露天礦的車輛安排，為了提高設備利用率以增加經(jīng)濟效益，在卡車 不等待的前提滿足產(chǎn)量和品位的要求，根據(jù)兩條原則制定了一個班次的實際生產(chǎn) 計劃。模型I:針對原則一，建立道路能力、電鏟能力、卸點能力、鏟位儲量、產(chǎn) 量任務、鐵含量、電鏟數(shù)量、車輛數(shù)量、整數(shù)等約束條件，根據(jù)原則一建立目標 函數(shù)的整數(shù)規(guī)劃模型。目標函數(shù)（最小噸公里）：min = 如num *154*d。將i=1 j=1模型用Lingo軟件編程求解，綜合分析給出生產(chǎn)計劃：出動7輛鏟車，13輛卡 車，總運量為85628.2噸公里，具體的派車方案（見表二）。模型II：針對原則二，在約束條件與原則一相同的條件下，建立

2、多目標非線 性整數(shù)規(guī)劃模型，利用主要目標法將多目標問題轉(zhuǎn)化為單目標優(yōu)化問題，根據(jù)主 要目標列出最小費用函數(shù)求解，并將所求解轉(zhuǎn)化為約束條件，然后逐步約束求解， 將非線性規(guī)劃問題轉(zhuǎn)化為線性問題。建立主要目標函數(shù)：總產(chǎn)量最大max如num *154 ；次要目標函數(shù)：巖石產(chǎn)量優(yōu)先maxZ num + num )*154 ；i =1 j=1j =1最后的目標函數(shù)：總運量最小min ZZ num*154*d。用Lingo軟件編程 i=1 j=1求解，綜合分析給出生產(chǎn)計劃：出動7輛鏟車，20輛卡車，最大的產(chǎn)量101640.0 噸，巖石產(chǎn)量為49280.00噸，礦石產(chǎn)量為52360.00噸；總運輸量為1423

3、85.3 噸公里，具體的派車方案（見表四）。問題的進一步優(yōu)化，從實際生產(chǎn)可行的角度，結(jié)合原則一與原則二，在模型 中引入各鏟位（卸點）的工作飽和因子P，對以上最優(yōu)方案進行了綜合調(diào)整，通 過圖像分析，對P取不同值進行了靈敏度分析，近而選取最優(yōu)P值下給出實際生 產(chǎn)的車輛安排方案（見表六、表七）。建立快速算法模型，在盡量不影響模型結(jié)果的前提下，分析原則一與原則二 的簡化方法，分別得到滿足原則一與原則二的快速算法。問題的進一步考慮，增加鏟車任務約束條件：Z chep q *10000j=1各卸點礦石的品質(zhì)約束：num *154 * c28.5% j=1 J 30.5% num *154ijj=1各鏟位石

4、料上限約束：礦石： num *154 a *10000i=,2,5巖石： num *154 b *10000i=3,4電鏟的能力約束： num ch *i=1卸點的能力約束：8*60num j = 1每條路線車次數(shù)不超過最大車次數(shù)約束：同一班次內(nèi)，某條路線上卡車的最大運行次數(shù):ij8*60-(2*d /v + 3 + 5-1)*52* dj v + 3 + 5同一班次內(nèi)，某條路線上允許通過的最大車次數(shù):1= h *2*dE3+5i i5num l鏟車總數(shù)限制：Z ch V 7jj=1每條路線上的車輛數(shù)：h numj hij卡車總數(shù)限制：ZZ che V 20iji=1 j =1整數(shù)約束：ch.

5、為0或1 num ij為整數(shù)5.1.2模型I的求解多目標問題轉(zhuǎn)化為單目標問題我們將卡車數(shù)量的優(yōu)化min作為以約束條件，在局部調(diào)整過程中作為判斷調(diào) 度方案優(yōu)劣的標準。這樣，多目標問題就轉(zhuǎn)化成了單目標問題。用lingo軟件求解如下(表一)表一 模型I各個路線上的最佳運輸車次鏟位1鏟位2鏟位3鏟位4鏟位8鏟位9鏟位10礦石 漏135411倒裝4243巖場7015巖石 漏8143倒裝13270一個班次的生產(chǎn)安排鏟車的安排：出動7量鏟車，鏟位分別為1、2、3、4、8、9、10.卡車的安排：我們采用貪心算法，使每輛鏟車的工作時間盡量大，效率接 近100%，當然在滿足每個搭配中元素越少越優(yōu)，因為畢竟在滿足卡

6、車總數(shù)少時 還希望卡車跑的鏟區(qū)也盡可能少。表 模型I各線路具體聯(lián)合派車二方案鏟位1鏟位2鏟位3鏟位4鏟位8鏟位9鏟位10礦石 漏(9)1(5)2 9(9)8(11)17(11)1倒裝(2)3(8)4(4)3 6(12)巖場(6)3(11)(13)30(10)8(12)7巖石 漏(1)4(8)3(3)3 5(10)倒裝(8)1(10)(7)46(10)2注：表二中括號內(nèi)的數(shù)是卡車車號，后面是運的車次數(shù)。 解得總運量為85628.6噸公里，卡車數(shù)為13輛。5.2模型II5.2.1模型II的建立該模型是基于原則二建立的，其約束條件與模型I相同，只是目標函數(shù)改 變了。設立主要目標函數(shù)：總產(chǎn)量最大max

7、 如 num *154iji =1 j=1次要目標函數(shù)：巖石產(chǎn)量優(yōu)先max num + num ）*154j=1最后的目標函數(shù)：總運量最小min 切 num *154*di=1 j =15.2.2模型II的求解此模型為多目標規(guī)劃問題，以總產(chǎn)量最大作為主要目標，以巖石產(chǎn)量為自變 量，在確定巖石產(chǎn)量下界情況下（3.2萬噸），在模型I的lingo程序基礎上稍作修 改，就可以得到總產(chǎn)量最大為10164噸；固定總產(chǎn)量，巖石最大為49280噸；總運 量最小為142385.3噸公里。在保證最優(yōu)總產(chǎn)量變化不大時，讓巖石產(chǎn)量盡可能地 大，同時總運量最小。表三 模型II各個路線上的最佳運輸車次鏟位1鏟位2鏟位3鏟

8、位4鏟位8鏟位9鏟位10礦石 漏382418倒裝I155422681巖場127474巖石 漏81283219倒裝II1446022表四 模型II各線路具體聯(lián)合派車方案鏟位1鏟位2鏟位3鏟位4鏟位8鏟位9鏟位10礦石 漏(1)1717(10)4(11)24(11)7(14)11(4)3(3)36倒裝(12)8(10)(14)(13)I15(12)2227116(15)5巖場(16)12(5)3(6)37(7)45(15)2(16)1(8)4(18)巖石4(13)(18)2漏(17)2832(19)375(20)11(9)3(12)1倒裝1(15)(17)(16)2II(19)45213(20)2

9、4綜合分析給出生產(chǎn)計劃：出動7輛鏟車，鏟位1、2、3、4、8、9、10處各放置一臺；出動20輛卡車，派車方案見表四；最大的產(chǎn)量101640.0噸；巖石產(chǎn)量為49280.00;噸；礦石產(chǎn)量為52360.00噸；總運輸量為142385.3噸公里。六、模型的進一步優(yōu)化通過對數(shù)據(jù)的處理分析，發(fā)現(xiàn)上述方案有一些不大完善的地方分析如下：若鏟位（或卸點）的工作狀態(tài)已達飽和，即工作效率達100%，則與該處搭 配的其他卡車在此時來到便會發(fā)生等待現(xiàn)象。第十鏟位的鏟車工作了 96個車次，在8個小時之內(nèi)是不停歇工作，而需要 運輸?shù)木€路上最大允許車輛數(shù)均為 2輛，在這三條線路上的車的周期均10 v T v15 （分鐘）

10、，在一個周期內(nèi)鏟車只用10分鐘裝車（2車次），因而每個周期浪費了 T -10分鐘。所以鏟位上鏟車不停歇工作是不符合實際的。根據(jù)上述分析，一個班次內(nèi)鏟車不可能不停歇工作，所以規(guī)定一個飽和因子P （P = 1說明允許鏟車不停歇工作），根據(jù)實際P通常取0.9。在原有程序的基礎上做簡單修改，求出最大的總運量，最小的巖石產(chǎn)量，最小的運輸成本，出動最 少的卡車數(shù)。圖一模型I中飽和度p對最小總運輸量的影響里公噸量輸運總93000910008900087000飽和度p對總運量的影響850000.90.8飽和度p0.7選取飽和度P=0.9,對模型I求解分配方案：出動7輛鏟車，鏟位1、2、3、4、8、9、10處各

11、放置一臺;出動15輛卡車，派車方案見表六；總運量為86512.58噸公里。表五 模型I各個路線上的最佳運輸車次鏟位1鏟位2鏟位3鏟位4鏟位8鏟位9鏟位10礦石 漏1360倒裝4243巖場7411巖石 漏814319倒裝13270表六 模型I各線路具體聯(lián)合派車方案鏟位1鏟位2鏟位3鏟位4鏟位8鏟位9鏟位10礦石 漏(10)13292(15)5.)倒裝(3)3(15)(4)3(11)巖場33(11)1巖石 漏(7)4(12)12(13)25(8)3(11)倒裝(12)13(15)(9)46(14)2圖二模型II中飽和度p對總運量的影響飽和度p對總運輸量的影響里公.噸量輸運總140000130000

12、1200001100000.950.90.850.8飽和度p出動7輛鏟車，鏟位1、2、3、4、8、9、10處各放置一臺;出動20輛卡車，派車方案見表八；最大的產(chǎn)量92708.00噸；巖石產(chǎn)量為44352.00噸；礦石產(chǎn)量為48356.00噸；總運輸量為125985.9噸公里。鏟位1鏟位2鏟位3鏟位4鏟位8鏟位9鏟位10礦石 漏333213表七 模型II各個路線上的最佳運輸車次倒裝568368巖場27269巖石 漏811827倒裝235217表八 模型II各線路具體聯(lián)合派車方案鏟位1鏟位2鏟位3鏟位4鏟位8鏟位9鏟位10礦石 漏(1)1(10)16(2)2(11)(12)13倒裝(11)(3)3

13、(10)(13)28(19)(4)3(20)(14)23巖場(11)(5)3(14)13(20)22(7)45(11)2巖石 漏(8)4(12)31(19)(15)(16)10(16)23(17)(18)18倒裝(9)1(17)(6)3(19)15(20)(18)1七、靈敏度分析7.1靈敏度分析由于本題中對模型結(jié)果產(chǎn)生影響的因素有很多，我們在此取幾個關(guān)鍵的參數(shù) 進行靈敏度分析。模型對這些參數(shù)的敏感性反映了各種因素影響結(jié)果的顯著程 度；反之，通過對模型參數(shù)的穩(wěn)定性和敏感性分析，又可反應和檢驗模型的實際 合理性。對模型I鏟車數(shù)量的靈敏度分析由于模型I鏟車數(shù)量是關(guān)系到最小總運輸量的重要影響因素之一，

14、我們對模型 I鏟車數(shù)量進行了靈敏度分析，鏟車由5個逐漸增至8個，得到相應的最小總運 輸量（見圖三）。由圖三中可看出鏟車數(shù)在7之前與總運輸量呈線性關(guān)系，而增加到7個以后已 接近平穩(wěn)對總運輸量的影響不大，建議在開采前對鏟位進行規(guī)劃，使每個鏟位的 鏟車數(shù)量達到最大。圖三 鏟位對最小運輸量的影響里公噸量輸運總95000930009100089000870008500056鏟車數(shù)量78鏟車數(shù)量對總運輸量的影響83000對模型II卡車數(shù)量的靈敏度分析卡車數(shù)量對總運輸量的影響如下（見圖四），由圖可以看出卡車對總運輸量的 影響呈線性關(guān)系。圖四卡車對總運輸量的影響里公-噸量輸運總卡車數(shù)量對總運輸量的影響1400

15、001200001000002019181716卡車數(shù)量314180000對模型II飽和度p的靈敏度分析飽和度p對最大產(chǎn)量的影響如下（見圖五），由圖五可以看出p=0.95對最大 產(chǎn)量的影響沒有p=0.95影響顯著，p越大最大產(chǎn)量越大。圖五 模型II中飽和度p對最大產(chǎn)量的影響1000009500090000850000.950.90.850.8飽和度p飽和度p對最大產(chǎn)量的影響飽和度P對巖石產(chǎn)量的影響如下（見圖六），由圖六可以看出飽和度p對巖石 的產(chǎn)量呈線性關(guān)系，p越大巖石產(chǎn)量越大。圖六 模型II中飽和度p對巖石產(chǎn)量的影響5000045000400003500010.950.90.850.8飽和度

16、p飽和度p對巖石產(chǎn)量的影響八、問題的進一步考慮8.1快速算法：第一步:規(guī)定一個飽和因子P（P=1說明允許鏟車不停歇工作），通常取P=0.9。第二步：以各條線路上的卡車數(shù)量為求解量，卡車總運量為目標函數(shù)，以飽 和因子為約束，應用線性規(guī)劃解法求解。第三步：判斷鏟車數(shù)量是否滿足要求，滿足則跳到第四步，否則去掉對流量 貢獻最少的一個鏟位，回到第二步。第四步：進行調(diào)優(yōu)。8.2增加約束，進一步求解：從另一角度解決上述的問題，第十鏟位的卡車不能完成分配的車次任務，che = num/h（ che表示在某一線路需要的車輛數(shù)，num表示在某一線路需要的車次數(shù)，h表示在某一線路的周期個數(shù)）。第十鏟位需要運輸?shù)木€路

17、上最大允許車輛數(shù)均為2輛，而三條線路che的總和大于2，因此不能完成任務。解決方案：增加約束條件。轉(zhuǎn)變一下角度：把che看作該線路上卡車的任務 量，卡車的最大總?cè)蝿樟繛?。簡化：讓每一條線路以最大卡車數(shù)運輸，平均到每一輛卡車的任務量為chep = che/chem，卡車的總?cè)蝿樟坎荒艹^1。 chep =q(i)*10000);for(xie(i)|i#eq#1 #or# i#eq#2 #or# i#eq#5:sum(chan(j):num(i,j)*(c(j)-0.305)=0);for (chan(j):(num(1,j)+num(2,j)+num(5,j)*154=a(j)*10000);for (chan(j):(num(3,j)+num(4,j)*154=b(j)*10000);for(chan(j):for (xie(i):h(i,j)=floor(8*60-(floor (d(i,j)/28*60*2+3+5)/5)-1)*5)/(d(i,j)/28*60*2+3+5);for(chan(j):for(xie(i):l(i,j)=h(i,j)*(floor (d(i,j)/28*60*2+3+5)/5);for(chan(j):for(xie(i):num(i,j)=l(i,j);P=1;!P=0.95;!P=0.9;!P=0.85;