【技术实现步骤摘要】
本专利技术涉及蔬菜生产安排领域，尤其涉及一种蔬菜种植茬口安排的智能优化方法。
技术介绍
以前蔬菜种植茬口安排计划完全由人工按个人经验进行编制，而蔬菜的种植具有生产周期长、约束条件多、生产方式固定等特点，所以蔬菜排产计划的编制成为一项繁琐且生产经验要求高的工作，人工编制的计划往往无法同时兼顾效益、产能、成本节约、地域、种植设施和种植模式合理等诸方面的要求。因而，有必要找到一种智能优化方法实现排产计划的在线自动编制。我们用数学建模的方式将蔬菜排产计划映射为带约束的旅行商问题。旅行商问题·简称为TSP问题，是最基本的路线问题，该问题是在寻求单一旅行者由起点出发，通过所有给定的需求点之后，最后再回到原点的最小路径成本旅行商问题。旅行商问题尽管在理论上能提供最优解，但已被证明是一个NP难问题。在计算机学科中，存在多项式时间的算法的一类问题，称之为P类问题；旅行商问题则属于至今没有找到多项式时间算法解的一类问题，称之为NP类难问题，求解时间随问题规模呈指数增长，用常规方法很难得到问题的最优甚至次优解。近年来，为了解决这个问题，国内外研究者基于途程构建法、途程改善法、合成启发法、神经网络、遗传算法等人工智能方法建立了旅行商问题的求解方法。比如，NanXu提出了一种混沌神经网络的方法解决旅行商问题，蔡荣英则提出了迭代改进蚁群优化算法，刘强用粒子群优化算法来解决旅行商问题。上述方法极大地推动了旅行商问题的研究及实际工程中的应用，但仍有不足之处。启发优先系数和经验系数对问题的解决有很大的影响，如果各结点权值选择不当，很容易陷入局部最优或者使收敛速度降低，极大影响算法的准确度...
【技术保护点】
一种蔬菜种植茬口安排的优化方法，其特征在于，该方法包括：S1、将所有蔬菜茬口一一映射为n个结点，并建立数学模型，目标函数为：p=k1*Σi=0C(zi*Σj=0Qimij*qijtij)k2*C其中p是蔬菜整体品质，mij为第i茬蔬菜第j种品质的质量，qij为第i茬蔬菜第j种品质的品质系数，tij为第i茬蔬菜第j种品质的在地时间，C为总茬口数，Qi为第i茬蔬菜的品质等级总数，zi为第i茬蔬菜的权重系数，k1，k2分别为品质和茬口数权重系数；S2、初始化目标函数中的参数和信息素，并定义当前结点到下一转移结点间的距离；S3、基于蚁群算法，将r只蚂蚁置于n个结点，根据当前生产条件和所述结点间的距离，计算启发优先系数；S4、根据蚂蚁在路径上留下的信息素和所述启发优先系数计算蚂蚁移动到下一转移结点的概率；S5、根据所述转移概率选择下一转移结点；S6、在r只蚂蚁遍历n个结点后，找出最优蚂蚁；S7、计算最优蚂蚁路径信息素增加量，更新所有路径信息素；并判断当前最优解是否出现K次，如果不是，则转到步骤S3，继续优化过程；否则，输出最优种植茬口安排路径，完成优化。
【技术特征摘要】
【专利技术属性】
技术研发人员：王开义，张水发，刘忠强，杨锋，潘守慧，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。