柯麗華，何新增，葉義成，何揚(yáng)揚(yáng)

(武漢科技大學(xué)資源與環(huán)境工程學(xué)院，湖北 武漢 430081)

配礦優(yōu)化技術(shù)研究現(xiàn)狀及發(fā)展趨勢(shì)

柯麗華，何新增，葉義成，何揚(yáng)揚(yáng)

(武漢科技大學(xué)資源與環(huán)境工程學(xué)院，湖北 武漢 430081)

梳理了國(guó)內(nèi)外配礦優(yōu)化技術(shù)的理論成果，系統(tǒng)地分析了單一目標(biāo)和多目標(biāo)規(guī)劃智能配礦優(yōu)化技術(shù)在礦山生產(chǎn)配礦中的應(yīng)用情況及效果，突出了系統(tǒng)規(guī)劃方法和現(xiàn)代信息技術(shù)對(duì)提高配礦效果和效率的顯著作用。針對(duì)礦山生產(chǎn)的約束條件復(fù)雜多變、礦山生產(chǎn)需求日益多樣化和礦山企業(yè)可持續(xù)發(fā)展的戰(zhàn)略目標(biāo)，指出配礦優(yōu)化技術(shù)將朝著多目標(biāo)非線性規(guī)劃、中長(zhǎng)期動(dòng)態(tài)配礦規(guī)劃和提高配礦效率和可靠性的控制技術(shù)等3個(gè)方向發(fā)展。

配礦優(yōu)化技術(shù)；資源利用率；多目標(biāo)非線性規(guī)劃；中長(zhǎng)期動(dòng)態(tài)規(guī)劃

配礦工作是結(jié)合礦山生產(chǎn)目標(biāo)和生產(chǎn)技術(shù)條件限制進(jìn)行礦石質(zhì)量綜合的系統(tǒng)工程，按照一定比例將不同品位的礦石進(jìn)行搭配、混勻，使其滿足礦山礦石產(chǎn)品質(zhì)量要求。通過(guò)將高低不同品位礦石進(jìn)行質(zhì)量匹配、中和，以增加合格礦石的產(chǎn)出量，減少礦山廢石量的占用空間，改善礦山企業(yè)的經(jīng)濟(jì)效益，提高礦產(chǎn)資源的利用率。自早期的經(jīng)驗(yàn)配礦開(kāi)始，到數(shù)學(xué)規(guī)劃和現(xiàn)代信息技術(shù)和專業(yè)礦業(yè)軟件方法在配礦領(lǐng)域的應(yīng)用，配礦優(yōu)化技術(shù)工作經(jīng)歷了一個(gè)由簡(jiǎn)易到復(fù)雜、由粗略到精確的過(guò)程。配礦優(yōu)化技術(shù)是配礦工作的核心，通常配礦工作需結(jié)合礦山生產(chǎn)目標(biāo)、生產(chǎn)技術(shù)條件、礦山長(zhǎng)短期生產(chǎn)計(jì)劃等要素，采用有效的配礦優(yōu)化技術(shù)有序開(kāi)展配礦工作。隨著現(xiàn)代管理技術(shù)和計(jì)算機(jī)手段的發(fā)展和應(yīng)用，配礦優(yōu)化技術(shù)得到進(jìn)一步發(fā)展和廣泛的應(yīng)用，已取得了良好的效果。

本文從時(shí)間和技術(shù)方法的角度，總結(jié)了國(guó)內(nèi)外配礦優(yōu)化技術(shù)的研究現(xiàn)狀和研究成果，并系統(tǒng)分析了單一目標(biāo)和多目標(biāo)規(guī)劃智能配礦技術(shù)的應(yīng)用現(xiàn)狀和效果?；诖?，做出配礦優(yōu)化技術(shù)的發(fā)展趨勢(shì)預(yù)測(cè)，為配礦優(yōu)化技術(shù)的全面認(rèn)識(shí)和發(fā)展提供參考與指導(dǎo)。

1 配礦優(yōu)化技術(shù)的研究現(xiàn)狀

考慮到礦山配礦約束條件、目標(biāo)數(shù)量和實(shí)現(xiàn)手段差異的影響，可將配礦優(yōu)化技術(shù)分為簡(jiǎn)易配礦優(yōu)化技術(shù)、系統(tǒng)規(guī)劃配礦優(yōu)化技術(shù)和智能配礦優(yōu)化技術(shù)3類。

1.1 簡(jiǎn)易配礦優(yōu)化技術(shù)

簡(jiǎn)易配礦優(yōu)化技術(shù)是礦山工程技術(shù)人員早期采用的配礦工作，它包括簡(jiǎn)易理論計(jì)算配礦方法和基于工程經(jīng)驗(yàn)的驗(yàn)算法。簡(jiǎn)易理論計(jì)算配礦方法主要應(yīng)用于礦種少、成分簡(jiǎn)單的礦山，通常有品位搭配法和重量搭配法[1]。對(duì)不同品位的礦石進(jìn)行搭配以達(dá)到礦石質(zhì)量要求，常用基于品位配礦比的品位搭配法。驗(yàn)算法是利用實(shí)際工程數(shù)據(jù)和操作者豐富的工作經(jīng)驗(yàn)，實(shí)時(shí)調(diào)整不同配礦點(diǎn)的礦石運(yùn)出采場(chǎng)所需運(yùn)輸車輛數(shù)之比進(jìn)行配礦，該配礦方法便于理解和操作，但其配礦效果取決于操作者的經(jīng)驗(yàn)[2]。

簡(jiǎn)易配礦優(yōu)化技術(shù)多側(cè)重礦石質(zhì)量要求的單一目標(biāo)進(jìn)行配礦，尚未結(jié)合礦山生產(chǎn)技術(shù)條件的限制考慮問(wèn)題，過(guò)多依賴工程操作者的經(jīng)驗(yàn)進(jìn)行實(shí)時(shí)配礦，已不利于實(shí)現(xiàn)礦山配礦所需的精度要求。隨著系統(tǒng)規(guī)劃方法和計(jì)算機(jī)技術(shù)的發(fā)展，簡(jiǎn)易配礦優(yōu)化技術(shù)結(jié)合系統(tǒng)規(guī)劃方法和計(jì)算機(jī)技術(shù)的運(yùn)用，大大提高了其配礦的科學(xué)性和精度。

1.2 系統(tǒng)規(guī)劃配礦優(yōu)化技術(shù)

隨著系統(tǒng)工程和管理方法的發(fā)展，德國(guó)學(xué)者Wilke和Reimer于20世紀(jì)70年代首次將線性規(guī)劃方法用于礦山配礦分析[3]，此后系統(tǒng)規(guī)劃方法陸續(xù)應(yīng)用于礦山配礦的研究。

根據(jù)生產(chǎn)目標(biāo)的數(shù)量和生產(chǎn)技術(shù)條件，礦山生產(chǎn)配礦研究應(yīng)用分為單一目標(biāo)和多目標(biāo)線性規(guī)劃方法配礦方法研究及應(yīng)用兩類。通常依據(jù)礦山生產(chǎn)目標(biāo)和礦山生產(chǎn)技術(shù)條件建立配礦規(guī)劃模型，包括目標(biāo)函數(shù)和約束條件的建立，其中目標(biāo)函數(shù)涉及運(yùn)距或運(yùn)輸成本最小、配礦后金屬量偏差或礦石品位偏差最小、出礦量最大、礦石的平均收益率或綜合利潤(rùn)最大和運(yùn)輸功最小等。配礦約束條件多考慮資源量、生產(chǎn)能力、礦石質(zhì)量、采礦順序和作業(yè)空間、設(shè)備數(shù)量及其能力等條件的限制。結(jié)合目標(biāo)函數(shù)及約束條件的數(shù)量和最優(yōu)解的要求，單一目標(biāo)配礦優(yōu)化模型方法主要包括一般線性規(guī)劃模型[2-7]、0-1整數(shù)規(guī)劃模型[8-10]、基于未確知理論的UM模型[11]和均衡系數(shù)分析方法[12-14]等；多目標(biāo)配礦優(yōu)化模型方法包括多目標(biāo)遺傳算法[15-17]、多輪粒子群算法[18]、免疫克隆選擇算法[19]、混合型(0,1)整數(shù)線性目標(biāo)規(guī)劃方法和模糊多目標(biāo)優(yōu)化算法[20]等。

針對(duì)礦山配礦工作的系統(tǒng)性和復(fù)雜性，采用系統(tǒng)規(guī)劃方法可以全面客觀地描述礦山經(jīng)營(yíng)目標(biāo)對(duì)配礦的需求和礦山生產(chǎn)條件限制對(duì)配礦的約束影響，采用現(xiàn)有配礦優(yōu)化模型方法制定礦山配礦方案，能大幅提高配礦結(jié)果的精確度，具有廣泛的應(yīng)用價(jià)值。由于配礦結(jié)果的準(zhǔn)確性更多依賴于礦床各組分含量分布信息的可靠性，而統(tǒng)計(jì)和計(jì)算礦床組分含量信息的工作量巨大；且采用系統(tǒng)規(guī)劃方法制定配礦方案的計(jì)算量較大，故單獨(dú)使用系統(tǒng)規(guī)劃方法進(jìn)行配礦優(yōu)化，其工作效率不易提高。隨著信息技術(shù)在礦業(yè)工程領(lǐng)域的應(yīng)用和礦業(yè)軟件功能不斷的研發(fā)和完善，礦床品位分布數(shù)字模型的構(gòu)建技術(shù)日益成熟，與礦業(yè)軟件結(jié)合越來(lái)越緊密，系統(tǒng)規(guī)劃配礦優(yōu)化技術(shù)工作效率相應(yīng)提高。

1.3 智能配礦優(yōu)化技術(shù)

伴隨信息技術(shù)、計(jì)算機(jī)技術(shù)的飛速發(fā)展和專業(yè)軟件研發(fā)能力的增強(qiáng)，結(jié)合礦山生產(chǎn)需求開(kāi)發(fā)的礦業(yè)軟件、計(jì)算軟件和信息技術(shù)方法廣泛應(yīng)用于礦山的日常生產(chǎn)管理。目前，常用于礦山配礦中的礦業(yè)軟件有美國(guó)的Medsystem、澳大利亞的Micromine和Surpac、英國(guó)的Datamine&Guide、加拿大Gemcom和我國(guó)的3DMine和DIMINE等[21-24]。配礦系統(tǒng)模型方法的計(jì)算軟件主要包括Matlab、Mathmatical、Lingo[25]等。為保證配礦過(guò)程的中數(shù)據(jù)信息傳輸速度和可靠性，GPS、GIS和GPRS等信息技術(shù)用于礦巖組分含量信息的統(tǒng)計(jì)與分析、爆堆信息的管理與控制、鏟車的生產(chǎn)調(diào)度、配礦管理和視頻監(jiān)控等配礦工作中[14,26-28]。礦業(yè)軟件和信息技術(shù)在配礦各個(gè)工作環(huán)節(jié)的應(yīng)用，使配礦過(guò)程智能化和可視化，有利于提高配礦工作效率和配礦工作質(zhì)量。

2 配礦優(yōu)化技術(shù)的應(yīng)用現(xiàn)狀

針對(duì)礦山生產(chǎn)需求的差異，基于不同的目標(biāo)函數(shù)及其約束條件建立配礦數(shù)學(xué)模型，利用Matlab或Mathmatical和Xpress-MP等計(jì)算軟件和礦業(yè)軟件的礦巖組分統(tǒng)計(jì)分析功能，制定礦山配礦方案。礦山配礦目標(biāo)通常包括運(yùn)距或運(yùn)輸成本最小、配礦后金屬量偏差或礦石品位偏差最小、出礦量最大、礦石的平均收益率或綜合利潤(rùn)最大和運(yùn)輸功最小等。配礦約束條件多考慮資源量、生產(chǎn)能力、礦石質(zhì)量、采礦順序和作業(yè)空間、設(shè)備數(shù)量及其能力等限制。根據(jù)配礦目標(biāo)的數(shù)量，配礦優(yōu)化方法可分為單目標(biāo)配礦規(guī)劃和多目標(biāo)配礦規(guī)劃。

2.1 單一目標(biāo)規(guī)劃智能配礦優(yōu)化技術(shù)的應(yīng)用

基于單目標(biāo)建立配礦數(shù)學(xué)模型并進(jìn)行配礦優(yōu)化的應(yīng)用研究較多[2-14]，常采用一般線性規(guī)劃方法、0-1整數(shù)規(guī)劃法和均衡系數(shù)法等方法構(gòu)建數(shù)學(xué)配礦模型，進(jìn)而制定配礦方案，實(shí)施智能配礦優(yōu)化技術(shù)。

2.1.1 一般線性規(guī)劃方法的配礦優(yōu)化技術(shù)應(yīng)用

采用一般線性規(guī)劃方法的配礦優(yōu)化技術(shù)研究和應(yīng)用較多[2-6]，多基于經(jīng)濟(jì)要求和產(chǎn)能需要建立目標(biāo)函數(shù)。昆陽(yáng)磷礦針對(duì)礦石品位與有害雜質(zhì)的含量的配礦要求，基于礦石最大銷售價(jià)值的目標(biāo)函數(shù)，建立了配礦優(yōu)化的線性規(guī)劃模型，利用Matlab軟件實(shí)現(xiàn)配礦的優(yōu)化，降低了原料生產(chǎn)成本，提高了資源利用率，保證了供礦品位的穩(wěn)定性，同時(shí)實(shí)現(xiàn)了礦山最大的銷售價(jià)值[2]。以綜合利潤(rùn)最高為原則建立目標(biāo)函數(shù)，以生產(chǎn)能力、生產(chǎn)任務(wù)、商品產(chǎn)量和質(zhì)量限制為限制條件，鏡鐵山礦樺樹(shù)溝鐵銅礦建立了礦石配礦線性規(guī)劃模型，用于制定礦山配礦方案，利于調(diào)整采場(chǎng)出礦計(jì)劃，礦石品位提高了3%～4%，礦山輸出礦石品位達(dá)到35.5%～36.5%，完成礦山既定目標(biāo)[4]?；阼F礦品位要求建立目標(biāo)函數(shù),構(gòu)建的配礦線性規(guī)劃模型，已經(jīng)成功應(yīng)用于伊朗Choghart鐵礦的配礦方案制定和優(yōu)化中，并利用SOLVER V.9程序?qū)δＰ瓦M(jìn)行求解，保證了礦石輸出質(zhì)量(磷含量低于1.2%，鐵品位高于50%)，提高了高磷鐵礦石的利用率，減少了資源浪費(fèi)和節(jié)約了企業(yè)成本[5]。結(jié)合南京棲霞山礦無(wú)配礦場(chǎng)的現(xiàn)狀，建立以最大出礦量為目標(biāo)函數(shù)的配礦線性規(guī)劃模型，采用回溯法確定所有可行解，探尋采場(chǎng)出礦能力的規(guī)律，進(jìn)而礦石品位波動(dòng)引起的損失，調(diào)整生產(chǎn)計(jì)劃和制定考核指標(biāo)，較好控制了入選品位的波動(dòng)和礦石損失率[6]。廣西平果鋁土礦以鋁硅比規(guī)劃為核心，基于最大出礦量的目標(biāo)和鋁硅比的限制條件，建立了線性配礦數(shù)字配礦模型，采用運(yùn)籌學(xué)優(yōu)化軟件Xpress-MP進(jìn)行配礦方案解算，有效控制了產(chǎn)品質(zhì)量，提高了企業(yè)的經(jīng)濟(jì)效益[7]。

2.1.2 0-1整數(shù)規(guī)劃法的配礦優(yōu)化技術(shù)應(yīng)用

為有效控制產(chǎn)出礦石的品位，采用0-1整數(shù)規(guī)劃對(duì)各礦點(diǎn)礦量進(jìn)行整體取舍，以利于配礦工作的組織和管理。小關(guān)鋁礦基于“運(yùn)距最短”的目標(biāo)函數(shù)和礦石品位及有害雜質(zhì)的含量要求等約束條件，采用0-1整數(shù)規(guī)劃隱枚舉算法，并利用Matlab實(shí)現(xiàn)原礦配礦數(shù)學(xué)模型的解算過(guò)程，使原礦配礦一次成功率達(dá)到87.5%[8]。針對(duì)礦山開(kāi)采順序影響帶來(lái)的復(fù)雜幾何約束條件的限制，基于DIMINE礦業(yè)軟件，采用圓周幾何約束算法(CGCM)和混合整數(shù)規(guī)劃法，建立了以最大出礦量為目標(biāo)的配礦模型，應(yīng)用于河北水泥灰?guī)r礦的配礦優(yōu)化中，保證了復(fù)雜幾何約束條件下的礦山配礦需求[9]。為了實(shí)現(xiàn)各工作面均衡出礦量的目標(biāo)，采用0-1整數(shù)規(guī)劃方法，利用DIMINE礦業(yè)軟件確定配礦數(shù)學(xué)線性規(guī)劃模型的最優(yōu)解，應(yīng)用于特大型水泥灰?guī)r礦的配礦優(yōu)化中，避免了礦石質(zhì)量波動(dòng)，將班次出礦量指標(biāo)提高了1.4%～15%，利于礦山資源的綜合利用和提高經(jīng)濟(jì)效益[10]。

2.1.3 均衡系數(shù)法的配礦優(yōu)化技術(shù)應(yīng)用

為保證配礦目標(biāo)的穩(wěn)定性，均衡系數(shù)法用于配礦目標(biāo)函數(shù)的建立。針對(duì)出礦點(diǎn)的礦石品位波動(dòng)較大且分布不均勻的特點(diǎn)，基于金屬量偏差最小的原則，建立了多出礦點(diǎn)、多受礦點(diǎn)配礦系統(tǒng)的線性規(guī)劃模型，基于AutoCAD的圖形處理功能和Object ARX計(jì)算程序的計(jì)算功能，對(duì)露天鉬礦進(jìn)行配礦方案優(yōu)化，提高了礦石產(chǎn)品質(zhì)量的穩(wěn)定性[12]。結(jié)合多元素配礦的特點(diǎn)及其影響因素，采用均衡系數(shù)法，建立了以金屬量偏差最小為目標(biāo)函數(shù)的線性規(guī)劃配礦計(jì)算模型，并依據(jù)設(shè)備GPS/GIS/GPRS和定量管理，有效地提高了河南三道莊大型露天鉬鎢礦配礦效率，避免了盲目配礦[13]?；诘V石品位偏差最小的配礦技術(shù)用于河南洛鉬集團(tuán)三道莊露天礦，結(jié)合采用GIS的礦山配礦管理系統(tǒng)，有效實(shí)現(xiàn)了配礦生產(chǎn)計(jì)劃的制定、實(shí)施和監(jiān)督等功能，保證礦石產(chǎn)品的穩(wěn)定性，提高了企業(yè)經(jīng)濟(jì)效益[14]。

2.2 多目標(biāo)規(guī)劃智能配礦優(yōu)化技術(shù)應(yīng)用

多目標(biāo)規(guī)劃智能配礦優(yōu)化技術(shù)的關(guān)鍵是處理好多目標(biāo)之間的關(guān)系和規(guī)劃模型算法。以磨浮入選原礦組分指標(biāo)、入選原礦品質(zhì)穩(wěn)定及最大限度利用原礦為目標(biāo)，采用多目標(biāo)遺傳算法建立了堆場(chǎng)配礦模型，應(yīng)用于某磷礦配礦方案的制定，引入多目標(biāo)優(yōu)化理論中的Pareto最優(yōu)解，合理地規(guī)避了多目標(biāo)權(quán)系數(shù)難以確定的常見(jiàn)問(wèn)題，較好地解決了磷礦堆場(chǎng)配礦多目標(biāo)優(yōu)化模型解算問(wèn)題，該優(yōu)化方法可以提高礦產(chǎn)資源利用率0.31%[15]。針對(duì)礦山多目標(biāo)配礦優(yōu)化的求解的復(fù)雜性，沃溪多金屬礦為實(shí)現(xiàn)經(jīng)濟(jì)利益最大化和最大限度的開(kāi)采資源等多個(gè)目標(biāo)，建立了基于多輪粒子群算法(PSO)的動(dòng)態(tài)配礦模型，基于種群搜索的自適應(yīng)進(jìn)化計(jì)算技術(shù)的PSO算法，可以有效地求解高度非線性受限條件下的多目標(biāo)配礦方案的最優(yōu)解，進(jìn)行中長(zhǎng)期動(dòng)態(tài)優(yōu)化配礦優(yōu)化[18]。針對(duì)地下礦山配礦的復(fù)雜性，結(jié)合礦石產(chǎn)量、礦石品位波動(dòng)、上下水平出礦量比例、同水平不同采場(chǎng)出礦比例等目標(biāo)，基于生物免疫系統(tǒng)理論中的克隆選擇搜索特點(diǎn)，建立了多目標(biāo)配礦模型和免疫克隆選擇優(yōu)化算法，該算法具有快速收斂和精度高，提高了地下金屬礦山多目標(biāo)配礦計(jì)劃的可靠性[19]。為了較好地解決多目標(biāo)配礦中目標(biāo)競(jìng)爭(zhēng)與統(tǒng)一的問(wèn)題，引入模糊理論建立管理者語(yǔ)言偏好和決策者的滿意度，構(gòu)建了基于配礦目標(biāo)滿意度改進(jìn)的最大最小優(yōu)化模型和重要性模型及其模糊優(yōu)化算法，該算法具有靈活性、靈敏性和有效性，較好地解決了各目標(biāo)函數(shù)之間的沖突，利于提高配礦方案的精度[20]。多目標(biāo)智能配礦優(yōu)化技術(shù)可滿足礦山多樣化需求和中長(zhǎng)期動(dòng)態(tài)生產(chǎn)配礦優(yōu)化?；谶z傳算法的多目標(biāo)優(yōu)化配礦模型合理規(guī)避常規(guī)多目標(biāo)解法目標(biāo)權(quán)系數(shù)的確定難題；基于多輪粒子群算法(PSO)的動(dòng)態(tài)配礦模型主要考慮企業(yè)利潤(rùn)的最大化，適用于中長(zhǎng)期動(dòng)態(tài)配礦；基于免疫克隆選擇優(yōu)化算法的礦山配礦模型算法求解配礦模型能夠穩(wěn)定收斂，克服局部最優(yōu)的情況。

綜上所述，各類配礦優(yōu)化技術(shù)廣泛應(yīng)用于礦山生產(chǎn)實(shí)踐中都以混勻機(jī)理為理論基礎(chǔ)，基于不同的規(guī)劃目標(biāo)和約束條件，采用各類系統(tǒng)規(guī)劃方法和計(jì)算軟件，構(gòu)建配礦數(shù)學(xué)模型，運(yùn)用不同的算法求解可行解，進(jìn)而制定礦山配礦方案。各類配礦優(yōu)化技術(shù)特征及應(yīng)用情況總結(jié)如表1和表2所示。

表1 各類配礦優(yōu)化技術(shù)特征

表2 各類配礦優(yōu)化技術(shù)模型方法特點(diǎn)及應(yīng)用情況

3 配礦優(yōu)化技術(shù)的發(fā)展趨勢(shì)

礦山生產(chǎn)的約束條件復(fù)雜多變，礦山生產(chǎn)需求呈現(xiàn)多樣化，礦山企業(yè)越來(lái)越重視可持續(xù)發(fā)展，配礦優(yōu)化技術(shù)適應(yīng)礦山企業(yè)的發(fā)展需要呈現(xiàn)以下發(fā)展趨勢(shì)。

3.1 基于需求多樣化和技術(shù)條件復(fù)雜化的多目標(biāo)非線性規(guī)劃配礦優(yōu)化技術(shù)

配礦工作往往因礦巖組分的空間分布、開(kāi)采順序和運(yùn)輸?shù)葟?fù)雜條件的限制，對(duì)產(chǎn)品質(zhì)量的穩(wěn)定性、運(yùn)輸成本及能耗和產(chǎn)量產(chǎn)生不同的影響，進(jìn)而全面影響礦山的經(jīng)濟(jì)效益。隨著礦山配礦技術(shù)要求的多樣化和復(fù)雜化，單一目標(biāo)規(guī)劃配礦優(yōu)化技術(shù)已經(jīng)不能滿足礦山配礦需求。為全面提高礦山經(jīng)濟(jì)效益，必須同時(shí)滿足礦山多個(gè)目標(biāo)要求，因而礦山配礦技術(shù)要求的多樣化和復(fù)雜化成為一種發(fā)展趨勢(shì)。

多目標(biāo)規(guī)劃配礦優(yōu)化技術(shù)描述多個(gè)目標(biāo)函數(shù)和復(fù)雜約束條件，因而協(xié)調(diào)多目標(biāo)之間的關(guān)系和模型解算成為該技術(shù)的關(guān)鍵。目前，為了全面地反映配礦需求的差異性，已有研究引入多目標(biāo)優(yōu)化[15]和模糊數(shù)學(xué)[20]等理論方法描述和解決多個(gè)目標(biāo)之間的沖突。其解算方法出現(xiàn)了基于生物免疫系統(tǒng)理論的遺傳算法[15-17]及免疫克隆選擇算法[19]和基于群搜索自適應(yīng)進(jìn)化計(jì)算計(jì)算的多輪粒子群算法[18]等，能從全局優(yōu)的角度制定配礦方案?？梢?jiàn)，基于優(yōu)化理論和生物進(jìn)化理論解決多目標(biāo)配礦優(yōu)化技術(shù)的關(guān)鍵問(wèn)題，越來(lái)越受到研究者的重視。

3.2 基于提高礦產(chǎn)資源利用率的中長(zhǎng)期動(dòng)態(tài)生產(chǎn)配礦優(yōu)化技術(shù)

礦山配礦工作包括生產(chǎn)方案規(guī)劃和礦石質(zhì)量控制。其中，生產(chǎn)方案規(guī)劃分為短期配礦作業(yè)質(zhì)量計(jì)劃的編制和中長(zhǎng)期動(dòng)態(tài)生產(chǎn)配礦方案的規(guī)劃。面對(duì)著優(yōu)質(zhì)礦產(chǎn)資源的日益減少，為實(shí)現(xiàn)可持續(xù)發(fā)展，提高礦產(chǎn)資源利用率，礦山企業(yè)根據(jù)礦山多種資源品位的空間分布變化規(guī)律及特征，結(jié)合短期配礦作業(yè)質(zhì)量計(jì)劃，關(guān)注中長(zhǎng)期配礦工作規(guī)劃和調(diào)整，以促進(jìn)不同品位及含量的礦產(chǎn)資源的充分搭配[18]。故礦山企業(yè)將越來(lái)越重視中長(zhǎng)期動(dòng)態(tài)生產(chǎn)配礦優(yōu)化技術(shù)。

目前，基于礦產(chǎn)資源多組分的中長(zhǎng)期動(dòng)態(tài)配礦優(yōu)化技術(shù)的解算方法研究尚少[18]，故該技術(shù)發(fā)展受到一定的限制。但從礦山企業(yè)可持續(xù)發(fā)展角度考慮，中長(zhǎng)期動(dòng)態(tài)配礦優(yōu)化技術(shù)具有廣闊的應(yīng)用發(fā)展前景。研究者將投入更多的精力研究基于高度非線性受限條件下中長(zhǎng)期動(dòng)態(tài)配礦優(yōu)化技術(shù)的解算方法。

3.3 基于配礦效率和可靠性的配礦優(yōu)化控制技術(shù)

為保障配礦結(jié)果的可靠性和提高配礦工作效率，礦山企業(yè)日趨嚴(yán)格控制配礦方案的編制質(zhì)量和加大配礦各個(gè)工作環(huán)節(jié)的控制力度。因此配礦優(yōu)化控制技術(shù)將朝著提高配礦效率和可靠性的方向發(fā)展。

通常要提高礦巖組分含量信息統(tǒng)計(jì)和分析、爆堆信息的管理與控制、鏟車生產(chǎn)調(diào)度、配礦管理和視頻監(jiān)控等配礦工作的效率和質(zhì)量。目前，Matlab計(jì)算軟件和Micromine、3DMine、DIMINE等礦業(yè)軟件廣泛用于礦巖組分含量信息的統(tǒng)計(jì)分析和配礦方案的編制中[22-24]，提高了配礦方案的編制速度和精度。GPS、GIS和GPRS等信息技術(shù)用于配礦管理控制[14]，在一定程度上提高了配礦車鏟調(diào)度管理效率和保證了配礦監(jiān)控效果，節(jié)省了投資和運(yùn)輸成本，提高了礦山礦產(chǎn)資源利用率和企業(yè)經(jīng)濟(jì)效益[26-28]。隨著信息技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，礦業(yè)軟件、計(jì)算軟件和信息技術(shù)的功能將不斷完善，在提高配礦效率和可靠性方面發(fā)揮更大的作用。

4 結(jié)論

1)總結(jié)了配礦技術(shù)的發(fā)展歷程，分析了簡(jiǎn)易配礦優(yōu)化技術(shù)、系統(tǒng)規(guī)劃配礦優(yōu)化技術(shù)和智能配礦優(yōu)化技術(shù)的應(yīng)用特點(diǎn)，剖析了綜合應(yīng)用系統(tǒng)規(guī)劃配礦優(yōu)化技術(shù)和智能配礦優(yōu)化技術(shù)的重要意義。

2)針對(duì)礦山生產(chǎn)配礦需求的多樣性和礦山系統(tǒng)的復(fù)雜性，結(jié)合系統(tǒng)規(guī)劃配礦優(yōu)化技術(shù)的差異及其解算方法的難易程度及特點(diǎn)，總結(jié)了一般線性規(guī)劃方法、0-1整數(shù)規(guī)劃法、均衡系數(shù)法、多目標(biāo)遺傳算法、多輪粒子群算法、免疫克隆選擇算法和模糊多目標(biāo)優(yōu)化算法等配礦優(yōu)化技術(shù)在礦山生產(chǎn)配礦實(shí)踐中的應(yīng)用情況及效果，凸顯了單一目標(biāo)規(guī)劃智能配礦優(yōu)化技術(shù)和多目標(biāo)規(guī)劃智能配礦優(yōu)化技術(shù)對(duì)提高配礦效果和效率的顯著作用。

3)考慮礦山生產(chǎn)的約束條件日趨復(fù)雜多變、礦山生產(chǎn)需求也日益多樣化和礦山企業(yè)可持續(xù)發(fā)展的戰(zhàn)略目標(biāo)，總結(jié)了多目標(biāo)非線性配礦優(yōu)化技術(shù)、中長(zhǎng)期動(dòng)態(tài)配礦優(yōu)化技術(shù)和保障配礦效果及效率的控制優(yōu)化技術(shù)等3個(gè)發(fā)展趨勢(shì)。

[1] 林啟太. 混合配礦模擬技術(shù)研究[J] . 江西建材，1998(3):39-43.

[2] 陳鵬能，張電吉，李志國(guó)，等. 昆陽(yáng)磷礦數(shù)字配礦優(yōu)化模型與配礦工藝規(guī)程[J] . 武漢工程大學(xué)學(xué)報(bào)，2012，34(10):37-39.

[3] Wilke F L, Reimer T H． Optimizing the short-term production schedule for an open-pit iron ore mining operation[C]//WEISS A．Computer Methods for the 80’s in the Mineral Industry. NewYork：Society of Mining Engineers，1979:642-646.

[4] 趙海云，呂文生．鏡鐵山礦樺樹(shù)溝礦區(qū)礦石配礦研究[J]. 金屬礦山，2002(11):17-20.

[5] J.Gholamnejad，S.Kasmaee．Optimum blending of iron ore from Choghart stockpiles by using goal programming[J]．Journal of Central South University of Technology，2012，19(4):1081-1085.

[6] 朱玉貴，李成龍. 最優(yōu)化配礦算法實(shí)現(xiàn)[J]. 金屬礦山，2004(S1):231-232.

[7] 楊珊，陳建宏，楊海洋，等. 基于Xpress-MP堆積型鋁土礦堆場(chǎng)配礦優(yōu)化研究[J]. 金屬礦山，2010(3):9-11.

[8] 王克讓，陸厚華，杜雅君. 利用0-1整數(shù)規(guī)劃法進(jìn)行原礦配礦[J]. 輕金屬，1997，25(12):13-15.

[9] 黃俊歆，王李管，徐少游，等. 一種新的露天配礦開(kāi)采幾何約束模型及其應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用，2013，49(1):245-248.

[10] 吳麗春，王李管，彭平安，等. 露天礦配礦優(yōu)化方法研究[J]. 礦冶工程，2012，12(4):8-12.

[11] 林啟太. 未確知數(shù)學(xué)在研究混合配礦中的應(yīng)用[J]. 系統(tǒng)工程理論與實(shí)踐，2001，22(1):99-102.

[12] 侯煜. 線性規(guī)劃法在露天礦配礦領(lǐng)域的應(yīng)用[J]. 礦業(yè)工程，2006，4(1):22-24.

[13] 畢惠珍. 淺析某大型露天礦多元素綜合配礦工作[J]. 露天采礦技術(shù)，2012，28(2):49-54.

[14] 文超，顧清華，馮居易. 基于GIS的露天礦配礦管理系統(tǒng)研究[J]. 黃金科學(xué)技術(shù)，2009，17(2):58-62.

[15] 李志國(guó)，崔周全. 基于遺傳算法的多目標(biāo)優(yōu)化配礦[J]. 廣西大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，38(5):1230-1236.

[16] Ananya Chakraborty，M. Chakraborty. Multi criteria genetic algorithm for optimal blending of coal[J]. Opsearch，2012，49(4):386-399.

[17] Song Chunyue, Hu Kailn, Li Ping. Modeling and Scheduling Optimization for Bulk Ore Blending Process[J]．Journal of Iron and Steel Research，2012，19 (9):20-28.

[18] 黃啟富，陳建宏. 基于多輪PSO算法的中長(zhǎng)期動(dòng)態(tài)優(yōu)化配礦研究[J]. 計(jì)算機(jī)應(yīng)用研究，2010，27(10):3711-3717.

[19] 姚旭龍，胡乃聯(lián)，周立輝，等. 基于免疫克隆選擇優(yōu)化算法的地下礦山配礦[J]. 北京科技大學(xué)學(xué)報(bào)，2011，33(5):526-530.

[20] 徐鐵軍，楊鵬. 基于模糊多目標(biāo)優(yōu)化算法的礦山配礦優(yōu)化[J]. 北京科技大學(xué)學(xué)報(bào)，2009，31(11):1363-1366.

[21] 張瑾，黃勇，高祥. 國(guó)外礦業(yè)軟件測(cè)試的一次成功實(shí)踐[J]. 中國(guó)礦業(yè)，1999，8(4):59-62.

[22] 陳愛(ài)兵，秦德先，張學(xué)書(shū)，等. 基于MICROMINE礦床三維立體模型的應(yīng)用[J]. 地質(zhì)與勘探，2004，40(5):77-80.

[23] 李海華，張瑞新. 應(yīng)用Surpac軟件進(jìn)行露天礦采礦工程的可視化[J]. 中國(guó)礦業(yè)，2004，13(1):59-62.

[24] 王洋，趙明生. 基于Dmine的數(shù)字化礦山生產(chǎn)配礦研究[J]. 金屬礦山，2013(8):101-103.

[25] Kailash Lachhwani，Suresh Nehra. Modified FGP approach and MATLAB program for solving multi-level linear fractional programming problems[J]. Journal of Industrial Engineering International，2015，11(1):15-36.

[26] 李軍才，蔡美峰. 金屬露天礦山汽車自動(dòng)調(diào)度系統(tǒng)及其應(yīng)用[J]. 廣西大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，38(5):1230-1236.

[27] Gu Qinghua，Lu Caiwu，Guo Jinping. Dynamic management system of ore blending in an open pit mine based on GIS/GPS/GPRS[J]. Mining Science and Technology，2010(1):132-137.

[28] 劉亞靜，時(shí)靜. 基于GIS的鐵礦資源配礦管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 測(cè)繪與空間地理信息，2015，38(12):1-3.

Situations and development trends of ore blending optimization technology

KE Lihua, HE Xinzeng, YE Yicheng, HE Yangyang

(School of Resource and Environmental Engineering, Wuhan University of Science and Technology, Wuhan 430081, China)

Ore blending optimization technology at home and abroad is sorted out and inducted. And the application condition and effects of ore blending optimization technology are systematically analyzed in mining production based on ore intelligent blending optimization technology of single objective programming and multi-objective programming. The obvious role of system programming methods and information technology has been emphasized in improving the effectiveness and efficiency of ore blending. Considering the increasingly complex and changeable condition of mining production, the increasingly diverse requirements of mining production and the need of the strategic goals of sustainable development on mining enterprises, there will be three developing trends on ore blending optimization technology such as multi-objective programming, middle and long-term dynamic ore blending programming and the reliability of control techniques.

blending optimization technology; resource utilization rate; multi-objective nonlinear programming; middle and long-term dynamic programming

2016-09-20

國(guó)家自然科學(xué)基金項(xiàng)目資助(編號(hào)：51204127)；湖北省科技支撐計(jì)劃項(xiàng)目資助(編號(hào)：2014BCB033)

柯麗華(1974-)，女，漢族，湖北鄂州人，碩士教授，主要從事采礦工程系統(tǒng)優(yōu)化教研工作，E-mail:kelihua@wust.edu.cn。

簡(jiǎn)介：葉義成(1960-)，男，教授、博士生導(dǎo)師，主要從事礦床開(kāi)采、礦山安全技術(shù)研究，E-mail：yeyicheng@wust.edu.cn。

TD80-9

A

1004-4051(2017)01-0077-06