ارائه الگوریتم خوشه بندی چندمرحله ای در مدل سازی ریاضی تولید معادن

در برنامه ریزی معادن از نقطه نظر تولید و افزایش بهره وری برای ایجاد مسائلی که به جواب های بهینه و دقیق برسد باید تمام محدودیت های فنی و عملیاتی در مدل سازی وارد شوند. ایجاد چنین مدل هایی که در بیشتر مواقع با تابع هدف حداکثر سازی ارزش خالص فعلی همراه است منجر به مسائل ریاضی با ابعاد بزرگ می شود که حل این مدل ها با دستگاه های رایانه ای فعلی زمان پردازش (CPU) زیادی را نیاز دارد بنابراین در این تحقیق الگوریتم خوشه بندی با شاخص شباهت چندمرحله ای با استفاده از فرمول بندی های ریاضی توسعه داده شده است که ابعاد مسائل ریاضی را از طریق کاهش تعداد متغیرهای تصمیم به نحوی کاهش دهد که ضمن عدم وابستگی به ضرایب اهمیت وزنی در شاخص شباهت، برنامه ریزی های تولید را با کمترین خطا و کاهش شدید در زمان اجرای مسئله اجرا کند. به منظور ارزیابی نتایج این خوشه بندی از 2478 بلوک استخراجی استفاده شد این بلوک ها در طی 3 مرحله، ابتدا در 10 سپس 40 و درنهایت در 109 خوشه، طبقه بندی شدند. جهت ارزیابی نتایج خوشه بندی، از روش MILP و با استفاده از نرم افزار CPLEX و MATLAB به برنامه ریزی ریاضی تولید پرداخته شد. نتایج این تحقیق نشان داد که زمان اجرا با کاهش 86 درصدی در مدل خوشه بندی نسبت به مدل بدون خوشه بندی همراه بوده است درحالی که مقدار تابع هدف فقط 8/1 درصد اختلاف در دو مدل نشان داده است.