矿山调度强化学习模型

完井时间缩短14.1%

端到端强化学习框架同时优化块体选择与设备分配，直接压缩采场采掘完成时间，并具备训练集外规模的泛化能力。

Li, Ning · Yi, Ding · Dai, Bibo · 王李管 · Jian, Chang · 叶海旺 · 王其洲

Swarm and Evolutionary Computation 2026

参数信息

makespan缩短百分比

14.1 %

相比遗传算法的求解加速倍数

65

技术优势

求解提速65倍

相比遗传算法，大规模算例上运行时间缩短65倍，使得调度方案可以在几分钟内重新优化。

完井时间缩短14.1%

与基于经验的规则和元启发式算法相比，平均完工时间减少14.1%，意味着更高的设备利用率和更快的矿石交付。

应用场景

• 地下矿山开采调度：直接输出块体和设备分配方案，减少采场完成时间。
• 装备调度优化：同时优化设备分配，提升利用率并缩短完工时间。