力拓以大型鄰域搜尋解決數十年來的露天礦場規劃難題

橫跨數十年開採期的露天礦場規劃，會產生龐大且複雜的最佳化模型：礦坑開採順序、混礦、設備與礦石品位全都相互影響。現成求解器不是逾時就是耗盡記憶體，規劃人員因此只能退而採用少數情境的人工分析。

團隊的大型鄰域搜尋則反其道而行：先以滑動視窗啟發式方法產生初始可行計畫，接著反覆進行受限的混合整數求解，每次迭代只釋放一部分變數。鄰域形成策略利用模型結構來決定釋放哪些變數。

這套方法在力拓實際運行，能求解商業求解器無法處理的大型長期規劃模型，大幅縮短求解時間，並讓規劃人員得以測試多種情境，產生價值數百萬美元的洞察。

固定大多數變數；每次重新最佳化一個鄰域

固定大多數變數，可讓每個子問題小到足以精確求解；而對不同鄰域反覆迭代，則能避開單次貪婪處理會陷入的局部陷阱。

具結構感知的鄰域（礦塊、階段、時段）會釋放真正相互影響的變數，因此迭代能快速收斂。

情境探索才是真正的成果：規劃人員如今能針對許多未來情境提出「如果……會怎樣」的問題，而不必再限量只跑三次。

當模型大到無法求解時，不要縮小問題本身，而是固定答案的一大部分，再對不斷移動的決策鄰域重新求解，直到收斂為止。

於 2026 年發表在《INFORMS Journal on Applied Analytics》。力拓將此框架用於長期礦場規劃，論文指出，更快速的情境探索帶來了「價值數百萬美元的洞察」。