بهينه‌ سازي محدوده نهايي استخراج در معادن روباز با الگوريتم مرغابي

براي طراحي يك معدن بعد از اينكه انجام عمليات زمين ‌شناسي، تهيه مدل سه بعدي و مدل بلوكي معدن به اتمام رسيد، تعيين محدوده نهايي انجام مي‌شود. تعيين محدوده نهايي با استفاده از روش‌هاي دقيق و روش‌هاي هوش مصنوعي قابل محاسبه است. مساله تعيين محدوده نهايي از نظر سختي جزو مسايل NPhard است. روش‌هاي دقيق معمولا به نتيجه‌اي بهتر و بهينه خواهند رسيد، اما براي مسايل بزرگ با تعداد بلوك‌هاي زياد ممكن است با زمان حل بسيار بالايي قادر به پاسخ‌گويي به مساله باشد. در اين شرايط بهتر است از الگوريتم‌هاي هوش جمعي يا تكاملي براي تعيين محدوده نهايي استفاده كرد. بهينه‌سازي مساله تعيين محدوده نهايي شبيه به مسايل بهينه‌سازي ديگر است كه با استفاده از يك منطق الگوريتمي در نرم‌افزار متلب قابل حل است. در اينجا از الگوريتم كشتل در متلب براي بهينه‌سازي محدوده نهايي استفاده شده است. ابتدا الگوريتم كشتل براي حل مساله دو بعدي و سه بعدي پياده‌سازي شده و در نهايت معدن مس سونگون به عنوان مطالعه موردي انتخاب و نتايج حل مساله تعيين محدوده نهايي با الگوريتم كشتل و نرم‌افزار NPVScheduler مقايسه شده است. نتايج نشان مي‌دهد كه استفاده از الگوريتم كشتل در مساله تعيين محدوده نهايي معدن مس سونگون اختلاف 0/47 درصدي با نرم‌افزار NPVScheduler دارد. مقايسه الگوريتم كشتل با نتايج لرچ گروسمن در تعيين محدوده نهايي دو بعدي و مقايسه نتايج حاصله از الگوريتم كشتل با نرم‌افزار NPVScheduler در مسايل سه بعدي نشان‌دهنده كارآيي مناسب آن در حل اين مسايل است.