基于GWO-NSGA-Ⅱ混合算法的露天矿低碳运输调度.pdfVIP

基于GWO-NSGA-II混合算法的

露天矿低碳运输调度

摘要：为了提高露天矿卡车运输效率、减少碳排放和节约运输成本，以纯电动卡车为研究对象，以运输成本、

总排队时间(包含产过程中的卡车充电时间、运行时间及维修等待时间)、矿石品位偏差为目标函数，并以破碎

场破碎量、采矿场开采量、装车数量、矿石品位误差限制、车辆充电桩选择及充电限制为约束条件，建立了露天矿

低碳运输调度优化模型。针对灰狼优化算法(GWO)和非支配排序遗传算法(NSGA-D)用于求解露天矿纯电动

矿用卡车低碳运输调度模型时前者容易陷入局部最优、后者容易获得全局最优但收敛缓慢的问题，提出了一种

GWO-NSGA-II混合算法。该混合算法在GWO算法中引入NSGA-U的选择、交叉、变异3种遗传操作,有效防

止算法陷入局部最优;在NSGA-D的精英保留策略中引入狩猎和攻击操作，提高算法全局收敛的稳定性。通过

5个标准测试函数验证了该混合算法在保证收敛性的情况下提升了稳定性。实例分析表明，与NSGA-U,

GWO相比，该混合算法在寻优速度上分别提高了48.7%和27.1%,在寻优精度上分别提高了17.1%和9.3%,且

减少了卡车使用数量、碳排放量、运输距离和运输费用。

关键词:露天矿运输；低碳；运输调度；非支配排序遗传算法；灰狼优化算法

Abstract:Inordertoimprovetrucktransportefficiency,reducecarbonemissionsandsavetransportcostsin

open-pitmines,pureelectrictrucksaretakenastheresearchobject.Theobjectivefunctionistransportationcost,

totalqueuingtime(includingtruckchargingtime,operationtimeandmaintenancewaitingtimeintheproduction

process),andoregradedeviation.Theconstraintsincludethecrushingcapacityofthecrushingsite,mining

capacityoftheminingsite,loadingcapacity,oregradeerrorlimit,vehiclechargingpileselectionandcharging

limit.Theoptimizationmodeloflowcarbontransportationschedulingofopen-pitisestablished.Thegraywolf

optimization(GWO)andnon-dominatedsortinggeneticalgorithm-II(NSGA-II)havebeenusedtosolvethelow-

carbontransportationschedulingmodelforpureelectricminingtrucksinopen-pitmines.Theformerisproneto

收稿日期:2022-08・02;修回日期:2023-02-0

2023年第2期文家燕等：基于GWO-NSGA-II混合算法的露天矿低碳运输调度・95•

gettrappedinlocaloptimumwhilethelatterislikelytoachieveaglobaloptimumbutconvergesslowly.Inorder

tosolvetheaboveproblems,aGWO-NSGA-IIhybridalgorithmisproposed.Thehybridalgorithmintroduces

threegeneticoperationsofNSGA-II,selection,crossoverandmutation,intotheGWOalgorithmtoef