本文探讨了遗传算法与系统布局规划(SLP)结合的矿井工业广场设施规划与布局方法。SLP是一种系统化、层次化的布局规划方法,它通过对作业单位间相互关系的分析,以及综合考虑物流与非物流因素,得到作业单位间综合关系表。遗传算法(GA)是一种模拟生物进化过程的搜索优化算法,它在解决非确定性多项式完全问题(NPC问题)方面具有独特优势。
SLP方法被用于矿井工业广场内各作业单位之间的综合相互关系的分析,这包括对物流因素(如物料搬运路径、频率等)和非物流因素(如安全、环境影响等)的考量。通过这种方法,可以得到作业单位间综合关系表,它是后续布局规划的基础。
接着,遗传算法被用于根据SLP分析得到的综合关系表,寻找合理的布局方案。由于矿井工业广场的设施规划与布局问题属于NPC问题,需要找到作业系统中物流关系与非物流关系的最佳配置。遗传算法以其快速搜索、效果好、稳定性强的特点,在这一阶段发挥关键作用。文章中提到了利用MATLAB的遗传算法工具箱进行模型求解,这一工具箱提供了方便的遗传算法实现方式,能够有效地解决优化问题。
在实际应用中,遗传算法会考虑各种约束条件,如作业单位间的实际距离,以及其他可能的限制因素,并随机产生一系列合法的布局方案。在此基础上,算法会尝试优化方案,以最小化作业单位间实际布局关系与理想布局关系之间的方差,找到最佳的或满意的初步布局方案。
文章中还描述了一个具体的矿井工业广场规划案例。这个案例展示了如何将SLP和遗传算法相结合,以达到高效运行生产系统的目标,获得最佳的经济效益和社会效益。案例中提到的矿井生产能力为100万吨/年,采用了一对立井布置方式,并详细列出了工业广场内不同功能区域的组成,以及各自的主要单位和它们的面积大小。
在利用遗传算法进行布局规划的过程中,除了考虑物流因素和非物流因素之外,还必须考虑到矿井工业广场本身受到的复杂地理地质条件的影响,这增加了规划的难度,但也突出了遗传算法在处理此类复杂问题中的价值。
通过这一研究,作者郑龙提供了一种结合传统SLP方法和现代遗传算法来解决工业广场设施规划与布局问题的新思路。这种方法不仅提高了规划效率,而且能够提供更为科学合理的规划方案。对于矿井工业广场而言,这种高效的规划布局方法可以减少生产过程中的物料搬运成本,提高作业安全性,同时也有助于节省土地资源,减少对环境的影响,从而实现可持续发展。