矿业研究与开发

作者：基于遗传蚁群强化学习算法的露天矿运输路径优化试验研究

关键词：露天矿运输;遗传蚁群强化学习算法;路径规划;运输成本

针对复杂的矿山地形进行路径规划,容易陷入局部最优解的问题,融合遗传蚁群算法和强化学习算法的优点,提出了一种基于遗传蚁群强化学习算法的矿山运输优化模型,实现矿山运输路径的高效优化.首先利用遗传算法对解空间进行高效搜索,生成一组初始的运输路径以探索更广阔的解空间;其次引入蚁群算法,在搜索过程中发现最优解即最优运输路径;最后引入强化学习算法,通过模拟智能体的决策过程并根据环境反馈调整运输路径,使模型逐渐学习到更优的决策策略,在不断迭代的过程中逐步提高运输效率.经过试验验证,相较于传统遗传蚁群算法,遗传蚁群强化学习算法求得的最短运输距离缩短了20.06％,运输成本降低了12.60％,寻找最优路径的时间减少了51.55％.该优化模型能够有效地提高运输效率、降低运输成本,为矿山运输提供高效和环保的解决方案.

来源：2024年第12期

《矿业研究与开发》期刊编辑部

查看矿业研究与开发杂志2024年第12期