%34تخفیف

دانلود پروژه: محاسبه عیارهای حد بهینه یک کانسار دو فلزی با استفاده از روشهای بهینهسازی شهودی الگوریتم ژنتیک و اجتماع ذرات

تعداد 91صفحه در فایل word

کارشناسی ارشد رشته مهندسي معدن گرايش استخراج

محاسبه عیارهای حد بهینه یک کانسار دو فلزی با استفاده از روشهای بهینهسازی شهودی الگوریتم ژنتیک و اجتماع ذرات

 

چکیده

تعیین عیارهای حد بهینه با هدف بیشینه کردن ارزش خالص فعلی، یکی از پارامترهای مهم در طراحی و برنامه ریزی معادن روباز به شمار میرود.  یکی از بهترین الگوریتمهای موجود برای تعیین عیارحد بهینه کانسارهای یک فلزی توسط «لین» ارائه شده است که به علت در نظر گرفتن ظرفیت واحد تصفیه و فروش یک فلز، در کانسارهای دو فلزی کاربردی ندارد.  در این تحقیق برای تعیین عیارهای حد بهینه یک کانسار سرب و روی با هدف بیشینه کردن ارزش خالص فعلی، مدل توسعه یافتهای از الگوریتم لین برای کانسارهای دو فلزی، مورد استفاده قرار گرفته است.  سپس با استفاده از روشهای بهینهسازی شهودی الگوریتم ژنتیک و اجتماع ذرات، این مدل توسعه یافته حل شده و کارایی این روشها در تعیین عیارهای حد بهینه مقایسه شده است.  همچنین در این تحقیق سه تعریف برای تمایز ماده معدنی از باطله در کانسارهای دوفلزی ارائه شده است که هر یک از این سه تعریف با استفاده از مدل توسعه یافته و روشهای شهودی مذکور حل و نتایج آن مقایسه شدهاند.  در مقایسه سه تعریف ماده معدنی، نتیجه این مطالعات نشان دهنده برتری تعریف دوم ماده معدنی است که طبق آن، عیار هر یک از دو فلز در ماده معدنی بزرگتر از عیارحد مربوط به آن فلز است.  همچنین از بین روشهای شهودی الگوریتم ژنتیک و اجتماع ذرات، ارزش خالص فعلی به دست آمده با استفاده از روش اجتماع ذرات 53278685 دلار به دست آمد که این مقدار بالاتر از ارزش خالص فعلی به دست آمده توسط الگوریتم ژنتیک بوده و این روش عیارهای حد بهینه را با دقت بالاتر و حجم محاسبات کمتر به دست میدهد.

کلید واژه:  عیارهای حد بهینه، ارزش خالص فعلی، کانسارهای دو فلزی، روش های بهینه سازی شهودی، الگوریتم ژنتیک، روش اجتماع ذرات

فهرست مطالب

فصل اول:   مقدمه و اهداف

  • مقدمه ——————————————————— 1

  • اهداف پایان نامه ————————————————– 2

  • مروری بر ساختار پایان نامه —————————————— 3

فصل دوم:   روشهای بهینه سازی الگوریتم ژنتیک و اجتماع ذرات

2-1  مقدمه ——————————————————— 4

2-2  الگوریتم ژنتیک ————————————————– 4

2-2-1  مقدمه ——————————————————- 4

2-2-2  اجزا و پارامترهای الگوریتم ژنتیک ———————————– 5

2-2-3  ساختار کلی الگوریتم ژنتیک ————————————— 7

2-2-4  کد کردن —————————————————  10

2-2-5  تولید یک جمعیت اولیه از جوابها ———————————- 11

2-2-6  محاسبه برازندگی جوابها با تابع ارزیابی —————————— 12

2-2-7  انتخاب —————————————————–  12

2-2-8  تقاطع ——————————————————  13

2-2-9  جهش —————————————————— 14

2-2-10  فرآیند تکرار ————————————————  14

2-2-11  خاتمه عملیات ———————————————–  16

2-3  الگوریتم اجتماع ذرات ——————————————–  16

2-3-1  مقدمه —————————————————— 16

2-3-2  مطالعه رفتار پرندگان و ایده اولیه  ——————————- 17

2-3-3  انواع توپولوژی و اصل همسایگی ———————————–  18

2-3-3-1 توپولوژی ستاره ———————————————- 19

2-3-3-2 توپولوژی حلقه ———————————————-  19

2-3-3-3 توپولوژی ون نیومن ——————————————- 20

2-3-4  الگوریتمهای اجتماع ذرات ——————————————– 20

2-3-4-1  الگوریتم بهترین فرد ——————————————  20

2-3-4-2  الگوریتم بهترین جهانی —————————————-  21

2-3-4-3 الگوریتم بهترین محلی —————————————–  23

2-3-5  تعیین شایستگی ———————————————— 24

2-3-6  خاتمه عملیات ————————————————  24

2-3-7  تعداد ذرات ————————————————–  24

2-3-8  نتیجه گیری ————————————————–  26

فصل سوم:   مدل توسعه یافته الگوریتم لین برای کانسارهای دوفلزی

 3-1  مقدمه ——————————————————– 27

3-2  تابع هدف برای بیشینه کردن ارزش خالص فعلی در کانسارهای دو فلزی ———– 27

3-3  مراحل تعیین عیارهای حد بهینه برای بیشینه نمودن ارزش خالص فعلی ————   34

3-4  حالات مختلف تشخیص ماده معدنی از باطله در کانسارهای دو فلزی ————-  38

3-5  نتیجه گیری —————————————————-  40

فصل چهارم:   بهینه سازی عیارهای حد یک کانسار دو فلزی با استفاده از الگوریتم

4-1  مقدمه ——————————————————– 40

4-2  تحلیل حساسیت پارامترهای الگوریتم ژنتیک —————————–  40

4-3  مقایسه سه تعریف ماده معدنی با استفاده از مقدار تابع هدف هر یک از آنها ——–  43

4-4  عمل کدگذاری ————————————————-  45

4-5  تولید جمعیت اولیه ———————————————–  46

4-6  ارزیابی کروموزمها ———————————————– 46

4-7  ایجاد جمعیت جدید ———————————————-  47

4-8  فرآیند تکرار —————————————————  47

4-9  نتیجه گیری —————————————————-  51

فصل پنجم:   بهینه سازی عیارهای حد یک کانسار دوفلزی با استفاده از الگوریتم

5-1  مقدمه ——————————————————–  52

5-2  مقایسه سه تعریف ماده معدنی با استفاده از الگوریتم  ——————– 52

5-3  تولید جمعیت اولیه ———————————————–  53

5-4  تعیین شایستگی ————————————————– 53

5-5  مقایسه شایستگی ذرات با دو مقدار  و  —————-  53

5-6  به روز شدن سرعت و موقعیت ذرات ———————————– 54

5-7  فرآیند تکرار —————————————————  54

5-8  بهینه سازی عیارهای حد سالهای مختلف عمر معدن برای تعریف اول ماده معدنی —-  58

5-9  نتیجه گیری —————————————————-  59

فصل ششم:   تحلیل نتایج

6-1  مقدمه ——————————————————– 60

6-2  ارزش خالص فعلی عملیات با استفاده از الگوریتم ژنتیک ——————— 60

6-3  ارزش خالص فعلی عملیات با استفاده از روش اجتماع ذرات ——————- 60

6-4  بررسی اعتبار روشهای بهینه سازی ارائه شده —————————–  61

6-5  نتیجه گیری —————————————————- 65

فصل هفتم:   نتیجه گیری و پیشنهادات

7-1  نتیجه گیری —————————————————-  66

7-2  پیشنهادات —————————————————–  68

منابع ————————————————————- 69

 

 

 

 

 

 

فهرست شکلها

شکل 2-1  شبه کد الگوریتم ژنتیک —————————————- 8

شکل 2-2  شمای کلی الگوریتم ژنتیک ————————————– 9

شکل 2-3  یک مثال ساده از نحوه کار الگوریتم ژنتیک ————————– 15

شکل 2-4  انواع توپولوژی ———————————————   19

شکل 2-5  به روز شدن سرعت و مکان یک ذره ——————————- 22

شکل 2-6  فلوچارت الگوریتم اجتماع ذرات ———————————  25

شکل 3-1  نمایش نموداری از محاسبه ارزش خالص فعلی ————————  31

شکل 3-2  تعیین مرز باطله و ماده معدنی با استفاده از عیار حد در کانسارهای تک فلزی—-  38

شکل 3-3  حالتهای مختلف تشخیص ماده معدنی از باطله در کانسارهای دو فلزی ——- 39

شکل 4-1  تغییرات تابع هدف به ازای تغییرات احتمال تقاطع ———————-  41

شکل 4-2  تغییرات تابع هدف به ازای تغییرات احتمال جهش ———————- 42

شکل 4-3  تغییرات تابع هدف به ازای تغییرات اندازه جمعیت ———————- 42

شکل 4-4  نحوه ارزیابی رشتههای یک جمعیت ——————————-  47

شکل 4-5  تغییرات بهترین مقدار و متوسط تابع هدف برای اعضای جمعیت با افزایش تعداد تکرارها در الگوریتم ژنتیک ——————————————— 48

شکل 4-6  تغییرات بهترین مقدار تابع هدف در پانصد تکرار الگوریتم ژنتیک ———– 49

شکل 4-7  تغییرات سود در سالهای مختلف عمر معدن ————————– 50

شکل 5-1  میانگین  برای اعضای جمعیت در تکرارهای مختلف الگوریتم  ——  55

شکل 5-2  تغییرات بهترین مقدار تابع هدف  با افزایش تعداد تکرارها  در الگوریتم اجتماع   ذرات ————————————————————  55

شکل 5-3  تغییرات سود در سالهای مختلف عمر معدن ————————– 57

شکل 6-1  سود حاصل از عملیات در سالهای مختلف عمر معدن ——————- 61

شکل 6-2  مقایسه مقدار تابع هدف در هر یک از سه تعریف ماده معدنی با استفاده از الگوریتمهای ژنتیک و اجتماع ذرات ————————————— 62

شکل 6-3  مقایسه ارزش خالص فعلی به دست آمده توسط الگوریتم اجتماع ذرات در هر یک از سه تعریف ماده معدنی ————————————————- 63

شکل 6-4  ارزش خالص فعلی به دست آمده توسط هر یک از الگوریتمهای  و      برای دومین تعریف ماده معدنی ——————————————- 63

شکل 6-5  میانگین تابع هدف در پنجاه بار اجرای برنامه توسط هر یک از الگوریتمهای  و  برای دو تعریف اول ماده معدنی ————————————-  64

شکل 6-6  متوسط برازندگی اعضای جمعیت و بهترین مقدار تابع هدف در پنجاه نسل الگوریتمهای  و  برای تعریف دوم ماده معدنی در سال اول از عمر معدن ——-  65

فهرست جداول

جدول 3-1  توزیع تناژ- عیار کانسار سرب و روی —————————–  35

جدول 3-2  عیار متوسط روی در محدوده های عیاری مختلف کانسار سرب و روی ——  36

جدول 3-3  عیار متوسط سرب در محدوده های عیاری مختلف کانسار سرب و روی —— 36

جدول 3-4  پارامترهای اقتصادی و عملیاتی برای معدن سرب و روی —————– 37

جدول 4-1  مقایسه سه تعریف ماده معدنی با مقدار تابع هدف هر یک از آنها توسط الگوریتم  ————————————————————-  44

جدول 4-2  عیارهای حد بهینه به دست آمده توسط الگوریتم ژنتیک و تولید واحدهای       صنعتی در طول عمر معدن ———————————————-  50

جدول 5-1  مقایسه سه تعریف ماده معدنی با مقدار تابع هدف هر یک از آنها توسط الگوریتم  ———————————————————— 52

جدول 5-2  عیارهای حد بهینه به دست آمده توسط الگوریتم اجتماع ذرات و تولید واحدهای مختلف در طول عمر معدن ———————————————- 57

جدول 5-3  عیارهای حد بهینه و تولید واحدهای مختلف در طول عمر معدن برای تعریف اول ماده معدنی ——————————————————–

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دانلود پروژه: محاسبه عیارهای حد بهینه یک کانسار دو فلزی با استفاده از روشهای بهینهسازی شهودی الگوریتم ژنتیک و اجتماع ذرات”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قبلا حساب کاربری ایجاد کرده اید؟
گذرواژه خود را فراموش کرده اید؟
Loading...
enemad-logo