·1054 工程科学学报，第40卷，第9期 工期整体拖长.由于采场可以在整个计划期内的任 算法进行改进，改进后计算流程如图5所示 意时间以任意顺序开始，造成搜索空间增大、算法搜 步骤1：初始化采场储量、开采工序、所需人员 索效率下降和收敛困难等问题，因此确定采场最优 设备及生产能力等参数，设定种群规模并产生初代 开始时间和加工顺序的组合优化成为所要解决的核 种群： 心问题.针对这一问题，提出如图4所示的调度方 步骤2：计算首要目标的个体适应度，根据个体 案制定策略 适应度进行选择，个体若满足设定阈值则进入最优 生产任务 个体库，保留本代最优个体至新种群： 步骤3：进行交叉操作，以同等概率发生横向或 按照各工序设备容量生成各 纵向交叉，产生交叉种群： 采场各工序使用设备编号 步骤4：进行变异操作，以一定概率改变种群中 随机生成使用同一设备 某个个体的基因，产生变异种群： 采场开始作业的顺序 步骤5：判断循环是否达到限制，若未达到最大 吃 数量，将交叉种群、变异种群和本代最优个体组成新 计算后续工序开始 的种群，进入步骤2；否则进入步骤6： 和结束时间 步骤6：计算最优个体库在次要目标中的适应 度，根据贪心算法找到最优可行解. 使用同一设备的后一采场开始 否 时间早于前一采场结束时间？ 生产接续与动态调度问图 初始化参数 调度方案 采场储量]资源数量及能力开采工序 终止 图4调度方案制定策略 是 初始种群 Fig.4 Strategy of scheduling solution generation 循环限制？ 否 计算首要目标 安排生产任务的实质，是为每个采场每个工序 是 的个体适应度 随机安排一台设备作业，并计算相应的作业时间 例如A1={2,1,4,3,1},A2={2,2,3,4,1},这就表 最优解？ 可行解←是 小于阙值？ 明采场1的第一个工序是由2号设备作业，第二个 否 更新种群 工序由1号设备作业，以此类推，各工序设备编号独 交叉 舍弃 立.由于初始解是随机生成的，会出现采场1和采 变异 场2第一个工序均选择了2号设备，发生了设备使 用冲突，为此需要随机选择一个采场滞后施工，假设 否 、循环限制？ 采场1早于2，在计算时间时采场2第一个工序的 首要目标 是 开始时间要等于采场1第一个工序的结束时间，在 次要目标 最优个体库0 设备发生使用冲突时均采用此策略解决.采场1和 2的第五个工序均采用了1号设备，处理该问题的 计算次要目标 的个体适应度 策略为分别计算采场1和2第五个工序的开始时 间，选择较早开始的采场占用设备，而另一个采场第 贪心算法 五个工序的开始时间则等于另一个采场第五个工序 最优可行解 的结束时间. 图5改进遗传算法 2.2改进遗传算法 Fig.5 Improved genetic algorithm 生产接续与动态调度模型需要满足两个目 标四，而在满足于第一目标后，再满足第二目标，符 3 算例验证 合多目标优化法中的分层序列法的特点，分清主次， 按目标重要程度依次求得最优解.经典遗传算法只 3.1模型解算 能求解单一目标，无法完成多目标求解，因此需要对 为了验证模型在地下矿山生产调度应用中的可工程科学学报，第 40 卷，第 9 期 工期整体拖长． 由于采场可以在整个计划期内的任 意时间以任意顺序开始，造成搜索空间增大、算法搜 索效率下降和收敛困难等问题，因此确定采场最优 开始时间和加工顺序的组合优化成为所要解决的核 心问题． 针对这一问题，提出如图 4 所示的调度方 案制定策略． 图 4 调度方案制定策略 Fig． 4 Strategy of scheduling solution generation 安排生产任务的实质，是为每个采场每个工序 随机安排一台设备作业，并计算相应的作业时间． 例如 A1 = { 2，1，4，3，1} ，A2 = { 2，2，3，4，1} ，这就表 明采场 1 的第一个工序是由 2 号设备作业，第二个 工序由 1 号设备作业，以此类推，各工序设备编号独 立． 由于初始解是随机生成的，会出现采场 1 和采 场 2 第一个工序均选择了 2 号设备，发生了设备使 用冲突，为此需要随机选择一个采场滞后施工，假设 采场 1 早于 2，在计算时间时采场 2 第一个工序的 开始时间要等于采场 1 第一个工序的结束时间，在 设备发生使用冲突时均采用此策略解决． 采场 1 和 2 的第五个工序均采用了 1 号设备，处理该问题的 策略为分别计算采场 1 和 2 第五个工序的开始时 间，选择较早开始的采场占用设备，而另一个采场第 五个工序的开始时间则等于另一个采场第五个工序 的结束时间． 2. 2 改进遗传算法 生产接续与动 态 调 度 模 型 需 要 满 足 两 个 目 标［22］，而在满足于第一目标后，再满足第二目标，符 合多目标优化法中的分层序列法的特点，分清主次， 按目标重要程度依次求得最优解． 经典遗传算法只 能求解单一目标，无法完成多目标求解，因此需要对 算法进行改进，改进后计算流程如图 5 所示． 步骤 1: 初始化采场储量、开采工序、所需人员 设备及生产能力等参数，设定种群规模并产生初代 种群; 步骤 2: 计算首要目标的个体适应度，根据个体 适应度进行选择，个体若满足设定阈值则进入最优 个体库，保留本代最优个体至新种群; 步骤 3: 进行交叉操作，以同等概率发生横向或 纵向交叉，产生交叉种群; 步骤 4: 进行变异操作，以一定概率改变种群中 某个个体的基因，产生变异种群; 步骤 5: 判断循环是否达到限制，若未达到最大 数量，将交叉种群、变异种群和本代最优个体组成新 的种群，进入步骤 2; 否则进入步骤 6; 步骤 6: 计算最优个体库在次要目标中的适应 度，根据贪心算法找到最优可行解． 图 5 改进遗传算法 Fig． 5 Improved genetic algorithm 3 算例验证 3. 1 模型解算 为了验证模型在地下矿山生产调度应用中的可 · 4501 ·