露天礦生產(chǎn)的車輛安排畢業(yè)論文設(shè)計(jì)

PAGE1露天礦生產(chǎn)的車輛安排摘要：本文研究了露天礦生產(chǎn)的車輛安排問題，建立了一個(gè)用于實(shí)現(xiàn)不同生產(chǎn)目標(biāo)下一個(gè)班次的較優(yōu)生產(chǎn)計(jì)劃的一般化數(shù)學(xué)模型，并得出一個(gè)快速算法。首先通過分析得出一般情況下此類問題可以分解為求解鏟位與卸點(diǎn)之間的最短路徑、求解所得各路徑在不同優(yōu)化目標(biāo)下的理論最佳流量及在此基礎(chǔ)上對(duì)卡車與鏟車實(shí)行最優(yōu)匹配從而確定最優(yōu)生產(chǎn)計(jì)劃三個(gè)相互聯(lián)系、逐步深入的子問題。從這個(gè)結(jié)論入手，結(jié)合本問題各鏟位卸點(diǎn)之間最短距離已知的條件，根據(jù)題目所給不同原則及約束條件建立了線性規(guī)劃模型。在其基礎(chǔ)上的排序選優(yōu)算法、及利用貪心算法對(duì)所得的初始理論解進(jìn)一步深入求實(shí)際最優(yōu)解的逐步深入相互結(jié)合補(bǔ)充的子模型，通過matlab及編寫相應(yīng)的算法程序利用計(jì)算機(jī)進(jìn)行求解，并結(jié)合編寫的計(jì)算機(jī)的模擬程序得出了較為滿意和準(zhǔn)確的優(yōu)化解。在問題二將多目標(biāo)線性規(guī)劃轉(zhuǎn)化為單目標(biāo)的線性規(guī)劃時(shí)還運(yùn)用了層次分析法來(lái)確定加權(quán)因子。然后文章通過對(duì)模型的檢驗(yàn)和誤差分析，驗(yàn)證了具體計(jì)算結(jié)果和模型的準(zhǔn)確性與穩(wěn)定性，并將計(jì)算機(jī)模擬所得結(jié)果與模型所得結(jié)果進(jìn)行比較并對(duì)兩者異同進(jìn)行討論。同時(shí)通過靈敏度分析對(duì)實(shí)際生產(chǎn)中各種影響生產(chǎn)計(jì)劃的因素進(jìn)行了討論。文章還進(jìn)一步討論了運(yùn)用排隊(duì)論，自動(dòng)元胞機(jī)等理論對(duì)模型進(jìn)行改進(jìn)的可能性，并考慮結(jié)合實(shí)際對(duì)文章某些假設(shè)給予修改，從而推廣了模型的應(yīng)用范圍。最后，對(duì)本文建立的模型進(jìn)行了優(yōu)缺點(diǎn)評(píng)價(jià)。本文根據(jù)以上原理對(duì)問題一二分別建立的模型均較好的得到問題的優(yōu)化解。對(duì)于問題一：模型得出了最小總運(yùn)量8.6313（萬(wàn)噸*公里），需出動(dòng)7臺(tái)電鏟，分別置于鏟位1、2、3、4、8、9、10；最少需卡車13輛即可滿足產(chǎn)量要求。對(duì)于問題二：需出動(dòng)電鏟7臺(tái)，分別置于鏟位1、2、3、5、8、9、10。利用現(xiàn)有的20輛卡車，能夠達(dá)到最大總產(chǎn)量：102256噸。巖石產(chǎn)量：49742噸；礦石產(chǎn)量：52514噸。一問題的提出鋼鐵工業(yè)是國(guó)家工業(yè)的基礎(chǔ)之一，許多現(xiàn)代化鐵礦是露天開采的，它的生產(chǎn)主要是由電鏟裝車、卡車運(yùn)輸及卸車來(lái)完成。提高這些大型設(shè)備的利用率是增加露天礦經(jīng)濟(jì)效益的首要任務(wù)。關(guān)于鏟位及電鏟：露天礦里有若干個(gè)爆破生成的石料堆，每堆稱為一個(gè)鏟位，每個(gè)鏟位已預(yù)先根據(jù)鐵含量將石料分成礦石和巖石。每個(gè)鏟位的礦石、巖石數(shù)量，以及礦石的平均鐵含量（稱為品位）都是已知的。每個(gè)鏟位至多能安置一臺(tái)電鏟，電鏟的平均裝車時(shí)間為5分鐘。關(guān)于卸點(diǎn)：卸貨地點(diǎn)分為巖石卸點(diǎn)和礦石卸點(diǎn)兩大類，每個(gè)卸點(diǎn)都有各自的產(chǎn)量要求。要求送到各個(gè)卸點(diǎn)的礦石搭配應(yīng)達(dá)到一定的品位要求，搭配的量在一個(gè)班次（8小時(shí)）內(nèi)滿足品位限制即可。從長(zhǎng)遠(yuǎn)看，卸點(diǎn)可以移動(dòng)，但一個(gè)班次內(nèi)不變。卡車的平均卸車時(shí)間為3分鐘。關(guān)于卡車：所用卡車載重量為154噸，平均時(shí)速28。一個(gè)班次中只在開始工作時(shí)點(diǎn)火一次。原則上在安排時(shí)不應(yīng)發(fā)生卡車等待的情況。電鏟和卸點(diǎn)都不能同時(shí)為兩輛及兩輛以上卡車服務(wù)。卡車每次都是滿載運(yùn)輸。問題如下：在卡車不等待條件下滿足產(chǎn)量和質(zhì)量（品位）要求，分別根據(jù)下面兩條原則：1.總運(yùn)量（噸公里）最小，同時(shí)出動(dòng)最少的卡車，從而運(yùn)輸成本最??；2.利用現(xiàn)有車輛運(yùn)輸，獲得最大的產(chǎn)量（巖石產(chǎn)量?jī)?yōu)先；在產(chǎn)量相同的情況下，取總運(yùn)量最小的解）。建立數(shù)學(xué)模型，并給出一個(gè)班次生產(chǎn)計(jì)劃的快速算法。一個(gè)班次的生產(chǎn)計(jì)劃應(yīng)該包含以下內(nèi)容：出動(dòng)幾臺(tái)電鏟，分別在哪些鏟位上；出動(dòng)幾輛卡車，分別在哪些路線上各運(yùn)輸多少次。并根據(jù)所給實(shí)例運(yùn)用所建模型給出具體解答。二問題的初步分析問題給出的露天礦的車輛安排實(shí)質(zhì)上給出一個(gè)在不同的優(yōu)化目標(biāo)及約束條件下，實(shí)現(xiàn)車輛在產(chǎn)品提供點(diǎn)——鏟位和產(chǎn)品接受點(diǎn)——卸點(diǎn)之間的最優(yōu)分配方案，問題中隱含或直接的給出了各類約束條件，包括：提供點(diǎn)供應(yīng)量上限和接收點(diǎn)的所需產(chǎn)量下限?？ㄜ嚨墓ぷ餍剩ㄑb車效率、卸車效率、裝載量及時(shí)速等?？ㄜ囘\(yùn)行過程中所應(yīng)滿足的約束，包括卸點(diǎn)與鏟位能夠同時(shí)服務(wù)的臺(tái)數(shù)。我們要做的就是在這些約束下，建立合理的模型，達(dá)到要求的最優(yōu)目標(biāo)，并給出較好的卡車安排計(jì)劃。三模型的假設(shè)考慮卡車點(diǎn)火時(shí)相當(dāng)可觀的耗油量，假設(shè)一個(gè)班次中只在開始工作時(shí)點(diǎn)火一次。電鏟和卸點(diǎn)都不能同時(shí)為兩輛及兩輛以上卡車服務(wù)。卡車每次都是滿載運(yùn)輸，且所有參加運(yùn)輸卡車均充分利用?？ㄜ嚥还潭槟硹l路線服務(wù)。且忽略卡車在不同路線之間的轉(zhuǎn)移時(shí)間。鏟車位置在一個(gè)班次內(nèi)認(rèn)為其保持不變，即鏟車固定為某一鏟位服務(wù)。每個(gè)鏟位到每個(gè)卸點(diǎn)的道路都是專用的寬60的雙向車道，不會(huì)出現(xiàn)堵車現(xiàn)象。道路質(zhì)量完好，卡車行駛過程中能夠保持平均28km/h的時(shí)速而不會(huì)因道路問題出現(xiàn)異常行駛，如停車或變速等?？ㄜ嚨恼{(diào)度完全由鏟點(diǎn)卸點(diǎn)的需求決定，即不出現(xiàn)由于駕駛員休息換班等原因造成的調(diào)度間歇時(shí)間。品位限制在一個(gè)班次內(nèi)達(dá)到即符合要求。相比于一個(gè)班次8個(gè)小時(shí)，單獨(dú)卡車的等待時(shí)間若小于10分鐘可忽略，即可視為充分利用沒有等待。10、裝載卸載時(shí)間在整個(gè)過程中即當(dāng)作常數(shù)來(lái)處理，即忽略其隨機(jī)性。四文中用到的符號(hào)說明Pij:第i個(gè)鏟位到第j個(gè)卸點(diǎn)的平均貨流量。(t/h)Sij:第i個(gè)鏟位到第j個(gè)卸點(diǎn)的距離。(m)Qi:第i個(gè)鏟位的礦石的平均鐵含量。Ki:第i個(gè)鏟位的礦石數(shù)量。(t)Yi: 第i個(gè)鏟位的巖石數(shù)量。(t)W: 卡車載重。(t)V: 卡車速度。(km/s)TD:電鏟裝車時(shí)間。(h)TK:卡車卸車時(shí)間。(h)Ri:第i個(gè)卸點(diǎn)的產(chǎn)量要求。(t)QL,QU:品位要求(UpperboundandLowerbound)。ki:礦石卸點(diǎn)與巖石卸點(diǎn)的分界點(diǎn)H:一個(gè)班次的時(shí)長(zhǎng)M:總運(yùn)量(h*km)K:一個(gè)班次中共需卡車數(shù)A:總產(chǎn)量（t）Ak:巖石總產(chǎn)量（t）At:礦石總產(chǎn)量（t）:線性規(guī)劃中的加權(quán)因子其余變量在文中使用時(shí)另行說明。五模型的建立5．1概述根據(jù)題意,我們分析得出露天礦開采的卡車調(diào)度系統(tǒng)設(shè)計(jì)可以由以下三個(gè)子問題的分析入手:即求解各卸點(diǎn)與鏟位之間的最短路線問題。在本題中，由于各點(diǎn)之間的道路距離均為已知，所以在模型建立中可以直接利用，而不需要再建立求解最短距離的數(shù)學(xué)模型。在各不同實(shí)際生產(chǎn)原則所形成的優(yōu)化目標(biāo)下,求解各條路線所具有的最佳單位時(shí)間平均流量,這可以轉(zhuǎn)化成一個(gè)線性規(guī)劃問題。在上一步得出的線性規(guī)劃的最優(yōu)解的基礎(chǔ)上，根據(jù)題目所給約束，對(duì)鏟車與卡車實(shí)行實(shí)時(shí)匹配。補(bǔ)充說明:對(duì)于礦石與巖石的處理,經(jīng)過分析我們發(fā)現(xiàn),在模型的建立中,兩者除了在同一鏟位往礦石卸點(diǎn)與巖石卸點(diǎn)運(yùn)送時(shí)因具有不同的產(chǎn)能約束，需要特別處理外，其余方面處理方法沒有本質(zhì)差別，所以我們采取在模型中，將卸點(diǎn)按排列順序分為兩類，當(dāng)j<＝ki時(shí)卸點(diǎn)為礦石卸點(diǎn)，j>=ki時(shí)為巖石卸點(diǎn)。5．2問題一的模型建立利用線性規(guī)劃求解最佳線路與其理論平均流量。1，目標(biāo)函數(shù)的初步確定由題意經(jīng)分析可得各路線運(yùn)量應(yīng)定義為其單位時(shí)間的平均流量與路線長(zhǎng)度乘積（Pij*Sij），故可得系統(tǒng)總運(yùn)量的數(shù)學(xué)表達(dá)式為按照原則分析可得出一個(gè)以最小運(yùn)量和最少車數(shù)為目標(biāo)的多目標(biāo)規(guī)劃模型，從而得出該規(guī)劃的目標(biāo)函數(shù)為目標(biāo)函數(shù)一：MinM=目標(biāo)函數(shù)二：MinK2,模型的簡(jiǎn)化對(duì)目標(biāo)函數(shù)：分析可得在此線性規(guī)劃的模型中，實(shí)現(xiàn)最小卡車數(shù)的目標(biāo)可以與最小總運(yùn)量統(tǒng)一成為一個(gè)目標(biāo)函數(shù)（詳細(xì)原因見后面分析三）中的公式2）），由此多目標(biāo)規(guī)劃可轉(zhuǎn)化為一個(gè)單目標(biāo)線性規(guī)劃。對(duì)約束條件：題目給定的卡車滿載運(yùn)輸?shù)募僭O(shè)使得8*Pij應(yīng)為卡車載重量W的整數(shù)倍，即原模型應(yīng)轉(zhuǎn)化為一個(gè)整數(shù)規(guī)劃模型，但是考慮到整數(shù)規(guī)劃模型隨規(guī)模增大很難找到有效快速算法[3]，而實(shí)際生產(chǎn)中涉及的往往是大規(guī)模的實(shí)例，應(yīng)用整數(shù)規(guī)劃模型有實(shí)用性較差?？紤]到卡車滿載實(shí)質(zhì)上與降低生產(chǎn)成本是一致的，而在第一步的線性規(guī)劃模型中我們得到的只是初始理論最優(yōu)解，實(shí)際最優(yōu)解仍需深入到第二步才能最終確定，我們考慮在此模型中暫時(shí)忽略整數(shù)約束的問題，在第二步的進(jìn)一步研究中再給予考慮。3，模型的得出由此我們可以得到所需的線性規(guī)劃模型：目標(biāo)函數(shù)：MinM=……(1)S.t:對(duì)每個(gè)鏟點(diǎn)i，分別考慮各鏟位礦石和巖石的最大出運(yùn)量約束：<=Ki/H ——礦石出運(yùn)量<=Yi/H ——巖石出運(yùn)量考慮鏟車的最大裝車效率——鏟車最大效率其中：W/TD為鏟車最大工作效率。Ki為礦石卸點(diǎn)與巖石卸點(diǎn)的分界在H點(diǎn),1<=j<=Ki時(shí)卸點(diǎn)為礦石卸點(diǎn)，j>Ki時(shí)為巖石卸點(diǎn)。Ki/H為該鏟點(diǎn)最大產(chǎn)能。對(duì)每個(gè)卸點(diǎn)j：考慮卸載最大效率(任意時(shí)刻只能一臺(tái)卡車卸貨)：<=W/TK滿足產(chǎn)量要求：>=Rj考慮品質(zhì)因素：QL<=<=QU以上便是我們根據(jù)原則一所建立的線性規(guī)劃模型。通過該模型的求解，可解出各路線的最佳流量。如前所述，在實(shí)際運(yùn)輸過程中還需考慮車子每趟運(yùn)輸均為滿載，所以由此線性規(guī)劃模型得出的只是最小總運(yùn)量的理論值，實(shí)際最小總運(yùn)量還需結(jié)合實(shí)際卡車數(shù)目及分配情況從下一步模型中進(jìn)一步確定。二)排序選優(yōu)確定鏟車數(shù)與分配：由第一步的個(gè)路線對(duì)應(yīng)的最佳流量，我們對(duì)每個(gè)鏟位分別求出其總的平均流量Ps，即對(duì)每個(gè)i求出Ps=然后對(duì)所有結(jié)果非0的共m個(gè)鏟位i的Ps進(jìn)行降序排序。假設(shè)實(shí)際具有的鏟車數(shù)目為n。若m<=n，則可直接出動(dòng)m輛鏟車至m個(gè)最佳鏟位。由一）解得的Pij即為最終確定的最優(yōu)路線及其平均流量。若m>n，我們還需要進(jìn)行進(jìn)一步的處理，具體做法為：1，從排序集合中選取n個(gè)對(duì)應(yīng)流量最大的鏟位，將剩余的(m-n)個(gè)鏟位所對(duì)應(yīng)的路線及其他所有路線賦值為0。2，將相應(yīng)的未知變量Pij及規(guī)定值為0的Pij代入一）中建立的線性規(guī)劃模型，重新計(jì)算出最優(yōu)路線的單位時(shí)間平均流量即可。三）最少卡車數(shù)目理論值的初步確定已知某條路線的平均流量，我們可容易推得這條路線所需最少的運(yùn)送次數(shù)為由于卡車每次完成一個(gè)裝卸過程的時(shí)間由裝車時(shí)間TD，卸車時(shí)間TK及往返于卸點(diǎn)鏟位的時(shí)間組成，容易推得單位時(shí)間內(nèi)所有卡車消耗在裝卸過程中的總時(shí)間的數(shù)學(xué)表達(dá)式為由此可得卡車實(shí)際裝載貨物的運(yùn)行時(shí)間為（運(yùn)行總時(shí)間－消耗時(shí)間）／2又根據(jù)我們的假設(shè)3，可知K輛卡車在單位時(shí)間內(nèi)運(yùn)行時(shí)間總共為K小時(shí)，從而得出所有卡車在單位時(shí)間內(nèi)的總運(yùn)量的數(shù)學(xué)表達(dá)式：（2）容易得出（2）式應(yīng)等于我們從線性規(guī)劃模型中得到的M，而V,W均為已知，由此易得所需最小卡車數(shù)的理論值K，即為實(shí)際所需最小卡車數(shù)的下界。準(zhǔn)確的K值需在此基礎(chǔ)上，結(jié)合卡車不等待等約束條件經(jīng)過下一步模型的具體模擬才能得出。四)用貪心算法確定卡車的分配： 對(duì)于每條從鏟點(diǎn)i到卸點(diǎn)j的道路，設(shè)滿足運(yùn)量要求所需卡車的工作時(shí)間量為Tij(h)：Tij=Pij*8/w*(TD+TK+Sij/v) ……(*)而每輛卡車的在一個(gè)班次內(nèi)的工作時(shí)間為8h*60m/h.由此兩點(diǎn)，利用貪心算法便可得出卡車的具體的分配方案。算法步驟如下(程序源代碼見附錄五)： 考慮每條路線所需的卡車的工作時(shí)間：對(duì)于每條所需時(shí)間大于一個(gè)班次時(shí)間(480m)的路線：直接分配輛卡車。重復(fù)該步驟直至無(wú)滿足該條件為止。對(duì)于所需時(shí)間小于一個(gè)班次時(shí)間(480m)的路線:找一輛剩余工作時(shí)間與其所需最配備的卡車配給之。如無(wú)則配輛新卡車。重復(fù)該步驟直至所有路線滿足流量為止。五）一個(gè)班次生產(chǎn)計(jì)劃的快速算法：綜合上述一）至四）四個(gè)子模型即可得到在實(shí)現(xiàn)最小總運(yùn)量目標(biāo)下的一個(gè)班次生產(chǎn)計(jì)劃的快速算法。其中輸入為上述模型用到的所有約束參數(shù)，輸出即為最小總產(chǎn)量及具體的生產(chǎn)計(jì)劃。5．3問題二的模型建立一)利用線性規(guī)劃求解最佳線路與其平均流量。與問題一類似我們可以根據(jù)題目所給原則建立一個(gè)以Pij為變量的線性規(guī)劃模型。目標(biāo)函數(shù)的得出分析題目所給原則可得一個(gè)以總產(chǎn)量和巖石產(chǎn)量最大為目標(biāo)的多目標(biāo)線性模型，其中巖石產(chǎn)量與礦石產(chǎn)量相比具有較高優(yōu)先考慮系數(shù)。其目標(biāo)函數(shù)如下：目標(biāo)函數(shù)一：MaxA目標(biāo)函數(shù)二：MaxAk2、模型簡(jiǎn)化對(duì)目標(biāo)函數(shù)：用一個(gè)合適的反應(yīng)礦石產(chǎn)量At與巖石產(chǎn)量Ak權(quán)重關(guān)系的加權(quán)因子將上述多目標(biāo)線性規(guī)劃轉(zhuǎn)化成一個(gè)單目標(biāo)的線性規(guī)劃。即原目標(biāo)函數(shù)可以轉(zhuǎn)化為MaxAt+Ak為了確定的值，我們采取了層次分析法。并把得來(lái)的巖石和礦石的權(quán)重比應(yīng)用到我們的目標(biāo)函數(shù)中，一定程度上能夠體現(xiàn)原來(lái)問題的含義。由于問題所給信息量少，加之我們對(duì)這方面的了解較少，我們無(wú)法完整詳細(xì)進(jìn)行層次分析。至于較為準(zhǔn)確的層次分析，需要請(qǐng)教這方面的專家才能得到。層次分析法所得判斷矩陣及相關(guān)結(jié)果如下：巖石15/4礦石4/51CI＝CR＝0；W=(0.5556,0.4444);對(duì)約束條件：與問題一類似，我們?cè)诘谝徊降木€性規(guī)劃模型中也暫時(shí)忽略整數(shù)約束，在第二步的深入確定中再給予考慮，并在最終聯(lián)系實(shí)例進(jìn)行對(duì)這種處理方法的驗(yàn)證。3、模型的得出容易推得A,At,Ak的表達(dá)式分別如下：A=Ak＝At=A-Ak＝從而得出以下線性規(guī)劃模型：目標(biāo)函數(shù)：Max*At+Ak———(3)S.t滿足模型一的所有6個(gè)約束條件考慮總卡車數(shù)的約束，與模型一中的公式（2）同理可得約束條件通過解此標(biāo)準(zhǔn)線性規(guī)劃方程可初步得出一定數(shù)目較優(yōu)路線的平均單位流量。同樣的類似于模型一的原因，在實(shí)際運(yùn)輸過程中我們需考慮到卡車采用滿載運(yùn)輸，所以此線性規(guī)劃模型只能初步確定理論的最大總產(chǎn)量，實(shí)際最大總產(chǎn)量仍需結(jié)合實(shí)際卡車調(diào)度情況在下一步模型中進(jìn)一步得到準(zhǔn)確解。二)排序確定鏟車數(shù)與分配：因?yàn)槁肪€對(duì)應(yīng)的Pij越大，其在得到最大產(chǎn)量的運(yùn)輸中貢獻(xiàn)越大，所以在一）中解得的較優(yōu)路線中，可以運(yùn)用與模型一中確定最優(yōu)路線相似的方法，通過對(duì)Ps的排序選擇確定最中投入使用的鏟位及最優(yōu)路線。假設(shè)實(shí)際具有的鏟車數(shù)目為n。若m<=n，則可直接出動(dòng)m輛鏟車至m個(gè)最佳鏟位。由一）解得的Pij即為最終確定的最優(yōu)路線及其平均流量。若m>n，我們還需要進(jìn)行進(jìn)一步的處理，具體做法為：1，從排序集合中選取n個(gè)對(duì)應(yīng)流量最大的鏟位，將剩余的(m-n)個(gè)鏟位所對(duì)應(yīng)的路線及其他所有路線的強(qiáng)制賦值為0。2，將相應(yīng)的未知變量Pij及規(guī)定值為0的Pij代入一）中建立的線性規(guī)劃模型，重新計(jì)算出最優(yōu)路線的單位時(shí)間平均流量即可。三)用貪心算法確定卡車的分配： 與4.2.2相同。四）一個(gè)班次生產(chǎn)計(jì)劃的快速算法綜合上述一）～三）三個(gè)子模型即可得到在實(shí)現(xiàn)最大總產(chǎn)量的目標(biāo)下的一個(gè)班次的生產(chǎn)計(jì)劃，其輸入?yún)?shù)為上述模型中所需的參數(shù)約束，輸出即為最大總產(chǎn)量及具體的一個(gè)生產(chǎn)計(jì)劃。六模型的求解對(duì)各鏟點(diǎn)及卸點(diǎn)進(jìn)行編號(hào)，如下圖所示：4321543215問題一的求解6.1.1線性規(guī)劃模型的求解求解方法由于我們建立的模型一是一個(gè)標(biāo)準(zhǔn)的線性規(guī)劃模型，所以根據(jù)題中所給參數(shù)可以很方便的利用現(xiàn)有軟件matlab進(jìn)行求解。（具體matlab的m腳本文件程序見附錄一）在解得Pij之后再將其代入公式（2），即可得出K值。計(jì)算結(jié)果通過matlab的運(yùn)行，我們可以很快的得到各路線的最佳平均流量，在所有可能路線中得到11條路線的最佳平均流量非0,具體結(jié)果如下表（單位：kt/h）：鏟位1鏟位2鏟位3鏟位4鏟位5鏟位6鏟位7鏟位8鏟位9鏟位10礦石漏00.25000001.041700.2083倒裝場(chǎng)Ⅰ00.791700.8333000000倒裝場(chǎng)Ⅱ00.270800000001.3542巖場(chǎng)000000001.33950.2855巖石漏1.562500.81250000000由此我們還作出了這11條最佳路線之間的通路,具體結(jié)果如下圖所示:由上圖可直觀看出解的合理性。觀察可見利用鏟位數(shù)恰為7個(gè)，所以對(duì)于本題不用進(jìn)行路線的取舍，7臺(tái)鏟車全部利用，分別置于鏟位1，2，3，4，8，9，10上。最小總運(yùn)量的理論值為1.0604＝8.4832（萬(wàn)噸*公里）根據(jù)(*)式： 解出每條路線所需的卡車的工作量，如下表：路線連接鏟點(diǎn)路線連接卸點(diǎn)往返運(yùn)輸一次所需時(shí)間(minute)所需總的卡車工作時(shí)間(minute)1510.7429880.9142130.2429393.1572212.2429514.22324.5429368.1433513.4429578.0434312.8429565.0868116.1429887.8579412.542987810113.4429147.87110310.1429720.14310410.4429156.643 因此總的所需卡車的工作量為6090minutes。 由于每輛卡車在一個(gè)班次內(nèi)的最大工作量為8h*60m=480minutes. 所以理論上最少車輛數(shù)K=6090/480=12.687，即13輛.6．1．2卡車的分配方案：根據(jù)上表，經(jīng)過分析可以得出每條路線卡車需運(yùn)輸?shù)拇螖?shù)表：路線連接鏟點(diǎn)路線連接卸點(diǎn)需要運(yùn)輸?shù)目偞螖?shù)15822113224223153543424481559470101111037110415然后，我們編制程序并經(jīng)過分析得出具體的卡車分配方案：卡車號(hào)路線連接鏟點(diǎn)路線連接卸點(diǎn)運(yùn)輸次數(shù)No.11545No.21537356No.33537No.42239No.54238No.623151038No.72113426No.88130No.98125223352No.109438No.1194321038No.1210347No.13104151011110366.1.3計(jì)算結(jié)果： 根據(jù)6.1.2得出的卡車分配方案，計(jì)算出結(jié)果如下： 出動(dòng)7輛鏟車，分別在1，2，3，4，8，9，10號(hào)鏟位上。出動(dòng)13輛卡車，按照上表中的安排進(jìn)行運(yùn)輸。卸點(diǎn)礦石漏倒裝場(chǎng)I倒裝場(chǎng)II巖場(chǎng)巖石漏目標(biāo)產(chǎn)量t1200013000130001300019000實(shí)際產(chǎn)量t1216613244132441309019250品質(zhì)因素30.5%30.0%30.4%總運(yùn)量：86313.9噸*公里?？偖a(chǎn)量：70994噸。這也是我們?cè)诶碚撟顑?yōu)解的基礎(chǔ)上對(duì)問題一得到的最終解。6．2模型二的求解6．2．1線性規(guī)劃模型的求解求解方法此模型中，我們?nèi)。?.8,與模型一類似，我們建立的是標(biāo)準(zhǔn)的線性規(guī)劃模型，所以初始較優(yōu)解可以方便的通過現(xiàn)成的matlab軟件求得結(jié)果（matlab腳本m文件程序見附錄二），求得的解按照所述原理通過一個(gè)簡(jiǎn)單的算法程序進(jìn)行排序和選擇（程序源代碼見附錄三），利用所得結(jié)果通過再次運(yùn)行同一matlab程序即可得所需解。計(jì)算結(jié)果通過第一次matlab的計(jì)算，我們得到如下表格所示的初始解：（單位：kt/h）鏟位1鏟位2鏟位3鏟位4鏟位5鏟位6鏟位7鏟位8鏟位9鏟位10礦石漏000.37500001.12500倒裝場(chǎng)Ⅰ00.811200.89371.37500000倒裝場(chǎng)Ⅱ00.50130.12020000.63720.500.4555巖場(chǎng)000000001.68751.3925巖石漏1.56250.16471.35280000000以及12.954(kt/h)從而可得本題中m=9,而n=7,即m>n,所以要繼續(xù)下一步對(duì)這9個(gè)鏟位的Ps進(jìn)行排序并從中選擇Ps最大的7個(gè)鏟位。通過計(jì)算，我們選出的鏟位為1，2，3，5，8，9，10。限制其他的鏟位Pij為0重新運(yùn)行matlab后我們得到最終結(jié)果如下表所示（單位：kt/h）鏟位1鏟位2鏟位3鏟位4鏟位5鏟位6鏟位7鏟位8鏟位9鏟位10礦石漏000.535500000.8040.16050倒裝場(chǎng)Ⅰ0．28551.14270.276801.37500000倒裝場(chǎng)Ⅱ00.16980.216800000.82100.6785巖場(chǎng)00000000.2231.68751.1695巖石漏1.56250.53550.818900.163100000以及最大總產(chǎn)量為8*同樣我們根據(jù)最終結(jié)果做得鏟位與卸點(diǎn)之間在最大產(chǎn)量?jī)?yōu)化目標(biāo)下所得的通路，具體結(jié)果如下圖：由上圖也可直觀看出解的合理性根據(jù)(*)式： 解出每條路線所需的卡車的工作量，如下表：路線連接鏟點(diǎn)路線連接卸點(diǎn)往返運(yùn)輸一次所需時(shí)間(minute)所需總的卡車工作時(shí)間(minute)1216.1429242.1431510.7429880.9142212.2429734.5712324.5429220.8862515.5429435.23126.0429729.23216.1429242.1433323.9429287.3143513.4429578.0435213.4429967.8865519.7429177.68681169429642.5438418.5429222.5149110.742996.68579412.54291103.7710310.1429365.1410410.4429637.014 因此總的所需卡車的工作量為9241.66minutes。 由于每輛卡車在一個(gè)班次內(nèi)的最大工作量為8h*60m=480minutes. 所以理論上最少車輛數(shù)K=9241.66/480=19.25，即20輛.滿足要求.6．2．2卡車的分配方案：根據(jù)上表，經(jīng)過分析可以得出每條路線卡車需運(yùn)輸?shù)拇螖?shù)表。路線連接鏟點(diǎn)路線連接卸點(diǎn)所需卡車運(yùn)輸總次數(shù)12151582226023925283128321533123543527255981428343841291994881033610461然后，我們編制程序并經(jīng)過分析得出具體的卡車分配方案：卡車號(hào)路線連接鏟點(diǎn)路線連接卸點(diǎn)卡車運(yùn)輸次數(shù)No.11215319No.25236No.35236No.41544No.52239No.62392221No.73119No.82528No.932151413No.108130No.118335No.1210450No.139438No.149438No.153535No.165591528No.1710336838No.1833129412358No.199191510No.2084121041181126.2.3計(jì)算結(jié)果： 根據(jù)6.2.2得出的卡車分配方案，計(jì)算出結(jié)果如下： 出動(dòng)7輛鏟車，分別在1，2，3，5，8，9，10號(hào)鏟位上。出動(dòng)20輛卡車，按照上表中的安排進(jìn)行運(yùn)輸。卸點(diǎn)礦石漏倒裝場(chǎng)I倒裝場(chǎng)II巖場(chǎng)巖石漏產(chǎn)量t1216624948154002479424948品質(zhì)因素30.5%29.6%30.4%總產(chǎn)量：102256噸。巖產(chǎn)量：49742噸。總運(yùn)量：155426噸*公里。這也是我們?cè)诶碚撟顑?yōu)解的基礎(chǔ)上對(duì)問題二得到的最終解。七模型結(jié)果的檢驗(yàn)，誤差分析及討論7．1結(jié)果檢驗(yàn)1、對(duì)路線排序選優(yōu)算法的檢驗(yàn)為了驗(yàn)證我們?cè)诔醪竭x優(yōu)的基礎(chǔ)上通過排序進(jìn)一步確定最優(yōu)路線的算法是否正確，我們通過從10個(gè)候選鏟位任意選擇7個(gè)鏟位，令剩余3個(gè)的Pij為0，代入模型二的matlab腳本程序運(yùn)行，窮舉計(jì)算種情況各自最大產(chǎn)量。（詳細(xì)結(jié)果見附錄（4））容易發(fā)現(xiàn)在所有的結(jié)果中，除少數(shù)組合不具有最優(yōu)解外，其余產(chǎn)量均不超過1.3萬(wàn)噸，均小于我們?cè)谀Ｐ投兴米畲螽a(chǎn)量，由此可以驗(yàn)證我們的算法具有較優(yōu)的準(zhǔn)確性與合理性。2、模擬檢驗(yàn)：考慮到我們僅僅只給出卡車的總體安排，即只有各條路線上的卡車數(shù)及安排而無(wú)具體排時(shí)計(jì)劃方案。雖然因?yàn)殡S機(jī)因素影響，裝卸時(shí)間與運(yùn)輸時(shí)間都不精確，從而排時(shí)計(jì)劃無(wú)效。但對(duì)整個(gè)生產(chǎn)過程進(jìn)行一次模擬是很有必要的。這是因?yàn)檫@樣不僅可以幫助我們檢驗(yàn)班次計(jì)劃可行性如何，同時(shí)還可以幫助我們了解哪些鏟點(diǎn)和卸點(diǎn)的卡車沖突較為嚴(yán)重，需要重點(diǎn)解決。 在模擬的過程中最關(guān)鍵的地方就是當(dāng)卡車請(qǐng)求時(shí)(卸完貨)，如何決定其下一步的分配。這里我們采用的是貪心算法，即當(dāng)卡車請(qǐng)求任務(wù)時(shí)，對(duì)所有電鏟進(jìn)行一次掃描，從而發(fā)現(xiàn)最需車的電鏟。將卡車分配往該電鏟即可。具體算法步驟如下：如果是剛卸完貨：將所有的電鏟按其與卡車所在地的距離進(jìn)行排序。按到達(dá)時(shí)間序掃描每個(gè)電鏟：卡車到達(dá)時(shí)該電鏟正在工作，則考察下個(gè)電鏟。該路線上的流量在某時(shí)間段內(nèi)已經(jīng)滿足該時(shí)間段內(nèi)的要求(根據(jù)Pij可求得)，則考察下個(gè)電鏟。不滿足a)b)，則將卡車配往該電鏟。沒有滿足c)的,則選取該時(shí)間段內(nèi)流量相對(duì)較小的路線對(duì)應(yīng)的電鏟。如果是剛裝上礦：將所有的卸點(diǎn)按其與卡車所在地的距離進(jìn)行排序。按到達(dá)時(shí)間序掃描每個(gè)卸點(diǎn)：卡車到達(dá)時(shí)該卸點(diǎn)正有卡車在卸貨，則考慮下個(gè)卸點(diǎn)。在該時(shí)間段內(nèi)該卸點(diǎn)的卸貨量已經(jīng)滿足該時(shí)間段內(nèi)的卸貨要求,則考察下個(gè)卸點(diǎn)。不滿足a)b),則將卡車配往該卸點(diǎn)。沒有滿足c)的，則選取該時(shí)間段內(nèi)卸貨量相對(duì)較少的卸點(diǎn)。通過模擬,我們得到一份長(zhǎng)達(dá)1000余行的生產(chǎn)計(jì)劃單。限于篇幅，僅列出部分于附錄六中。1對(duì)第一個(gè)問題進(jìn)行模擬：結(jié)果：卸點(diǎn)礦石漏倒裝場(chǎng)I倒裝場(chǎng)II巖場(chǎng)巖石漏目標(biāo)產(chǎn)量t1200013000130001300019000產(chǎn)量(t)1324413029131361324419714品質(zhì)因素30.33%30.45%30.25%需要卡車15輛?？傔\(yùn)量：89729.8目標(biāo)產(chǎn)量：70000t。實(shí)際產(chǎn)量：72367t。分析與結(jié)論：1，結(jié)果較為合理。通過上述模擬，我們得知15輛卡車在總運(yùn)量90000下完成生產(chǎn)任務(wù)是完全可行的。2，鏟點(diǎn)10沖突較為嚴(yán)重。分析得出的生產(chǎn)計(jì)劃單，我們得知鏟點(diǎn)10的沖突比較嚴(yán)重，從圖中也可看出有三條路線是連接鏟點(diǎn)10與卸點(diǎn)的，并且這三條路線里程都很短，卡車來(lái)回較頻繁，鏟點(diǎn)10負(fù)荷較大，容易產(chǎn)生沖突，實(shí)際調(diào)度車輛時(shí)需要重點(diǎn)考慮。2對(duì)第二個(gè)問題進(jìn)行模擬：結(jié)果：卸點(diǎn)礦石漏倒裝場(chǎng)I倒裝場(chǎng)II巖場(chǎng)巖石漏目標(biāo)產(chǎn)量t1216624948154002479424948產(chǎn)量(t)1262819172175562279220326品質(zhì)因素30.42%29.84%30.14% 利用現(xiàn)有的20輛卡車。目標(biāo)總產(chǎn)量：102256。實(shí)際總產(chǎn)量:92474t.分析與結(jié)論： 1，結(jié)果較為合理。通過上述的模擬，得知20輛卡車全部投入使用，達(dá)到總產(chǎn)量90000t以上,巖產(chǎn)量40000t以上是完全可行的。2，沖突均比較嚴(yán)重。由得到的生產(chǎn)計(jì)劃及以上的數(shù)據(jù)分析可知各鏟點(diǎn)幾乎均為滿負(fù)荷運(yùn)載，卡車出現(xiàn)較多的等待情況。因此做好卡車的實(shí)時(shí)調(diào)度是非常重要的。 模擬得出的結(jié)果與理論分析有一定的差距。究其原因，可知： 1，模擬算法不夠好。在這里貪心算法無(wú)法得到最優(yōu)解，因此這次模擬不是最優(yōu)的生產(chǎn)計(jì)劃。但貪心算法簡(jiǎn)單易行，可以解出最小目標(biāo)值的一個(gè)上界或最大目標(biāo)值的一個(gè)下界(相對(duì)最優(yōu)解)，從而來(lái)檢驗(yàn)我們的理論分析的正確與否。 2，實(shí)際調(diào)度時(shí)也于理論上的分析有一定的差距?？紤]到各種隨機(jī)因素，如裝卸時(shí)間與運(yùn)輸時(shí)間不精確，車輛突然損壞，電鏟故障等，這里我們閱讀了大量的有關(guān)露天礦卡車調(diào)度的算法文章。建議參考美國(guó)模塊公司dispatch系統(tǒng)中所用的動(dòng)態(tài)規(guī)劃方法結(jié)合實(shí)際礦場(chǎng)情況進(jìn)行實(shí)時(shí)調(diào)度。實(shí)踐證明這是卡車調(diào)度中最為有效的算法之一。7．2結(jié)果分析與討論7．2．1靈敏度分析問題一的分析為了考察問題一的線性規(guī)劃模型中各參數(shù)對(duì)目標(biāo)函數(shù)的影響，以便能夠在實(shí)際生產(chǎn)中地抓住主要因素，作出盡可能有效的降低總運(yùn)量從而降低生產(chǎn)成本的決策，我們對(duì)此模型作了靈敏度的分析。具體做法為分別對(duì)各鏟位的礦石巖石出運(yùn)量（Ki/H,Yi/H），卡車卸載效率(W/TK),鏟車卸載效率（W/TD）及各卸點(diǎn)要求產(chǎn)量（Rj）的輸入數(shù)據(jù)進(jìn)行處理，取其依次比原值降低1％～10％，通過matlab求解取得目標(biāo)函數(shù)M相應(yīng)的變化，并利用matlab的作圖工具將M隨各參數(shù)變化的趨勢(shì)在同一個(gè)坐標(biāo)軸上表示出來(lái)，具體圖像如下：（圖像說明：橫坐標(biāo)為參數(shù)與原始值的比值，依次為從0.9～1.0,縱坐標(biāo)為目標(biāo)值與原始值的比值）由圖可見：1）．車的最大效率（W/TK）的變化對(duì)總運(yùn)量幾乎不產(chǎn)生影響，即增大卡車的滿載量或是降低卡車的卸貨時(shí)間即提高卡車的卸貨速度對(duì)減小總運(yùn)量即降低總成本幾乎沒有貢獻(xiàn)。2）．鏟位的礦石巖石最大出運(yùn)量（Qi/H,Yi/H）和鏟車的最大效率(W/TD)對(duì)總運(yùn)量的影響略大，但總體說來(lái)仍然不明顯，即試圖通過增大鏟位的礦石巖石含量或是降低鏟車裝車時(shí)間即提高鏟車的裝車速度來(lái)降低總成本也不會(huì)有有效效果。3）．卸點(diǎn)的要求產(chǎn)量對(duì)總運(yùn)量的影響相比之下很大，即適當(dāng)降低卸點(diǎn)的產(chǎn)量要求可以大大減少總成本。綜上所述可見，若希望有效降低總成本，決策者應(yīng)主要從適當(dāng)降低卸點(diǎn)的要求產(chǎn)量著手，在產(chǎn)量與成本之間得到符合實(shí)際要求的正確決策。同時(shí)，通過對(duì)各參數(shù)改變情況下得到的最佳路線及其Pij的比較分析，容易發(fā)現(xiàn)雖然最佳流量有少量變化，但最佳路線完全沒有變化，這說明我們建立的線性規(guī)劃模型對(duì)于選取最佳路線具有良好的穩(wěn)定性和準(zhǔn)確性，具體到問題一，也說明我們所選得的7各鏟位及其路線的確是應(yīng)有的最優(yōu)路線。問題二的分析與問題一類似，我們對(duì)問題二的線性規(guī)劃模型分別對(duì)鏟位礦石巖石出運(yùn)量、鏟車的最大效率、卸點(diǎn)的產(chǎn)量要求、卡車的最大效率及提供卡車數(shù)量這些參數(shù)進(jìn)行了靈敏度的分析，并作出目標(biāo)函數(shù)隨參數(shù)變化的趨勢(shì)圖，具體見下：（圖形一，坐標(biāo)軸取法類似對(duì)模型一的分析處理）（圖形二，目標(biāo)函數(shù)隨卡車數(shù)量的變化曲線，橫坐標(biāo)代表卡車數(shù)，縱坐標(biāo)為總產(chǎn)量與20輛卡車約束下求得的最大產(chǎn)量的比值）由圖可見：1．車最大卸載效率、鏟位礦石巖石最大出運(yùn)量、卸點(diǎn)產(chǎn)量要求、鏟車最大效率對(duì)最大總產(chǎn)量的影響依次增大，所以決策者若希望有效提高生產(chǎn)總產(chǎn)量，因?qū)⒓夹g(shù)改進(jìn)的主要精力置于鏟車的效率（W/TD）提高上，即提高卡車的最大運(yùn)載量或是加快鏟車的裝車速度。但是總體來(lái)說，這四個(gè)參數(shù)對(duì)于大幅度提高總產(chǎn)量并無(wú)明顯貢獻(xiàn)。2．在一定范圍內(nèi)，最大總產(chǎn)量隨卡車數(shù)量的增大明顯提高，但當(dāng)卡車數(shù)將增大到一定數(shù)目后，最大總產(chǎn)量已經(jīng)不再變化，這是因?yàn)槭艿界P位礦石巖石含量的限制，此時(shí)所有礦石已完全運(yùn)至卸點(diǎn)。由此可見確定合適數(shù)量的卡車數(shù)目是制定最優(yōu)生產(chǎn)計(jì)劃以達(dá)到最大總產(chǎn)量的關(guān)鍵所在。7．2．2誤差及穩(wěn)定性分析算法引入誤差在線性規(guī)劃中忽略整數(shù)約束引入的誤差。排序選優(yōu)算法并不一定是全局最優(yōu)的算法。假設(shè)引入的誤差關(guān)于卡車等待時(shí)間處理的假設(shè)（假設(shè)9）我們的模型將卡車無(wú)等待定義為在一個(gè)班次（8個(gè)小時(shí)）內(nèi)等待時(shí)間總和不超過10分鐘，這樣的假設(shè)是合理的。因?yàn)閷⑽覀冊(cè)诖思僭O(shè)下得到的結(jié)果輸入模擬過程可見，在卡車的調(diào)度安排中，等待只發(fā)生在某輛卡車從原來(lái)服務(wù)路線轉(zhuǎn)往另一無(wú)法由原有卡車完全完成運(yùn)送任務(wù)的路線時(shí)，即可以說是轉(zhuǎn)往“幫助”其他路線時(shí)，且等待時(shí)間只有幾分鐘，這與一個(gè)班次的時(shí)間相比比例是很小的，而且卡車在各路線之間的移動(dòng)可以充分的提高卡車的利用率，所以在此假設(shè)下得到的優(yōu)化結(jié)果是合理的，即此假設(shè)引入的誤差是很小的。關(guān)于裝車卸車平均時(shí)間的假設(shè)（假設(shè)10）根據(jù)題目所給條件，我們從簡(jiǎn)化模型的立場(chǎng)出發(fā)，將TK、TD在整個(gè)過程中視為常量處理，但是在實(shí)際生產(chǎn)中，TK、TD具有很大的隨機(jī)特性，將其處理為一個(gè)合理隨機(jī)過程將使模型具有更好的準(zhǔn)確性（這一點(diǎn)我們將在模型的推廣中進(jìn)一步深入討論），但是考慮到TK、TD與一個(gè)生產(chǎn)班次相比都是很小的量，即在一個(gè)班次中發(fā)生的裝車卸車次數(shù)都是很大的量（這一點(diǎn)從我們所求得的解中也容易看出）根據(jù)隨機(jī)概率論的大數(shù)定理，TK、TD的值將趨于它的均值，因而我們的假設(shè)是合理的，它可能引入的誤差也是很小的。微小的輸入擾動(dòng)引起由于在實(shí)際應(yīng)用中，各輸入模型的參數(shù)值不可能做到完全與其實(shí)際真實(shí)值相符，難免存在誤差，所以分析某些參數(shù)的微小輸入擾動(dòng)對(duì)模型的影響是必要的。在本模型的個(gè)輸入?yún)?shù)中，有可能產(chǎn)生擾動(dòng)的為鏟位的礦石巖石含量、卡車的卸載效率、鏟車的效率及個(gè)路線的長(zhǎng)度。根據(jù)前述的靈敏度分析，可見在實(shí)際應(yīng)用中，這些參數(shù)的微小輸入擾動(dòng)隊(duì)最終結(jié)果的影響都很小，說明本模型具有較好穩(wěn)定性。八模型的改進(jìn)方向與推廣8．1．1模型的改進(jìn)：1、考慮到我們所建的模型在線性規(guī)劃所得的基礎(chǔ)上進(jìn)行動(dòng)態(tài)模擬算法工作量比較大，尤其是對(duì)于大規(guī)模的問題有一定的局限性，我們討論了其他改進(jìn)的可能性：在線性規(guī)劃的基礎(chǔ)上，我們要求解的最優(yōu)的車鏟匹配其實(shí)是綜合考慮實(shí)現(xiàn)鏟車與卡車的最大效率。而鏟車、卡車的效率與車鏟比有著密切的關(guān)系：容易推知，在一定范圍內(nèi)，鏟車的效率隨車鏟比的增大而增大，但當(dāng)車鏟比增大到一定程度時(shí)，鏟車效率已達(dá)到最大利用狀態(tài)，這時(shí)若繼續(xù)增大車鏟比，反而會(huì)使卡車的效率降低，所以我們可以將鏟車與卡車的匹配問題轉(zhuǎn)化為一個(gè)對(duì)最優(yōu)車鏟比進(jìn)行研究的問題。我們考慮運(yùn)用排隊(duì)論理論，將卡車與鏟車的匹配問題轉(zhuǎn)化為一個(gè)有限源的多服務(wù)臺(tái)服務(wù)系統(tǒng)M/M/c/k，將卡車視為服務(wù)系統(tǒng)中的顧客，鏟車視為服務(wù)臺(tái)，鏟車的裝車時(shí)間視為系統(tǒng)服務(wù)時(shí)間，由題意可得其中c=k,即服務(wù)臺(tái)數(shù)與等待空間數(shù)相等，這屬于排隊(duì)論中的損失制模型。同時(shí)，系統(tǒng)的服務(wù)時(shí)間為參數(shù)為TD的指數(shù)分布，由此可得一個(gè)傳統(tǒng)的排隊(duì)系統(tǒng)優(yōu)化問題，從而可以利用排隊(duì)論的理論計(jì)算出不同車鏟比下的車鏟效率，推算出不同優(yōu)化目標(biāo)下的最優(yōu)車鏟比，實(shí)現(xiàn)對(duì)此給定的服務(wù)系統(tǒng)得出最優(yōu)的運(yùn)營(yíng)方案即卡車對(duì)與鏟車的配給方案。排隊(duì)論運(yùn)用于服務(wù)系統(tǒng)，是一種傳統(tǒng)有效的方法，而且有比較成熟的理論基礎(chǔ)，但是由于時(shí)間有限，我們沒有能夠完成完整的模型建立和求解，只能在以后再進(jìn)行進(jìn)一步的討論和研究。2同樣在線性規(guī)劃的基礎(chǔ)上，我們考慮了模型更一般的改進(jìn)方向，即建立動(dòng)態(tài)規(guī)劃模型對(duì)卡車進(jìn)行調(diào)度。由于動(dòng)態(tài)規(guī)劃算法種類繁多，各具特色，因而能有較廣的應(yīng)用范圍，相信對(duì)模型是一個(gè)很好的改進(jìn)。我們特別的想到應(yīng)用自動(dòng)元胞機(jī)理論實(shí)現(xiàn)動(dòng)態(tài)規(guī)劃對(duì)卡車運(yùn)輸系統(tǒng)實(shí)行調(diào)度這種比較新的方法，但仍然很遺憾的由于時(shí)間的限制，我們無(wú)法將自己的想法在本篇文章的加以實(shí)現(xiàn)。3在誤差分析中，我們分析了將裝車卸車的時(shí)間用常數(shù)的平均時(shí)間來(lái)處理造成的誤差，雖然誤差不大，但是我們考慮若在模擬程序中將其用某一合理的隨機(jī)分布來(lái)實(shí)現(xiàn)，應(yīng)該能夠減小模型的誤差，且使其更接近實(shí)際并使得到的生產(chǎn)計(jì)劃在實(shí)際的調(diào)度運(yùn)用中有更大的適用性。8．1．2模型的推廣：1，正如開篇所述，對(duì)于普通的礦場(chǎng)卡車調(diào)度系統(tǒng)，通常由三部分構(gòu)成(見參考文獻(xiàn)[1])。最短道路模型，線性規(guī)劃模型，動(dòng)態(tài)規(guī)劃模型。其中，最短道路模型用來(lái)確定整個(gè)礦山道路網(wǎng)的最小的運(yùn)行時(shí)間。線性規(guī)劃模型利用最短路模型的結(jié)果來(lái)確定成個(gè)道路網(wǎng)中最佳的路線流量。動(dòng)態(tài)規(guī)劃模型根據(jù)最佳路線流量來(lái)實(shí)施調(diào)配卡車。至此，我們已經(jīng)做好了其中的先行規(guī)劃模型，考慮卡車的實(shí)時(shí)調(diào)配，如果礦山規(guī)模不太大的話，用貪心來(lái)模擬調(diào)配效果也不錯(cuò)。所以，只用加上最短道路模型,我們便可對(duì)任意一個(gè)小型的露天礦場(chǎng)進(jìn)行卡車作業(yè)調(diào)度了。2，當(dāng)然，該模型并不局限于卡車的調(diào)度。修改部分參數(shù)，仍能夠應(yīng)用到一般意義上普通作業(yè)調(diào)度中。九模型的優(yōu)缺點(diǎn)評(píng)價(jià)優(yōu)點(diǎn)：本模型采用逐步優(yōu)化的思想，將一個(gè)復(fù)雜的問題分解為若干相互聯(lián)系且層層深入的子問題，避免了建立由于過于復(fù)雜而應(yīng)用具有局限性的模型。通過對(duì)優(yōu)化目標(biāo)和約束條件的合理簡(jiǎn)化，建立了標(biāo)準(zhǔn)的線性規(guī)劃模型，可以利用現(xiàn)成的規(guī)劃軟件如matlab、lingo等方便求解，且受問題規(guī)模大小的制約不大，并為深入分析提供了最優(yōu)理論解。計(jì)算機(jī)模擬的運(yùn)用，全面結(jié)合理論解與模擬結(jié)果，最終得到較為完善的最優(yōu)解，且能較全面的得出車輛的安排計(jì)劃。缺點(diǎn)：沒有考慮卡車在路線之間轉(zhuǎn)移花費(fèi)的時(shí)間。沒有考慮隨機(jī)因素對(duì)裝卸時(shí)間、卸車時(shí)間的影響。沒有給出詳細(xì)的排時(shí)計(jì)劃。 參考文獻(xiàn)[1]張佰根，露天礦卡車計(jì)算機(jī)自動(dòng)調(diào)度系統(tǒng)調(diào)度算法設(shè)計(jì)，金屬礦山，315期：35-38，2002。[2]嚴(yán)穎等，運(yùn)籌學(xué)隨機(jī)模型，北京：中國(guó)人民大學(xué)出版社，1995年[3]北京鋼鐵學(xué)院采礦系，采礦知識(shí)，北京：冶金工業(yè)出版社，1974年[4]張智星，MATLAB程序設(shè)計(jì)與應(yīng)用，北京：清華大學(xué)出版社，2002年。附錄一%第一問題的matlab腳本程序f=[5.261.94.425.890.645.190.993.865.611.764.211.93.725.611.2741.133.164.561.832.951.272.253.512.742.742.252.813.652.62.461.480.782.464.211.92.041.622.463.720.643.091.271.065.051.273.510.50.576.1];f=f';a1=[111];a1(50)=0;a2=[00011];a2(50)=0;%%%%%%%%%%%%%%%%%%%%%%a3(6)=1;a3(7)=1;a3(8)=1;a3(50)=0;%%%%%%%%%%%%%%%%%%%%%%a4(9)=1;a4(10)=1;a4(50)=0;%%%%%%%%%%%%%%%%%%%%%%a5(11)=1;a5(12)=1;a5(13)=1;a5(50)=0;%%%%%%%%%%%%%%%%%%%%%%a6(14)=1;a6(15)=1;a6(50)=0;%%%%%%%%%%%%%%%%%%%%%%a7(16)=1;a7(17)=1;a7(18)=1;a7(50)=0;%%%%%%%%%%%%%%%%%%%%%%a8(19)=1;a8(20)=1;a8(50)=0;%%%%%%%%%%%%%%%%%%%%%%a9(21)=1;a9(22)=1;a9(23)=1;a9(50)=0;%%%%%%%%%%%%%%%%%%%%%%a10(24)=1;a10(25)=1;a10(50)=0;%%%%%%%%%%%%%%%%%%%%%%a11(26)=1;a11(27)=1;a11(28)=1;a11(50)=0;%%%%%%%%%%%%%%%%%%%%%%a12(29)=1;a12(30)=1;a12(50)=0;%%%%%%%%%%%%%%%%%%%%%%a13(31)=1;a13(32)=1;a13(33)=1;a13(50)=0;%%%%%%%%%%%%%%%%%%%%%%a14(34)=1;a14(35)=1;a14(50)=0;%%%%%%%%%%%%%%%%%%%%%%a15(36)=1;a15(37)=1;a15(38)=1;a15(50)=0;%%%%%%%%%%%%%%%%%%%%%%a16(39)=1;a16(40)=1;a16(50)=0;%%%%%%%%%%%%%%%%%%%%%%a17(41)=1;a17(42)=1;a17(43)=1;a17(50)=0;%%%%%%%%%%%%%%%%%%%%%%a18(44)=1;a18(45)=1;a18(50)=0;%%%%%%%%%%%%%%%%%%%%%%a19(46)=1;a19(47)=1;a19(48)=1;a19(50)=0;%%%%%%%%%%%%%%%%%%%%%%a20(49)=1;a20(50)=1;%%%%%%%%%%%%%%%%%%%%%%a21(1)=0.285-0.3;a21(6)=0.285-0.28;a21(11)=0.285-0.29;a21(16)=0.285-0.32;a21(21)=0.285-0.31;a21(26)=0.285-0.33;a21(31)=0.285-0.32;a21(36)=0.285-0.31;a21(41)=0.285-0.33;a21(46)=0.285-0.31;a21(50)=0;%%%%%%%%%%%%%%%%%%%%%%a22(1)=0.3-0.305;a22(6)=0.28-0.305;a22(11)=0.29-0.305;a22(16)=0.32-0.305;a22(21)=0.31-0.305;a22(26)=0.33-0.305;a22(31)=0.32-0.305;a22(36)=0.31-0.305;a22(41)=0.33-0.305;a22(46)=0.31-0.305;a22(50)=0;%%%%%%%%%%%%%%%%%%%%%%a23(2)=0.285-0.3;a23(7)=0.285-0.28;a23(12)=0.285-0.29;a23(17)=0.285-0.32;a23(22)=0.285-0.31;a23(27)=0.285-0.33;a23(32)=0.285-0.32;a23(37)=0.285-0.31;a23(42)=0.285-0.33;a23(47)=0.285-0.31;a23(50)=0;%%%%%%%%%%%%%%%%%%%%%%a24(2)=0.3-0.305;a24(7)=0.28-0.305;a24(12)=0.29-0.305;a24(17)=0.32-0.305;a24(22)=0.31-0.305;a24(27)=0.33-0.305;a24(32)=0.32-0.305;a24(37)=0.31-0.305;a24(42)=0.33-0.305;a24(47)=0.31-0.305;a24(50)=0;%%%%%%%%%%%%%%%%%%%%%%a25(3)=0.285-0.3;a25(8)=0.285-0.28;a25(13)=0.285-0.29;a25(18)=0.285-0.32;a25(23)=0.285-0.31;a25(28)=0.285-0.33;a25(33)=0.285-0.32;a25(38)=0.285-0.31;a25(43)=0.285-0.33;a25(48)=0.285-0.31;a25(50)=0;%%%%%%%%%%%%%%%%%%%%%%a26(3)=0.3-0.305;a26(8)=0.28-0.305;a26(13)=0.29-0.305;a26(18)=0.32-0.305;a26(23)=0.31-0.305;a26(28)=0.33-0.305;a26(33)=0.32-0.305;a26(38)=0.31-0.305;a26(43)=0.33-0.305;a26(48)=0.31-0.305;a26(50)=0;%%%%%%%%%%%%%%%%%%%%%%a27(1)=1;a27(6)=1;a27(11)=1;a27(16)=1;a27(21)=1;a27(26)=1;a27(31)=1;a27(36)=1;a27(41)=1;a27(46)=1;a27(50)=0;%%%%%%%%%%%%%%%%%%%%%%a28(2)=1;a28(7)=1;a28(12)=1;a28(17)=1;a28(22)=1;a28(27)=1;a28(32)=1;a28(37)=1;a28(42)=1;a28(47)=1;a28(50)=0;%%%%%%%%%%%%%%%%%%%%%%a29(3)=1;a29(8)=1;a29(13)=1;a29(18)=1;a29(23)=1;a29(28)=1;a29(33)=1;a29(38)=1;a29(43)=1;a29(48)=1;a29(50)=0;%%%%%%%%%%%%%%%%%%%%%%a30(4)=1;a30(9)=1;a30(14)=1;a30(19)=1;a30(24)=1;a30(29)=1;a30(34)=1;a30(39)=1;a30(44)=1;a30(49)=1;a30(50)=0;%%%%%%%%%%%%%%%%%%%%%%a31(5)=1;a31(10)=1;a31(15)=1;a31(20)=1;a31(25)=1;a31(30)=1;a31(35)=1;a31(40)=1;a31(45)=1;a31(50)=1;%%%%%%%%%%%%%%%%%%%%%%a32(1)=-1;a32(6)=-1;a32(11)=-1;a32(16)=-1;a32(21)=-1;a32(26)=-1;a32(31)=-1;a32(36)=-1;a32(41)=-1;a32(46)=-1;a32(50)=0;%%%%%%%%%%%%%%%%%%%%%%a33(2)=-1;a33(7)=-1;a33(12)=-1;a33(17)=-1;a33(22)=-1;a33(27)=-1;a33(32)=-1;a33(37)=-1;a33(42)=-1;a33(47)=-1;a33(50)=0;%%%%%%%%%%%%%%%%%%%%%%a34(3)=-1;a34(8)=-1;a34(13)=-1;a34(18)=-1;a34(23)=-1;a34(28)=-1;a34(33)=-1;a34(38)=-1;a34(43)=-1;a34(48)=-1;a34(50)=0;%%%%%%%%%%%%%%%%%%%%%%a35(4)=-1;a35(9)=-1;a35(14)=-1;a35(19)=-1;a35(24)=-1;a35(29)=-1;a35(34)=-1;a35(39)=-1;a35(44)=-1;a35(49)=-1;a35(50)=0;%%%%%%%%%%%%%%%%%%%%%%a36(5)=-1;a36(10)=-1;a36(15)=-1;a36(20)=-1;a36(25)=-1;a36(30)=-1;a36(35)=-1;a36(40)=-1;a36(45)=-1;a36(50)=-1;%%%%%%%%%%%%%%%%%%%%%%a37(1)=-1;a37(50)=0;a38(2)=-1;a38(50)=0;a39(3)=-1;a39(50)=0;a40(4)=-1;a40(50)=0;a41(5)=-1;a41(50)=0;a42(6)=-1;a42(50)=0;a43(7)=-1;a43(50)=0;a44(8)=-1;a44(50)=0;a45(9)=-1;a46(10)=-1;a47(11)=-1;a48(12)=-1;a49(13)=-1;a50(14)=-1;a51(15)=-1;a52(16)=-1;a53(17)=-1;a54(18)=-1;a55(19)=-1;a56(20)=-1;a57(21)=-1;a58(22)=-1;a59(23)=-1;a60(24)=-1;a61(25)=-1;a62(26)=-1;a63(27)=-1;a64(28)=-1;a65(29)=-1;a66(30)=-1;a67(31)=-1;a68(32)=-1;a69(33)=-1;a70(34)=-1;a71(35)=-1;a72(36)=-1;a73(37)=-1;a74(38)=-1;a75(39)=-1;a76(40)=-1;a77(41)=-1;a78(42)=-1;a79(43)=-1;a80(44)=-1;a81(45)=-1;a82(46)=-1;a83(47)=-1;a84(48)=-1;a85(49)=-1;a86(50)=-1;a45(50)=0;a46(50)=0;a47(50)=0;a48(50)=0;a49(50)=0;a50(50)=0;a51(50)=0;a52(50)=0;a53(50)=0;a54(50)=0;a55(50)=0;a56(50)=0;a57(50)=0;a58(50)=0;a59(50)=0;a60(50)=0;a61(50)=0;a62(50)=0;a63(50)=0;a64(50)=0;a65(50)=0;a66(50)=0;a67(50)=0;a68(50)=0;a69(50)=0;a70(50)=0;a71(50)=0;a72(50)=0;a73(50)=0;a74(50)=0;a75(50)=0;a76(50)=0;a77(50)=0;a78(50)=0;a79(50)=0;a80(50)=0;a81(50)=0;a82(50)=0;a83(50)=0;a84(50)=0;a85(50)=0;%%%%%%%%%%%%%%%%%%%%a87=[11111];a87(50)=0;%%%%%%%%%%%%%%%%%%%%a88(6)=1;a88(7)=1;a88(8)=1;a88(9)=1;a88(10)=1;a88(50)=0;%%%%%%%%%%%%%%%%%%%%%%a89(11)=1;a89(12)=1;a89(13)=1;a89(14)=1;a89(15)=1;a89(50)=0;%%%%%%%%%%%%%%%%%%%%%%a90(16)=1;a90(17)=1;a90(18)=1;a90(19)=1;a90(20)=1;a90(50)=0;%%%%%%%%%%%%%%%%%%%%%%a91(11)=1;a91(12)=1;a91(13)=1;a91(14)=1;a91(15)=1;a91(50)=0;%%%%%%%%%%%%%%%%%%%%%%a92(26)=1;a92(27)=1;a92(28)=1;a92(29)=1;a92(30)=1;a92(50)=0;%%%%%%%%%%%%%%%%%%%%%%a93(31)=1;a93(32)=1;a93(33)=1;a93(34)=1;a93(35)=1;a93(50)=0;%%%%%%%%%%%%%%%%%%%%%%a94(36)=1;a94(37)=1;a94(38)=1;a94(39)=1;a94(40)=1;a94(50)=0;%%%%%%%%%%%%%%%%%%%%%%a95(41)=1;a95(42)=1;a95(43)=1;a95(44)=1;a95(45)=1;a95(50)=0;%%%%%%%%%%%%%%%%%%%%%%a96(46)=1;a96(47)=1;a96(48)=1;a96(49)=1;a96(50)=1;a96(50)=1;%%%%%%%%%%%%%%%%%%%%%％b=[9500/812500/810500/811000/810000/813500/810500/810500/811000/811500/812500/813500/810500/810500/813000/811500/813500/813500/812500/812500/800000030803080308030803080-12000/8-13000/8-13000/8-13000/8-19000/8000000000000000000000000000000000000000000000000001848184818481848184818481848184818481848];b=b';A=[a1;a2;a3;a4;a5;a6;a7;a8;a9;a10;a11;a12;a13;a14;a15;a16;a17;a18;a19;a20;a21;a22;a23;a24;a25;a26;a27;a28;a29;a30;a31;a32;a33;a34;a35;a36;a37;a38;a39;a40;a41;a42;a43;a44;a45;a46;a47;a48;a49;a50;a51;a52;a53;a54;a55;a56;a57;a58;a59;a60;a61;a62;a63;a64;a65;a66;a67;a68;a69;a70;a71;a72;a73;a74;a75;a76;a77;a78;a79;a80；a81;a82;a83;a84;a85;a86;a87;a88;a89;a90;a91;a92;a93;a94;a95;a96];[x,fval,exitflag,output]=linprog(f,A,b,[],[]);附錄二%第二問題的matlab腳本程序f=[0.80.80.8110.80.80.8110.80.80.8110.80.80.8110.80.80.8110.80.80.8110.80.80.8110.80.80.8110.80.80.8110.80.80.811];f=-f';s=[5.261.94.425.890.645.190.993.865.611.764.211.93.725.611.2741.133.164.561.832.951.272.253.512.742.742.252.813.652.62.461.480.782.464.211.92.041.622.463.720.643.091.271.065.051.273.510.50.576.1];s=s+4*28/60;％％％％％％％％％％％％％％％％％％a1=[111];a1(50)=0;a2=[00011];a2(50)=0;%%%%%%%%%%%%%%%%%%%%%%a3(6)=1;a3(7)=1;a3(8)=1;a3(50)=0;%%%%%%%%%%%%%%%%%%%%%%a4(9)=1;a4(10)=1;a4(50)=0;%%%%%%%%%%%%%%%%%%%%%%a5(11)=1;a5(12)=1;a5(13)=1;a5(50)=0;%%%%%%%%%%%%%%%%%%%%%%a6(14)=1;a6(15)=1;a6(50)=0;%%%%%%%%%%%%%%%%%%%%%%a7(16)=1;a7(17)=1;a7(18)=1;a7(50)=0;%%%%%%%%%%%%%%%%%%%%%%a8(19)=1;a8(20)=1;a8(50)=0;%%%%%%%%%%%%%%%%%%%%%%a9(21)=1;a9(22)=1;a9(23)=1;a9(50)=0;%%%%%%%%%%%%%%%%%%%%%%a10(24)=1;a10(25)=1;a10(50)=0;%%%%%%%%%%%%%%%%%%%%%%a11(26)=1;a11(27)=1;a11(28)=1;a11(50)=0;%%%%%%%%%%%%%%%%%%%%%%a12(29)=1;a12(30)=1;a12(50)=0;%%%%%%%%%%%%%%%%%%%%%%a13(31)=1;a13(32)=1;a13(33)=1;a13(50)=0;%%%%%%%%%%%%%%%%%%%%%%a14(34)=1;a14(35)=1;a14(50)=0;%%%%%%%%%%%%%%%%%%%%%%a15(36)=1;a15(37)=1;a15(38)=1;a15(50)=0;%%%%%%%%%%%%%%%%%%%%%%a16(39)=1;a16(40)=1;a16(50)=0;%%%%%%%%%%%%%%%%%%%%%%a17(41)=1;a17(42)=1;a17(43)=1;a17(50)=0;%%%%%%%%%%%%%%%%%%%%%%a18(44)=1;a18(45)=1;a18(50)=0;%%%%%%%%%%%%%%%%%%%%%%a19(46)=1;a19(47)=1;a19(48)=1;a19(50)=0;%%%%%%%%%%%%%%%%%%%%%%a20(49)=1;a20(50)=1;%%%%%%%%%%%%%%%%%%%%%%a21(1)=0.285-0.3;a21(6)=0.285-0.28;a21(11)=0.285-0.29;a21(16)=0.285-0.32;a21(21)=0.285-0.31;a21(26)=0.285-0.33;a21(31)=0.285-0.32;a21(36)=0.285-0.31;a21(41)=0.285-0.33;a21(46)=0.285-0.31;a21(50)=0;%%%%%%%%%%%%%%%%%%%%%%a22(1)=0.3-0.305;a22(6)=0.28-0.305;a22(11)=0.29-0.305;a22(16)=0.32-0.305;a22(21)=0.31-0.305;a22(26)=0.33-0.305;a22(31)=0.32-0.305;a22(36)=0.31-0.305;a22(41)=0.33-0.305;a22(46)=0.31-0.305;a22(50)=0;%%%%%%%%%%%%%%%%%%%%%%a23(2)=0.285-0.3;a23(7)=0.285-0.28;a23(12)=0.285-0.29;a23(17)=0.285-0.32;a23(22)=0.285-0.31;a23(27)=0.285-0.33;a23(32)=0.285-0.32;a23(37)=0.285-0.31;a23(42)=0.285-0.33;a23(47)=0.285-0.31;a23(50)=0;%%%%%%%%%%%%%%%%%%%%%%a24(2)=0.3-0.305;a24(7)=0.28-0.305;a24(12)=0.29-0.305;a24(17)=0.32-0.305;a24(22)=0.31-0.305;a24(27)=0.33-0.305;a24(32)=0.32-0.305;a24(37)=0.31-0.305;a24(42)=0.33-0.305;a24(47)=0.31-0.305;a24(50)=0;%%%%%%%%%%%%%%%%%%%%%%a25(3)=0.285-0.3;a25(8)=0.285-0.28;a25(13)=0.285-0.29;a25(18)=0.285-0.32;a25(23)=0.285-0.31;a25(28)=0.285-0.33;a25(33)=0.285-0.32;a25(38)=0.285-0.31;a25(43)=0.285-0.33;a25(48)=0.285-0.31;a25(50)=0;%%%%%%%%%%%%%%%%%%%%%%a26(3)=0.3-0.305;a26(8)=0.28-0.305;a26(13)=0.29-0.305;a26(18)=0.32-0.305;a26(23)=0.31-0.305;a26(28)=0.33-0.305;a26(33)=0.32-0.305;a26(38)=0.31-0.305;a26(43)=0.33-0.305;a26(48)=0.31-0.305;a26(50)=0;%%%%%%%%%%%%%%%%%%%%%%a27(1)=1;a27(6)=1;a27(11)=1;a27(16)=1;a27(21)=1;a27(26)=1;a27(31)=1;a27(36)=1;a27(41)=1;a27(46)=1;a27(50)=0;%%%%%%%%%%%%%%%%%%%%%%a28(2)=1;a28(7)=1;a28(12)=1;a28(17)=1;a28(22)=1;a28(27)=1;a28(32)=1;a28(37)=1;a28(42)=1;a28(47)=1;a28(50)=0;%%%%%%%%%%%%%%%%%%%%%%a29(3)=1;a29(8)=1;a29(13)=1;a29(18)=1;a29(23)=1;a29(28)=1;a29(33)=1;a29(38)=1;a29(43)=1;a29(48)=1;a29(50)=0;%%%%%%%%%%%%%%%%%%%%%%a30(4)=1;a30(9)=1;a30(14)=1;a30(19)=1;a30(24)=1;a30(29)=1;a30(34)=1;a30(39)=1;a30(44)=1;a30(49)=1;a30(50)=0;%%%%%%%%%%%%%%%%%%%%%%a31(5)=1;a31(10)=1;a31(15)=1;a31(20)=1;a31(25)=1;a31(30)=1;a31(35)=1;a31(40)=1;a31(45)=1;a31(50)=1;%%%%%%%%%%%%%%%%%%%%%%a32(1)=-1;a32(6)=-1;a32(11)=-1;a32(16)=-1;a32(21)=-1;a32(26)=-1;a32(31)=-1;a32(36)=-1;a32(41)=-1;a32(46)=-1;a32(50)=0;%%%%%%%%%%%%%%%%%%%%%%a33(2)=-1;a33(7)=-1;a33(12)=-1;a33(17)=-1;a33(22)=-1;a33(27)=-1;a33(32)=-1;a33(37)=-1;a33(42)=-1;a33(47)=-1;a33(50)=0;%%%%%%%%%%%%%%%%%%%%%%a34(3)=-1;a34(8)=-1;a34(13)=-1;a34(18)=-1;a34(23)=-1;a34(28)=-1;a34(33)=-1;a34(38)=-1;