《Mathematics》：Methodical Aspects of Calculation of Technical Energy Losses in a Direct Current Electric Network
编辑推荐：
摘要：不确定性条件下的地下矿山生产调度是一个复杂的多领域耦合系统工程。在本研究中，地下矿山生产调度旨在确定与开采相关项目的最优开始时间，目标为最大化净现值（Net Present Value, NPV）、最小化完工时间（makespan）以及最大化资源利用率。
摘要：不确定性条件下的地下矿山生产调度是一个复杂的多领域耦合系统工程。在本研究中，地下矿山生产调度旨在确定与开采相关项目的最优开始时间，目标为最大化净现值（Net Present Value, NPV）、最小化完工时间（makespan）以及最大化资源利用率。研究人员采用Copula函数来刻画不确定项目工期与成本之间的相关性，并生成一组随机场景。然后，K-means算法将场景分类为多个场景族，并采用同步向后缩减（Simultaneous Backward Reduction, SBR）算法进行场景缩减。此外，研究人员扩展了一种基于排名选择函数的超启发式算法（hyper-heuristic algorithm）来求解多目标优化模型，该算法在三个目标函数之间实现了良好平衡。为确定最优调度方案，采用交叉效率数据包络分析（Cross-Efficiency Data Envelopment Analysis, DEA）算法对存档集进行评估、排序，并指导下一次迭代。计算案例验证了多目标地下矿山调度模型、随机场景技术及超启发式算法的有效性与高效性。
# 论文解读：不确定性条件下地下矿山生产调度的多目标优化方法
## 研究背景与问题
地下矿山生产调度是矿产开发中的核心环节，涉及长期与短期调度决策，包括掘进、爆破、装载、运输、充填等一系列相互关联的作业。在矿山实际运营中，生产调度需应对复杂的地质条件、设备可靠性以及外部市场波动等多重不确定性。传统确定性调度模型往往无法提供可执行的计划，导致生产延误与经济收益下降。现有研究多集中于单一目标优化（如净现值最大化）或采用简单的随机变量建模，未能充分考虑工期与成本之间的非线性相关性，也缺乏对多目标冲突的有效平衡机制。此外，大规模地下矿山调度问题属于NP-hard问题，单一元启发式算法在解质量和鲁棒性方面存在局限。因此，发展一种能够处理不确定性、多目标冲突并具备高鲁棒性的调度方法具有重要的理论与实践意义。
## 研究内容与结论
为解决上述问题，研究人员构建了一个随机地下矿山生产调度模型，目标函数包括最大化净现值（NPV）、最小化完工时间（makespan）以及最大化资源利用率。模型引入了Frank–Copula函数来刻画不确定项目工期与成本之间的相关性，并基于核密度估计生成随机场景。随后，采用K-means聚类与同步向后缩减（SBR）算法进行场景缩减，以平衡计算精度与效率。在求解方面，研究人员提出了一种基于排名选择函数的超启发式算法（HH），该算法将三种经典多目标元启发式算法（MOEA/D、NSGA-II、MOPSO）作为底层算子，由上层排名选择函数动态调度最优底层算子，并将交叉效率数据包络分析（Cross-Efficiency DEA）集成到存档评价机制中，用于对帕累托最优解进行排序和选择。计算案例及鲁棒性分析验证了所提模型与算法的有效性。研究表明：所提出的超启发式算法在超体积（Hypervolume, HV）和反转世代距离（Inverted Generational Distance, IGD）指标上均优于单一元启发式算法；在12个扩展实例中，HH算法在净现值、完工时间和资源利用率三个目标上均表现更优，且计算效率更高。该论文发表在《Mathematics》期刊上。
## 关键技术方法
1. **Copula函数场景生成与缩减**：采用Frank–Copula函数建立不确定项目工期与成本的联合分布，基于高斯核密度估计拟合边缘分布，生成随机场景；随后结合K-means聚类与同步向后缩减（SBR）算法进行场景缩减，保留具有代表性且概率分布特征相似的场景。
2. **基于排名选择函数的超启发式算法（HH）**：上层算子通过计算各底层元启发式算法的综合绩效指标（包括算法努力AE、非支配个体比例RNI、拥挤距离CD、覆盖空间大小SSC），利用排名机制生成选择函数（CF）值，动态选择最优底层算子（MOEA/D、NSGA-II、MOPSO之一）进行迭代搜索。
3. **交叉效率数据包络分析（Cross-Efficiency DEA）**：将每个帕累托解视为决策单元，以目标函数值作为输入/输出指标，通过自评与他评相结合的方式计算交叉效率值，用于对存档集进行排序并确定最优调度方案。
## 研究结果
### 5.1 数据收集与实验准备
基于某地下金属矿山的实际生产调度数据（共120个项目，包括钻眼、装药、爆破通风、支护、出矿运输、充填等工序），利用Copula函数生成30组典型场景，再缩减为6个典型生产场景。通过田口实验（Taguchi experiment）确定MOEA/D、NSGA-II和MOPSO的最优参数组合。
### 5.2 模型求解结果
在包含300个项目的计算实例中，超启发式算法获得包含11个冲突解的帕累托前沿。交叉效率DEA计算得到最优解的交叉效率值为0.9932，对应的净现值为3468.18，完工时间为210.4，资源利用率为0.94。
### 5.3 基准函数对比
在ZDT1、ZDT2、ZDT3、DTLZ1、DTLZ2五个标准多目标测试函数上，所提HH算法的超体积（HV）值均优于NSGA-II和MOPSO（例如在ZDT1上HH的HV为0.7180，比NSGA-II高5.3%）；IGD值在所有函数上均为最低（例如ZDT3上HH的IGD为0.0051，比NSGA-II低45.7%），表明HH算法具有更优的收敛性和分布性。
### 5.4 模型与算法分析
#### 5.4.1 场景树构建策略的稳定性评估
采用样本内稳定性指标：对10个不同问题实例，分别生成不同场景树并求解，净现值最大误差为2.12，平均误差为0.77，表明场景生成与缩减方法具有合理的样本内稳定性。
#### 5.4.2 超启发式算法的性能评估
在12个不同规模的计算实例上，HH算法在净现值、完工时间和资源利用率三个目标上均优于NSGA-II、MOPSO和MOEA/D；交叉效率值对比显示HH获得的最优解综合性能最优；平均CPU运行时间比较表明HH在大部分实例上计算时间最短，说明其排名选择函数机制能有效调度底层算子并加速收敛。
#### 5.4.3 资源可用性的影响分析
随着可再生与不可再生资源可用性的增加，HH算法得到的净现值、资源利用率和完工时间均改善；但帕累托解集的平均交叉效率值先增后减，表明资源增加到一定程度后资源利用率下降。
## 讨论与结论
### 讨论总结
论文通过系统性的实验设计验证了所提随机调度模型与超启发式算法在不同场景、不同资源条件下的有效性。场景生成与缩减方法能够有效保留不确定性特征，而超启发式算法通过动态选择底层元启发式算子，在解质量和鲁棒性方面均优于传统单一算法。交叉效率DEA的引入为多目标优化提供了一种客观的解排序手段，有助于决策者选择最优调度方案。
### 研究结论翻译
本文研究了具有不确定项目工期和成本的随机地下矿山生产调度多目标优化问题。在实际地下生产中，按计划执行开采相关项目十分困难。所提出的地下矿山调度模型旨在最大化净现值、最小化完工时间和最大化资源利用率。此外，研究人员提出了一种场景生成与缩减程序来应对不确定项目工期和成本。采用Copula函数构建不确定项目工期与成本之间的相关性并生成一组随机场景，然后利用K-means算法将场景分类为多个场景族，并用SBR算法进行场景缩减。此外，三个目标函数的冲突导致模型求解困难，该问题被证明是NP-hard问题。因此，研究人员扩展了基于排名选择函数的超启发式算法以获取帕累托最优调度方案，并应用交叉效率DEA模型确定最优解。计算结果和鲁棒性分析验证了所提出的地下矿山生产调度模型及求解方法的有效性。最后，本研究提出了若干未来研究方向，包括将采场设计与生产调度在多种不确定性（如地质条件与设备操作不确定性）下进行集成，以及探索深度强化学习在求解地下矿山生产调度问题中的应用。
