Sim2Schedule：仿真器引导的LLM框架用于自主露天矿排程

露天矿调度是在复杂的岩土工程和运营限制下实现经济回报最大化的关键过程。虽然混合整数线性规划 (MILP) 提供了数学上的最佳基线，但其指数计算复杂性和无法实时适应限制了其在动态工业环境中的实际部署。这项工作引入了模拟器驱动的大语言模型 (LLM) 调度框架，其中 LLM 充当自主决策代理，在每一步都由自定义模拟器引导，该模拟器将岩土优先级、提取处理耦合和动态容量约束直接编码到动作生成机制中。该框架在封闭的数据安全环境中完全零样本运行，生成完整的、可解释的提取和处理计划，无需基于云的推理、特定领域的微调或再训练。为了提供值得信赖的性能基准，开发了一种新颖的 MILP 公式，该公式结合了实际的操作和岩土工程约束。通过对不同规模和时间段的挖掘实例进行评估，基于 LLM 的框架恢复了 MILP 最佳 NPV 的 94% 到 99%，同时在计算时间上线性扩展。这些结果将模拟器约束的 LLM 代理定位为复杂操作约束下长期工业调度经典优化的实用且可扩展的替代方案。