СИСТЕМЫ АНАЛИЗА И ОБРАБОТКИ ДАННЫХ

Разработан метод интеллектуального поиска точных решений задачи планирования открытых горных работ. Метод реализован в рамках парадигмы программирования в ограничениях, что позволяет совместно обрабатывать разнородные количественные и качественные ограничения (в частности, экономические, технологические и др.), а также поддерживать развивающуюся модель предметной области, открытую для добавления новых или удаления имеющихся ограничений. В модель можно добавлять различные ограничения, включая те, для которых сложно найти подходящее аналитическое выражение. В отличие от существующих методов локального поиска, предложенный метод позволяет исследовать пространство поиска. Он позволяет находить глобальный оптимум в пространствах большой размерности, описывающих практически значимые задачи, которые возникают на производстве. В настоящее время для решения поставленной задачи широко применяются методы целочисленного линейного программирования, принципиальным недостатком которых является необходимость представления всех ограничений в форме линейных уравнений и неравенств. На практике же некоторые задачи комбинаторной оптимизации невозможно линеаризовать и решить с помощью традиционных методов математического программирования. Разработанный метод проиллюстрирован на примере трехмерной задачи поиска положений рабочего борта карьера по периодам отработки с учетом заданной производительности по полезному ископаемому и вскрышным породам и целевой функции максимизации прибыли с учетом дисконтирования. Выделены типы ограничений, необходимые для моделирования рассматриваемой задачи.Для них рассмотрена возможность применения существующих процедур вывода на ограничениях. Предложенный метод позволяет получать точные решения за счет интеллектуализации процесса решения путем использования высокоэффективных алгоритмов редукции пространства поиска для каждого из типов ограничений и специализированных эвристик отсечения неперспективных альтернатив в дереве поиска.

1. LP-based disaggregation approaches to solving the open pit mining production scheduling problem with block processing selectivity/ N. Boland, I. Dumitrescu, G. Froyland, A.M. Gleixner//Computers and Operations Research.– 2009.– Vol. 36, N 4.– P. 1064–1089.

2. Caccetta L.Application of optimization techniques in open pit mining// Handbook of Operations Research in Natural Resources. –Boston, MA: Springer, 2007. –P. 547–559.– (International Series in Operations Research).

3. A new algorithm for the open-pit mine production scheduling problem / R. Chicoisne, D.G. Espinoza, M. Goycoolea, E. Moreno, E. Rubio // Operations Research.– 2012.–Vol. 60, N 3.–P. 517–528.

Chicoisne, R., D. Espinoza, M. Goycoolea, E. Moreno, and E. Rubio (2012). A new algorithm

for the open-pit mine production scheduling problem. Operations Research 60(3), 517–528.

Chicoisne, R., D. Espinoza, M. Goycoolea, E. Moreno, and E. Rubio (2012). A new algorithm

for the open-pit mine production scheduling problem. Operations Research 60(3), 517–528.

4. Dagdelen K. A new linear programing approach to determining risk-quantified open pit mine production schedules incorporating mineral resource classification categories//Proceedings of the 38th International Symposium “Application of Computers and Operations Research in the Mineral Industry” (APCOM 2017).– Colorado, USA, 2017.–P. 451–460.

5. Molina E. Analytical properties of the feasible and optimal profiles in the binary programming formulation of open pit//Proceedings of the 38th International Symposium “Application of Computers and Operations Research in the Mineral Industry” (APCOM 2017).– Colorado, USA, 2017.–P. 603–610.

6. Ramazan S. The new Fundamental Tree Algorithm for production scheduling of open pit mines //European Journal of Operational Research.– 2007.– Vol. 177, N 2.–P. 1153–1166.

7. Denby B., Schofield D. Open-pit design and scheduling by use of genetic algorithms //Transactions of the Institution of Mining and Metallurgy, Section A: Mining Industry.– 1994.– Vol. 103.–P. A21–A26.

8. Hazra T. Genetic algorithm based approach for simultaneous optimization of open pit mine planning parameters //Proceedings of the 38th International Symposium “Application of Computers and Operations Research in the Mineral Industry” (APCOM 2017).– Colorado, USA, 2017.–P. 595–602.

9. Zhang M. Combining genetic algorithms and topological sort to optimize open-pit mine plans //Proceedings of the 15th Mine Planning and Equipment Selection.– Torino, Italy,2006.–P. 1234–1239.

10. Bartak R. Constraint programming: in pursuit of the Holy Grail//Proceedings of the Week of Doctoral Students (WDS 99).–Prague: MatFyzPress,1999.–Pt. 4. – P. 555–564.

11. Rossi F., Beek P. van, Walsh T.Handbook of constraint programming.–Boston, MA: Elsevier,2006.– 955 p.

12. Russel S., Norvig P.Artificial intelligence: a modern approach. – 3rd ed.–Prentice Hall, 2010.– 1132 p.

13. Easy modeling of open pit mining problems via constraint programming / B. Crawford, R. Soto, C. Zec, E. Monfroy, F. Paredes //Communications in Computer and Information Science.– Cham: Springer, 2014.– Vol. 434.– P. 519–522.

14. Régin J.global constraints: a survey // Hybrid Optimization. Springer Optimization and Its Applications. – 2011. – Vol. 45. – P. 63–134.

15. Régin J. A filtering algorithm for constraints of difference in CSPs // Proceedings of the Twelfth National Conference on Artificial Intelligence (AAAI’94). – Menlo Park, CA, 1994. – P. 362–367.

16. Beldiceanu N. Pruning for the minimum Constraint Family and for the number of distinct values Constraint Family // Principles and Practice of Constraint Programming (CP'2001). –Paphos, Cyprus, 2001.– P. 211–224.

17. Aggoun A., Beldiceanu N. Extending CHIP in order to solve complex scheduling and placement problems // Mathematical and Computer Modelling. – 1993. – Vol. 17 (7). – P. 57–73.

18. Jussien N., Rochart G., Lorca X. Choco documentation. – URL: https://choco-solver.org/docs/ (accessed: 01.09.2021).