顧清華 呂艷紅 盧才武 阮順領(lǐng)
(1.西安建筑科技大學(xué)管理學(xué)院,陜西西安710055;2.西安建筑科技大學(xué)資源工程學(xué)院,陜西西安710055)
礦產(chǎn)資源是一種不可再生資源,近年來(lái)隨著經(jīng)濟(jì)下行和礦產(chǎn)資源的逐漸枯竭,礦山企業(yè)必須采用高效節(jié)約的生產(chǎn)方式進(jìn)行開采生產(chǎn),而伴生資源的合理利用是當(dāng)前礦山企業(yè)降本增效的重要途徑之一。原有針對(duì)單一礦種的生產(chǎn)計(jì)劃優(yōu)化方法,只能達(dá)到單一礦產(chǎn)資源的優(yōu)化目標(biāo),不能滿足當(dāng)前礦山企業(yè)進(jìn)行多礦種綜合利用和精細(xì)化開采的實(shí)際需要,因此對(duì)多金屬露天礦的多目標(biāo)生產(chǎn)計(jì)劃優(yōu)化問題研究顯得十分重要和迫切。有效的多金屬露天礦生產(chǎn)計(jì)劃的制定是合理持續(xù)地利用有限礦產(chǎn)資源和提高礦山企業(yè)經(jīng)濟(jì)效益的關(guān)鍵。
露天礦的生產(chǎn)計(jì)劃優(yōu)化問題是一個(gè)組合優(yōu)化問題。近年來(lái),國(guó)內(nèi)外許多文獻(xiàn)對(duì)露天礦山生產(chǎn)作業(yè)優(yōu)化問題建模進(jìn)行了研究。①在資源有限的情況下,多數(shù)露天礦生產(chǎn)計(jì)劃優(yōu)化問題以生產(chǎn)開采成本最小為目標(biāo)進(jìn)行研究,如Eivaz等[1]以開采成本最小為目標(biāo)編制多出礦點(diǎn)露天礦采掘生產(chǎn)計(jì)劃,滿足礦山實(shí)際生產(chǎn)需求;吳仲雄等[2]以年運(yùn)費(fèi)最低為目標(biāo)函數(shù),礦山可采量和供礦量等為約束條件,構(gòu)建露天礦開采計(jì)劃模型。②根據(jù)礦石品位具有分布廣、波動(dòng)大等特點(diǎn),部分生產(chǎn)計(jì)劃優(yōu)化研究側(cè)重對(duì)礦種品位波動(dòng)的研究,以品位波動(dòng)最小為目標(biāo)進(jìn)行研究,如王李管等[3]、Bascetin[4]根據(jù)礦山的生產(chǎn)需求,從礦石品位波動(dòng)的角度出發(fā),以單一礦種品位波動(dòng)最小為目標(biāo)建立配礦生產(chǎn)計(jì)劃模型,解決入選礦石不均勻的問題,提高礦產(chǎn)資源利用率;Gholamnejad J等[5]針對(duì)地質(zhì)品位因素,從品位不穩(wěn)定的角度出發(fā)建立生產(chǎn)計(jì)劃模型,優(yōu)化結(jié)果較接近于實(shí)際生產(chǎn)要求。③露天礦的生產(chǎn)計(jì)劃也受外部市場(chǎng)等不確定因素的影響,金屬的價(jià)格變化對(duì)生產(chǎn)計(jì)劃的影響也是研究熱點(diǎn),如Stone P等[6]以企業(yè)經(jīng)濟(jì)效益的角度出發(fā),提出價(jià)格和經(jīng)濟(jì)成本的模型,利用整數(shù)規(guī)劃的方法生成最優(yōu)的中長(zhǎng)期生產(chǎn)計(jì)劃。④除此之外,還有學(xué)者從開采順序[7]、投資價(jià)值和風(fēng)險(xiǎn)[8]等方面進(jìn)行了相關(guān)研究。綜合上述研究分析,國(guó)內(nèi)外關(guān)于露天礦生產(chǎn)計(jì)劃的問題研究均在一定程度上滿足礦山企業(yè)絕大數(shù)經(jīng)濟(jì)指標(biāo)需求,但存在以下不足:一是現(xiàn)有文獻(xiàn)主要以單一礦種為研究對(duì)象,不能滿足當(dāng)前低品位多礦種綜合開發(fā)利用的實(shí)際需求,不利于企業(yè)的高效節(jié)約生產(chǎn);二是多數(shù)露天礦生產(chǎn)優(yōu)化問題模型目標(biāo)單一,不能滿足實(shí)際生產(chǎn)中多因素多目標(biāo)綜合優(yōu)化的實(shí)際需求。
隨著對(duì)露天礦山生產(chǎn)計(jì)劃優(yōu)化問題建模研究的不斷深入,計(jì)算復(fù)雜性增加,露天礦山生產(chǎn)計(jì)劃很多情況下是NP完全問題,其求解方法也是研究生產(chǎn)計(jì)劃優(yōu)化問題的重點(diǎn)。很多采用人工的方式控制礦山的計(jì)劃、采裝,這種方式難以保證生產(chǎn)的準(zhǔn)確性、連續(xù)性及穩(wěn)定性。目前對(duì)礦山生產(chǎn)計(jì)劃優(yōu)化模型的求解方法主要側(cè)重于兩個(gè)方面。一是數(shù)學(xué)規(guī)劃的方法,主要包括整數(shù)規(guī)劃[9]、動(dòng)態(tài)規(guī)劃[10]等方法。這些數(shù)學(xué)方法是露天礦生產(chǎn)計(jì)劃優(yōu)化建模應(yīng)用較早的方法,一方面由于其目標(biāo)函數(shù)唯一,且對(duì)多約束問題模型的求解有一定的限制,導(dǎo)致在實(shí)際應(yīng)用中仍存在不足。相比于數(shù)學(xué)方法,群體智能優(yōu)化算法在求解規(guī)模復(fù)雜的優(yōu)化模型方面具有明顯的優(yōu)勢(shì)。近年來(lái),許多研究用智能優(yōu)化算法求解礦山的生產(chǎn)計(jì)劃優(yōu)化問題,為礦山開采生產(chǎn)的準(zhǔn)確性、連續(xù)性及穩(wěn)定性提供保證。Moosavi等[11]將遺傳算法和拉格朗日相結(jié)合,對(duì)礦山采掘計(jì)劃進(jìn)行了研究分析;Samavati[12]提出一種局部分支啟發(fā)式算法快速合理安排礦石塊體的開采順序,使得整個(gè)生產(chǎn)過(guò)程的凈現(xiàn)值達(dá)到最大;Asif K等[13]提出用粒子群對(duì)生產(chǎn)計(jì)劃優(yōu)化模型進(jìn)行求解;Sattarvand等[14]、Shishvan等[15]將蟻群算法應(yīng)用到露天礦的采掘生產(chǎn)計(jì)劃的編制之中。目前這些算法大多針對(duì)單一礦種、單一目標(biāo)的生產(chǎn)計(jì)劃優(yōu)化問題進(jìn)行求解,而針對(duì)多金屬多目標(biāo)的生產(chǎn)計(jì)劃優(yōu)化問題,分別從算法的收斂性、準(zhǔn)確性等方面進(jìn)行研究的文獻(xiàn)仍十分不足。
綜上分析,對(duì)目標(biāo)生產(chǎn)計(jì)劃優(yōu)化問題建模及求解的研究是多金屬露天礦山企業(yè)伴生礦產(chǎn)資源綜合利用及精細(xì)化排產(chǎn)的迫切需求。因此,本研究以采掘運(yùn)輸成本最小和礦石品位波動(dòng)最小為目標(biāo),以出礦點(diǎn)的出礦量為變量,構(gòu)建多目標(biāo)生產(chǎn)計(jì)劃模型,實(shí)現(xiàn)多出礦點(diǎn)多種礦石的綜合協(xié)同優(yōu)化,同時(shí)提出了一種用IGWO算法求解多目標(biāo)露天礦生產(chǎn)計(jì)劃的方法。
生產(chǎn)計(jì)劃的實(shí)質(zhì)就是根據(jù)礦山生產(chǎn)條件和環(huán)境,將高低品位各不相同的礦石按照比例進(jìn)行混合以滿足礦石的質(zhì)量要求,如圖1所示。將編制好的生產(chǎn)計(jì)劃方案反饋到采裝、運(yùn)輸、選礦等環(huán)節(jié),指揮生產(chǎn)作業(yè)。在露天礦山生產(chǎn)中,通常會(huì)存在很多采區(qū),每個(gè)出礦點(diǎn)的平均品位不同。精細(xì)化生產(chǎn)就是根據(jù)不同礦區(qū)的品位分布和資源量分布,按照質(zhì)量目標(biāo)和產(chǎn)量目標(biāo),制定詳細(xì)的生產(chǎn)計(jì)劃。實(shí)現(xiàn)礦石品質(zhì)的搭配,提高資源利用率,變廢為寶,增加礦山的服務(wù)年限。
最終境界內(nèi),如何合理安排每個(gè)出礦點(diǎn)的出礦量是編制露天礦生產(chǎn)計(jì)劃的關(guān)鍵。本模型僅考慮一個(gè)采區(qū)的不同的出礦點(diǎn)。在計(jì)劃期內(nèi),設(shè)露天礦山本采區(qū)含i個(gè)出礦點(diǎn),每個(gè)出礦點(diǎn)的出礦量為xi(i=1,2,…,n),以xi為變量,建立多目標(biāo)生產(chǎn)計(jì)劃模型。
(1)開采成本最小目標(biāo)函數(shù)。每個(gè)出礦點(diǎn)的采掘成本不同,同時(shí)出礦點(diǎn)到卸礦點(diǎn)的距離有所不同,所以采掘運(yùn)輸費(fèi)用不同。因此,以采掘和運(yùn)輸成本最小為目標(biāo)函數(shù)。
式中,ci為出礦點(diǎn)i運(yùn)輸和采掘成本,$/t;xi為第i個(gè)采點(diǎn)的出礦量。
(2)礦石品位波動(dòng)最小目標(biāo)函數(shù)。為了滿足選礦廠的礦石質(zhì)量要求,通常要合理地安排不同品位礦石的出礦量,礦石品位要最大限度地滿足最佳生產(chǎn)要求,同時(shí)力求各種礦石的品位偏差最小,進(jìn)而提高整個(gè)礦床的利用率。
(1)出礦點(diǎn)出礦量的約束。采場(chǎng)的出礦量必須小于或者等于其最大出礦量,同時(shí)為了保證露天礦山企業(yè)的收益,出礦量不能小于最小允許采掘量。
式中,qimin,qimax分別為出礦點(diǎn)i的最低出礦量和最高出礦量。
(2)礦石質(zhì)量分?jǐn)?shù)約束。由于每個(gè)出礦點(diǎn)礦石品位不同,配礦的質(zhì)量決定了最終開采礦石質(zhì)量的優(yōu)劣,按照入選礦石的質(zhì)量要求進(jìn)行選礦,盡可能讓入選礦石的品位指標(biāo)在一定的范圍內(nèi)進(jìn)行波動(dòng)。
(3)破碎站處理能力約束。露天礦山的采場(chǎng)的處理能力要根據(jù)出礦量計(jì)劃合理安排。
式中,Omax,Omin分別為礦山出礦量的上限和下限;oi每個(gè)受礦點(diǎn)的處理能力。
(4)出礦總量約束。在某一計(jì)劃期內(nèi),露天礦的出礦總量是根據(jù)露天礦長(zhǎng)期的生產(chǎn)計(jì)劃制定的,要同時(shí)滿足每個(gè)出礦點(diǎn)的要求和出礦總量要求,即不大于最大出礦總量。
式中,Q是某一計(jì)劃期的出礦總量;φi表示第i個(gè)出礦點(diǎn)的礦石回采率。
(5)礦產(chǎn)資源利用率約束。礦石回采率影響著礦石資源的利用率以及礦山成本,適當(dāng)?shù)靥岣叩V山的回采率可以提高礦產(chǎn)資源利用率。
式中,θmin,θmax分別為綜合回采率的下限和上限。
2.3.1 目標(biāo)函數(shù)處理
根據(jù)礦山的實(shí)際情況,將各個(gè)指標(biāo)的計(jì)劃值作為目標(biāo)函數(shù)fi(x)的一個(gè)標(biāo)準(zhǔn)值fi0,求函數(shù)fi(x)與計(jì)劃值之間的偏差最小。將模型中的多目標(biāo)函數(shù)優(yōu)化模型轉(zhuǎn)化為單目標(biāo)函數(shù)模型進(jìn)行求解。轉(zhuǎn)化方式如下:
式中,f10為成本最小值;f20為品位波動(dòng)最小值;wi反應(yīng)在優(yōu)化過(guò)程中對(duì)各個(gè)目標(biāo)側(cè)重程度,引入均差排序法確定各個(gè)權(quán)系數(shù)[16]。
2.3.2 約束條件處理
露天礦生產(chǎn)計(jì)劃優(yōu)化模型是一個(gè)具有復(fù)雜約束的多目標(biāo)問題,對(duì)多個(gè)約束的有效處理是問題優(yōu)化的關(guān)鍵,先對(duì)問題的約束條件作如下處理:
約束條件難以處理的問題,通過(guò)引入懲罰函數(shù)[17],把模型轉(zhuǎn)化為無(wú)約束優(yōu)化。用約束條件構(gòu)建目標(biāo)函數(shù)通常是在目標(biāo)函數(shù)中加入懲罰約束函數(shù),從而對(duì)不可行解進(jìn)行過(guò)濾,處理形式如下:
式中,λ為懲罰因子;φj(x)為約束條件。將處理后的約束條件加到目標(biāo)函數(shù)中,將復(fù)雜的多約束多目標(biāo)問題轉(zhuǎn)化為無(wú)約束問題,便于問題的求解。
灰狼優(yōu)化算法(GWO)[18]是Mirgalili在2014年提出的一種模擬灰狼種群的等級(jí)制度和捕食行為的新型群體智能優(yōu)化算法。灰狼群體遵循等級(jí)社會(huì)制度,其層級(jí)分為α、β、σ、ω4個(gè)層次,規(guī)定α為群體的歷史最優(yōu)解,β為次優(yōu)解,σ為第三最優(yōu)解,其他個(gè)體為ω。在d維的搜索空間中,灰狼群體在移動(dòng)時(shí)采用下式進(jìn)行更新:
式中,t為當(dāng)前的迭代次數(shù)為獵物在d維空間上的位置為狼群對(duì)獵物的包圍步長(zhǎng)為收斂系數(shù),用來(lái)平衡全局搜索和局部搜索表示自然界的影響作用。分別為
式中,rand1,rand2分別為[0,1]之間的隨機(jī)變量;a為收斂因子,隨著迭代線性遞減:
灰狼群體是根據(jù)前3個(gè)最優(yōu)解的位置來(lái)更新各自的位置,更新公式如下:
3.2.2 非線性收斂因子調(diào)整
灰狼算法的全局搜索和局部搜索之間的有力協(xié)調(diào)是保證算法尋優(yōu)性能的關(guān)鍵。算法中的收斂系數(shù)|A|與算法的全局搜索和局部搜索能力有很大的關(guān)系,由式(12)可知,A隨收斂因子a的變化而進(jìn)行變化,a又是進(jìn)行線性遞減。但是在算法的實(shí)際搜索過(guò)程中,收斂因子a的線性遞減方式不能體現(xiàn)在優(yōu)化過(guò)程之中。所以對(duì)收斂策略進(jìn)行改進(jìn),為了更好地平衡算法的局部和全局的搜索能力,采用非線性變化更新方式:
式中,aini,afin分別為收斂因子的初始值和終止值。
3.2.3 改進(jìn)更新公式
灰狼算法首先隨機(jī)產(chǎn)生一組候選解,每次迭代選出最好的3個(gè)候選解記為α、β和σ,它們引導(dǎo)著整個(gè)種群朝著最優(yōu)解方向移動(dòng),但是在尋優(yōu)過(guò)程中對(duì)較好的解并沒有記憶功能。受粒子群算法尋優(yōu)策略的啟發(fā),在灰狼算法迭代的過(guò)程中引入自我學(xué)習(xí)和
灰狼算法原理簡(jiǎn)單、易于實(shí)現(xiàn)、參數(shù)設(shè)置簡(jiǎn)單。但是與其他的以種群迭代的智能算法相似,灰狼算法也有求解精度低、易陷入局部最優(yōu)的缺點(diǎn)。為了改善算法的尋優(yōu)性能,本研究對(duì)基本灰狼算法做相應(yīng)改進(jìn)。
3.2.1 反向?qū)W習(xí)生成初始種群
對(duì)于以種群迭代為更新方式的優(yōu)化算法而言,初始種群的優(yōu)劣影響著算法全局搜索的速度以及解的質(zhì)量。基本的灰狼算法初始種群的多樣性不足,會(huì)影響種群的優(yōu)化效率和結(jié)果。為了提高種群的多樣性,在本研究中采用反向?qū)W習(xí)策略,利用已知個(gè)體位置的對(duì)立點(diǎn)生成新的個(gè)體位置,從而增加種群的多樣性。
(1)先在搜索空間中隨機(jī)初始化N個(gè)灰狼個(gè)體的位置作為初始種群p1。
(2)找到個(gè)體的反向點(diǎn),根據(jù)初始種群p1來(lái)生成反向種群p2。
(3)合并種群p1和p2,對(duì)新的種群按照適應(yīng)度值進(jìn)行升序排序,為保證每一代種群的數(shù)量一致,選取前N個(gè)個(gè)體作為新的初始種群。群體學(xué)習(xí)策略,保留較優(yōu)解的信息,避免算法陷入局部最優(yōu)。對(duì)α狼的位置進(jìn)行跟蹤,視α狼的位置為全局最佳位置,更新公式如下:
式中,ω為慣性權(quán)重;r3,r4分別為[0,1]的隨機(jī)變量;Xpbest為個(gè)體所經(jīng)歷過(guò)的最佳位置;X1為全局最佳位置;c1,c2分別為自我學(xué)習(xí)和群體學(xué)習(xí)因子,為[0,1]之間的隨機(jī)數(shù),主要協(xié)調(diào)群體和個(gè)體記憶對(duì)GWO算法搜索的影響,從而使得全局搜索和局部搜索平衡,減少陷入局部最優(yōu)的概率。
設(shè)計(jì)IGWO的粒子編碼方法,每個(gè)個(gè)體代表一種生產(chǎn)計(jì)劃方案,灰狼算法中每個(gè)粒子的維度表示出礦點(diǎn),每個(gè)粒子的位置表示出礦點(diǎn)的采掘量,將模型處理后的目標(biāo)函數(shù)作為IGWO算法的適應(yīng)度值。采用IGWO對(duì)模型進(jìn)行求解,算法流程如圖2。
為了驗(yàn)證多目標(biāo)露天礦生產(chǎn)計(jì)劃模型有效性和IGWO算法的優(yōu)越性,以某露天礦的生產(chǎn)數(shù)據(jù)為樣本進(jìn)行仿真實(shí)驗(yàn)。通過(guò)對(duì)某生產(chǎn)作業(yè)計(jì)劃周期內(nèi)的生產(chǎn)作業(yè)指標(biāo)進(jìn)行統(tǒng)計(jì),已知作業(yè)期內(nèi)礦石量為90萬(wàn)t,所有礦石來(lái)自于8個(gè)出礦點(diǎn)。礦物成分和生產(chǎn)作業(yè)指標(biāo)如表1所示,各個(gè)出礦點(diǎn)的采掘和運(yùn)輸成本如表2所示。算法參數(shù)設(shè)置:最大迭代次數(shù)tmax=1000,種群規(guī)模為50,維數(shù)為8,aini=2,afin=0。根據(jù)勘探爆破數(shù)據(jù),各個(gè)出礦點(diǎn)計(jì)劃期內(nèi)計(jì)劃采掘量為x0=(5.00,8.00,20.00,8.00,5.00,17.00,9.00,18.00),礦石的質(zhì)量分?jǐn)?shù)分別為(鐵,鉛,鋁,鋅)=(65.54%,1.40%,2.05%,2.76%)。在配礦生產(chǎn)中,每個(gè)出礦點(diǎn)的出礦量綜合指標(biāo)為5≤xi≤20(萬(wàn)t),各種礦石品位綜合指標(biāo)范圍為65%≤g鐵≤66%,g鉛≤1.8%,g鋁≤2.2%,g鋅≤3.5%。
?
?
分別用PSO算法、GWO算法和IGWO算法對(duì)本文模型進(jìn)行優(yōu)化求解,得到3種算法求解迭代曲線,如圖3所示。3種算法的尋優(yōu)結(jié)果以及各個(gè)出礦點(diǎn)的出礦量如表3所示。
?
從圖3中適應(yīng)度曲線可知,IGWO算法在迭代到100~200代之間,結(jié)果在5.00%~5.05%之間波動(dòng),趨于平穩(wěn),驗(yàn)證了IGWO算法在解決生產(chǎn)計(jì)劃問題上的可行性;在3種算法迭代的過(guò)程中,PSO算法和GWO算法在尋優(yōu)的過(guò)程中,均有不同階段陷入局部最優(yōu),IGWO算法相對(duì)兩者能具有較好的尋優(yōu)性能,表明IGWO算法的全局搜索和局部搜索之間協(xié)調(diào)較平衡。在求解精度方面,最終目標(biāo)函數(shù)值PSO5.71%、GWO5.38%和IGWO5.05%,3種算法的優(yōu)化結(jié)果進(jìn)行對(duì)比分析,IGWO的優(yōu)化結(jié)果相對(duì)于PSO和GWO求解結(jié)果較優(yōu),驗(yàn)證了在IGWO算法中可提高解的質(zhì)量。其次,在求解速度方面,優(yōu)化所用時(shí)間分別為6.55 s(PSO)、4.45 s(GWO)和 1.923 s(IGWO),IGWO算法所消耗的時(shí)間最短,相對(duì)于PSO算法求解速度提高71%。將PSO、GWO和IGWO3種算法的優(yōu)化結(jié)果進(jìn)行對(duì)比分析,由表3可知,在求解精度方面,IGWO的優(yōu)化結(jié)果相對(duì)于PSO和GWO求解結(jié)果較優(yōu),驗(yàn)證了IGWO算法可提高解的質(zhì)量。
將IGWO算法優(yōu)化后各個(gè)出礦點(diǎn)的出礦量與優(yōu)化前進(jìn)行對(duì)比,如圖4所示。分析圖4,IGWO算法優(yōu)化求解得到生產(chǎn)方案為X0=(12.77,7.05,18.55,10.00,14.77,5.00,7.65,20.00),總礦量為95.79萬(wàn)t。計(jì)劃期的采掘計(jì)劃總量為90萬(wàn)t,在用算法優(yōu)化的過(guò)程中,往往會(huì)比計(jì)劃期的采掘量要高,這主要是由于在優(yōu)化的過(guò)程中采用罰函數(shù)對(duì)約束條件進(jìn)行處理以及模型中品位偏差的約束影響,對(duì)低品位的礦石進(jìn)行一定的回采,增加資源的利用率,同時(shí)也驗(yàn)證了模型的優(yōu)越性。
用IGWO算法優(yōu)化不同的目標(biāo)函數(shù),在綜合多目標(biāo)函數(shù)值F最小、采掘和運(yùn)輸成本f1最小和品位偏差f2最小3種目標(biāo)下的優(yōu)化結(jié)果如表4所示。
?
由此可知,在3種優(yōu)化目標(biāo)之下,多目標(biāo)模型出礦量相對(duì)較好。此優(yōu)化結(jié)果出礦總量相對(duì)最大,但是對(duì)于注重精細(xì)化生產(chǎn)且年產(chǎn)量較大的礦山其效益顯著。且大多露天礦山為伴生或共生礦,多種金屬同時(shí)參與配礦,這對(duì)礦山的戰(zhàn)略規(guī)劃和可持續(xù)發(fā)展具有重要的現(xiàn)實(shí)意義。
(1)綜合考慮多金屬露天礦山實(shí)際生產(chǎn)要素,以4種金屬為研究對(duì)象,以開采運(yùn)輸成本最小和品位波動(dòng)最小為目標(biāo),綜合考慮礦石產(chǎn)量、品位波動(dòng)、礦石資源利用率等多種實(shí)際約束,構(gòu)建多目標(biāo)露天礦生產(chǎn)計(jì)劃優(yōu)化模型,提高多金屬露天礦礦產(chǎn)資源綜合利用。
(2)提出了針對(duì)求解復(fù)雜多目標(biāo)多約束生產(chǎn)計(jì)劃問題的IGWO算法,在IGWO算法中設(shè)計(jì)反向?qū)W習(xí)策略和非線性收斂策略,并驗(yàn)證了IGWO算法求解復(fù)雜約束的露天礦山生產(chǎn)計(jì)劃優(yōu)化問題的有效性和優(yōu)越性,拓展了該算法的優(yōu)化應(yīng)用。
(3)采用某大型多金屬露天礦山的生產(chǎn)作業(yè)數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn),在生產(chǎn)周期內(nèi)合理預(yù)估出礦量、開采成本和品味偏差,優(yōu)化結(jié)果較符合多金屬露天礦山的綜合開采生產(chǎn)需求,使礦山企業(yè)配礦管理由粗放向精細(xì)化轉(zhuǎn)型,從而提高礦產(chǎn)資源利用率,這對(duì)礦山的戰(zhàn)略規(guī)劃和可持續(xù)發(fā)展具有重要的現(xiàn)實(shí)意義。