بهینه سازی محدوده نهایی استخراج در معادن روباز با الگوریتم مرغابی

برای طراحی یک معدن بعد از اینکه انجام عملیات زمین شناسی، تهیه مدل سه بعدی و مدل بلوکی معدن به اتمام رسید، تعیین محدوده نهایی انجام می شود. تعیین محدوده نهایی با استفاده از روش های دقیق و روش های هوش مصنوعی قابل محاسبه است. مساله تعیین محدوده نهایی از نظر سختی جزو مسایل NPhard است. روش های دقیق معمولا به نتیجه ای بهتر و بهینه خواهند رسید، اما برای مسایل بزرگ با تعداد بلوک های زیاد ممکن است با زمان حل بسیار بالایی قادر به پاسخ گویی به مساله باشد. در این شرایط بهتر است از الگوریتم های هوش جمعی یا تکاملی برای تعیین محدوده نهایی استفاده کرد. بهینه سازی مساله تعیین محدوده نهایی شبیه به مسایل بهینه سازی دیگر است که با استفاده از یک منطق الگوریتمی در نرم افزار متلب قابل حل است. در اینجا از الگوریتم کشتل در متلب برای بهینه سازی محدوده نهایی استفاده شده است. ابتدا الگوریتم کشتل برای حل مساله دو بعدی و سه بعدی پیاده سازی شده و در نهایت معدن مس سونگون به عنوان مطالعه موردی انتخاب و نتایج حل مساله تعیین محدوده نهایی با الگوریتم کشتل و نرم افزار NPVScheduler مقایسه شده است. نتایج نشان می دهد که استفاده از الگوریتم کشتل در مساله تعیین محدوده نهایی معدن مس سونگون اختلاف 47/0 درصدی با نرم افزار NPVScheduler دارد. مقایسه الگوریتم کشتل با نتایج لرچ گروسمن در تعیین محدوده نهایی دو بعدی و مقایسه نتایج حاصله از الگوریتم کشتل با نرم افزار NPVScheduler در مسایل سه بعدی نشان دهنده کارآیی مناسب آن در حل این مسایل است.