求解露天礦低碳運輸調度問題的改進灰狼優化算法

門飛，蔣欣

(平頂山工業職業技術學院 計算機與軟件工程學院， 河南 平頂山 467000)

0 引言

在露天礦生產中，運輸過程會排放大量的碳，運輸能耗約占露天礦總能耗的60%[1]，運輸費用約占總生產費用的50%[2]。露天礦低碳運輸調度優化成為促進露天礦高效生產、減少碳排放量和運輸費用的關鍵環節。

露天礦低碳運輸調度問題可看作是在滿足露天礦生產的約束條件下，求解露天礦碳排費用和運輸費用之和最小的多目標優化問題。近年來，許多學者采用仿生算法求解露天礦運輸調度問題，如自適應果蠅優化算法(Adaptive Fruit Fly Optimization Algorithm，AFOA)[2]、基于差分的生物地理學算法[3]、粒子群算法[4]、模擬退火算法[5]、差分進化算法[6]、遺傳算法(Genetic Algorithm，GA)[7]、蟻群算法[1，8]等。然而，上述算法存在全局尋優能力較差、需調節參數較多的問題。

灰狼優化(Grey Wolf Optimization，GWO)算法是一種通過模仿灰狼種群社會階層和獵食過程而提出的仿生算法，該算法需要調節的參數較少、較易編程實現、全局尋優能力較強[9-10]，已被應用于求解流水線車間調度[11]、函數優化[12-13]、多層傳感器訓練[14]和電力系統優化[15]等問題。然而，隨著GWO算法的迭代進化，灰狼種群的多樣性逐步減少，算法陷入局部最優的概率增加，導致局部尋優能力減弱，難以均衡全局尋優能力和局部尋優能力。本文在GWO算法中引入遷移操作，并且根據不同的灰狼自適應調整其遷移概率，提出了一種改進的GWO(An Improved Grey Wolf Optimization，AGWO)算法，并將其應用于求解露天礦低碳運輸調度問題。

1 露天礦低碳運輸調度問題數學模型

在實際的露天礦生產過程中，多個采礦場往往同時開展采礦工作，然后將礦石分別運輸至不同的破碎場進行破碎工作。……