[论文解读] Adaptive Strategies for The Open-Pit Mine Optimal Scheduling Problem

Michel De Lara, Nelson Morales+1 more|arXiv (Cornell University)|Jun 26, 2017

Mining Techniques and Economics参考文献 22被引用 6

一句话总结

本文提出了一种针对不确定条件下露天矿最优调度问题的自适应索引策略，采用动态优化方法生成次优但计算高效的解决方案。通过提供净现值（NPV）的上下界，展示了在大规模、基于情景的矿产规划中具有强大的可扩展性与应用前景。

ABSTRACT

Within the mining discipline, mine planning is the component that studies how to transform the information about the ore resources into value for the owner. For open-pit mines, an optimal block scheduling maximizes the discounted value of the extracted blocks (period by period), called the net present value (NPV). However, to be feasible, a mine schedule must respect the slope constraints. The optimal open-pit block scheduling problem (OPBSP) consists, therefore, in finding such an optimal schedule. On the one hand, we introduce the dynamical optimization approach to mine scheduling in the deterministic case, and we propose a class of (suboptimal) adaptive strategies, the so-called index strategies. We show that they provide upper and lower bounds for the NPV, and we provide numerical results. On the other hand, we introduce a theoretical framework for OPBSP under uncertainty and learning.

研究动机与目标

• 解决在确定性和不确定性条件下露天矿块调度问题（OPBSP）的计算不可行性。
• 开发一种动态优化框架，支持在矿产调度中实现自适应决策，超越静态的开环计划。
• 提供计算高效的启发式方法——索引策略，使其在大规模矿产实例和多种情景下具有良好可扩展性。
• 为矿产规划中的不确定性处理与学习提供理论基础，整合鲁棒性与期望效用准则。
• 建立NPV的上下界，以评估自适应策略在现实应用中的性能表现。

提出的方法

• 将OPBSP建模为带有边坡稳定性与容量限制的优先约束的动态优化问题。
• 提出索引策略作为次优、计算快速的启发式方法，基于价值函数对块进行排序，实现可扩展的调度。
• 采用多先验方法建模概率分布中的模糊性，最小化在一组合理模型中的最坏情况期望NPV。
• 整合条件模拟与反馈机制，随时间更新信念，实现在不确定环境中的闭环决策。
• 在每个时间步采用基于情景的方法并动态重采样，根据观测结果更新决策策略。
• 通过包含风险价值（Value-at-Risk）与条件风险价值（Conditional Value-at-Risk）约束的公式，整合鲁棒优化与期望效用准则。

实验结果

研究问题

• RQ1 自适应策略如何提升不确定条件下露天矿调度的可扩展性与性能？
• RQ2 索引策略在NPV边界估计中的理论与计算性能如何？
• RQ3 当未来矿石品位不确定时，动态学习与反馈机制如何增强矿产规划中的决策能力？
• RQ4 在基于情景的矿产调度中，闭环策略相较于开环策略有何优势？
• RQ5 如何将鲁棒性与风险约束优化准则整合到统一框架中，以应对矿产规划中的不确定性？

主要发现

• 索引策略为大规模露天矿调度问题提供了计算高效且可扩展的解决方案，与精确方法相比显著减少了求解时间。
• 该方法可生成NPV的上下界，使无需完全最优即可评估启发式解的性能。
• 多先验与风险约束公式使在模型模糊性和NPV结果概率约束下实现鲁棒决策成为可能。
• 通过条件更新情景分布实现的动态反馈机制，支持能够适应新信息的闭环策略，从而在不确定性下提升长期规划效果。
• 数值结果表明，索引策略在处理大量情景方面具有可行性与前景，这对现实世界矿产规划至关重要。
• 该框架支持学习与不确定性建模的集成，为数据丰富、动态演化的环境中实现自适应矿产调度铺平了道路。