Planning of the open-pit working edge positions by the periods of mining within the constraint programming paradigm

The work is aimed at solving the three-dimensional problem of finding the open-pit working edge positions by the periods of mining, taking into account the a priori specified productivity for the mineral and overburden. The proposed method uses a block model of a pit, where for each block its coordinates, the content of minerals in it, and the conditional initial value of the block are known. Also, a discounting function is set - a change in the total value of a block, depending on the period of its mining. The task is to find the distribution of blocks over mining periods that maximizes the total value of the blocks. Combinatorial search acceleration is achieved by representing a number of technological constraints in the form of global constraints.

Pembentukan Solusi Awal International Timetabling Competition 2021

Penjadawalan olahraga merupakan salah satu cabang dari optimasi di riset operasi. Penjadwalan olahraga memiliki berbagai macam batasan yang menantang para peneliti untuk menyelesaikannya. International Timetabling Competition (ITC) 2021 merupakan salah satu kompetisi optimasi yang menyediakan permasalahan penjadwalan olahraga. Permasalahan utama pada ITC 2021 yaitu menentukan jadwal waktu yang tepat untuk sebuah pertandingan. Sebuah jadwal dikatakan dapat digunakan (feasible) apabila tidak melanggar hard constraint yang ada. Pembentukan solusi awal yang feasible saat ini dapat dilakukan dengan algoritma constraint programming atau integer programming. Akan tetapi, kedua algoritma tersebut cukup rumit untuk diimplementasikan. Penelitian ini berfokus pada pembentukan solusi awal yang feasible dengan cara yang mudah untuk diimplementasikan. Cara yang digunakan yaitu dengan mengoptimasi pelanggaran hard constraint menggunakan algoritma Late Acceptance Hill Climbing (LAHC) dan Tabu Search dengan kerangka kerja Hyper-Heuristic yang melibatkan low level heuristic (LLH). Algoritma dijalankan maksimal dengan batasan waktu 6 jam untuk setiap data. Hasil dari optimasi pelanggaran hard constraint menggunakan algoritma LAHC dan tabu search dapat menghasilkan solusi awal yang feasible sebanyak 44.44% atau 24 dari 54 keseluruhan dataset.

Применение smart-таблиц и оценок целевой функции для снижения размерности и ускорения решения задач Constrained Clustering

В статье представлен комплексный подход к точному решению задач Constrained Clustering, то есть задач кластеризации, предполагающих анализ, помимо матрицы расстояний, фоновых знаний о необходимости/недопустимости вхождения некоторых объектов в те или иные кластеры. Подход реализован в рамках парадигмы программирования в ограничениях (Constraint Programming), ориентированной на построение процедур систематического поиска (процедур обхода дерева поиска) для решения сложных комбинаторных задач. При этом, вся исходная информация о задаче выражается с помощью ограничений, то есть качественных и количественных зависимостей. Существенная сложность заключается в том, что в современных средах и библиотеках программирования в ограничениях обработка качественных ограничений, которыми, в частности, являются правила отнесения объектов к одному или различным кластерам, производится недостаточно эффективно. Таким образом, представляется актуальной разработка способов ускорения обработки подобных ограничений. В статье предлагается представлять и обрабатывать качественные ограничения в форме табличных ограничений нового типа, а именно smart-таблиц D-типа. Для smart-таблиц D-типа разработаны высокоэффективные процедуры вывода на ограничениях, осуществляющие раннее отсечение неперспективных ветвей дерева поиска. Другое направление работ, которое активно развивается в настоящих исследованиях, связано с уменьшением количества ограничений, используемых для представления задачи, и с упрощением их вида. Предлагается генерировать ограничения лишь для некоторых пар объектов, основываясь на интервальной оценке для оптимального значения критерия кластеризации. Для получения данной оценки используется ранее предложенный авторами метод иерархической кластеризации, который позволяет анализировать ограничения на комбинации пар объектов внутри кластера. Предложенный подход позволяет находить все варианты разбиений, обеспечивающие глобальный оптимум целевой функции для рассматриваемых задач Constrained Clustering высокой размерности. Разработанный подход проиллюстрирован на примере задачи выявления зон участка горного массива с различной степенью сейсмической активности.