Key points are not available for this paper at this time.
O problema de agendamento de produção de mina (MPSP) tem sido estudado desde a década de 1960 e continua sendo uma área ativa de pesquisa computacional. Ao estender os conceitos do MPSP, a mina automatizada pode agora ser considerada um agente inteligente hierárquico no qual a camada inferior consiste em equipamentos robóticos distribuídos, enquanto a funcionalidade estratégica ocupa as camadas superiores. Aqui apresentamos uma desambiguação de inteligência artificial, aprendizado de máquina, otimização computacional e automação no contexto da mineração. Especificamente, o algoritmo de Q-learning foi adaptado para gerar as soluções iniciais para um algoritmo de planejamento estratégico de mina de alto desempenho, originalmente desenvolvido por Lamghari, Dimitrakopoulos e Ferland, com base na metaheurística de descida de vizinhança variável (VND). O agente inteligente hierárquico é apresentado como uma plataforma conceitual integrativa, definindo a interação entre nossa nova adaptação do Q-learning e o VND de Lamghari, e potencialmente outros componentes controlados hierarquicamente de uma mina artificialmente inteligente, com vários graus de automação. Cálculos exemplares envolvendo Q-learning e VND são apresentados.
Quelopana et al. (Sex,) estudaram esta questão.