Métaheuristiques hybrides pour les problèmes de recouvrement et recouvrement partiel d'ensembles appliqués au problème de positionnement des trous de forage dans les mines

La première étape du cycle minier est l'exploration minérale. Dans cette étape, des longs trous de forage sont forés dans les zones de minéralisation pour extraire des échantillons. Les échantillons sont ensuite analysés et un modèle 3D de la distribution des minéraux dans la mine est construit. Puisque le forage coûte très cher, les géologues et ingénieurs miniers tentent de positionner leurs trous d'une façon qui minimise le coût de forage. Par contre, les techniques courantes utilisées pour minimiser le coût de forage sont peu sophistiquées et ne trouvent généralement pas la solution optimale. Dans cette thèse, nous utilisons des techniques de recherche opérationnelle pour résoudre le problème de positionnement des trous de forage dans les mines. Nous modélisons le problème sous forme d'une variante du problème de recouvrement d'ensembles, qui est un problème très populaire en recherche opérationnelle, et résolvons ce problème à l'aide d'algorithmes métaheuristiques, notamment l'algorithme génétique, la recherche locale itérée et la recherche taboue. Pour évaluer l'efficacité de notre approche, nous comparons les solutions trouvées par notre approche aux solutions trouvées par les approches industrielles sur des problèmes réels. Les résultats obtenus montrent que notre approche permet une réduction des coûts de forage allant jusqu'à 35%. Un autre aspect très important de cette thèse est la résolution du problème de recouvrement d'ensembles (SCP) à l'aide de métaheuristiques. Nous proposons une nouvelle formulation du SCP et un nouvel algorithme pour le résoudre. La nouvelle formulation élimine les problèmes de faisabilité et redondances du SCP. Nos expérimentations ont montré que l'algorithme proposé trouve des meilleurs résultats que la majorit (si pas tous) les algorithmes métaheuristiques existants pour le SCP.

Abstract

The first steps in the mining cycle are exploration and feasibility. In the exploration stage, geologists start by estimating the potential locations of mineral deposits. Then, they drill many long holes inside the mine to extract samples. The samples are then analyzed and a 3D model representing the distribution of mineralization in the mine is constructed. Because drilling is expensive, geologists and mining engineers try to position their drill holes to cover most potential sites with a minimum amount of drilling. However, the current techniques used to position the drill holes are inefficient and do not generally find the optimal solution. In this thesis, we use operations research techniques to solve the drill holes placement problem. We model the drill holes placement problem as a variant of the set covering problem (which is a very popular optimization problem) and solve the modelled problem using the combination of multiple metaheuristic algorithms, namely the genetic algorithm, iterated local search and tabu search. To evaluate the effectiveness of our approach, we compare the solutions found using our approach to the solutions found by industrial approaches on real world problems. The obtained results show that our approach allow saving up to 35% of drilling cost. Another primary aspect of the thesis is the resolution of the set covering problem (SCP) using metaheuristic approaches. We propose a new formulation of the SCP and a new metaheuristic algorithm to solve it. The new formulation is specially designed for metaheuristic approaches and allows solving the SCP without having to deal with feasibility and set redundancy. Computational results show that our metaheuristic approach is more effective than most (if not all) metaheuristic approaches for the SCP.