بهینه سازی تخصیص و گسیل کامیون – شاول در معادن روباز شامل یافتن مسیرهای بهینه برای حمل مواد، میزان حمل مواد از هر یک از ایستگاه های بارگیری و گسیل لحظه ای کامیون به هر یک از نقاط بارگیری و تخلیه است، به گونه ای که حداکثر بهره وری از تجهیزات صورت گیرد. برای معادن بزرگ با چندین ایستگاه بارگیری که ممکن است بیش از یک نوع ماده معدنی استحصال شود، در شرایط واقعی مدل ها و محدودیت های تخصیص و گسیل انعطاف پذیر کامیون – شاول پیچیده تر شده، به طوری که ممکن است روش های تحقیق در عملیاتی از حل این مدل ها عاجز باشند. به همین دلیل در این تحقیق از الگوریتم ژنتیک به عنوان یکی از زیر شاخه های هوش مصنوعی که در حل مسائل بهینه سازی مشکل کابرد گسترده و موفقیت آمیزی داشته است، برای حل مسأله تخصیص و گسیل که محدودیت های زیادی نیز بر مسأله حاکم است، استفاده شده است. نگرش ویژه این تحقیق بر روی یکی از بزرگ ترین معادن ایران، یعنی معدن مس سونگون می باشد. برای این منظور با مطالعه مدل های مختلف ارائه شده برای تخصیص و گسیل، مدل ارائه شده توسط لی برای این معدن انتخاب شده است. این مدل کاستی هایی نیز داشت که در این تحقیق این کاستی ها برطرف شده و مدل توسعه داده شده با داده های برداشت شده برای یک شیفت واقعی از معدن با استفاده از الگوریتم ژنتیک حل گردید. برای مقایسه نتایج حاصل از الگوریتم ژنتیک، مدل با استفاده از نرم افزار lingo نیز حل گردید. نتایج حاصل بیانگر کارآیی بسیار مناسب الگوریتم ژنتیک برای حل مدل های تخصیص و گسیل می باشد به نحوی که تمام محدودیت های موجود در مسأله تخصیص و گسیل را نیز برآورده می سازد. همچنین نتایج حاصل از بکارگیری مدل تخصیص انعطاف پذیر توسعه داده شده لی برای معدن مس سونگون بیانگر افزایش تولید 5/27 درصد شیفت مورد نظر نسبت به روش تخصیص سنتی موجود می باشد.