遺傳算法的農(nóng)業(yè)機(jī)械調(diào)配分析

孫昌恒

（山西省大同市陽(yáng)高縣農(nóng)業(yè)機(jī)械發(fā)展中心，山西 大同 038100）

近年來(lái)，我國(guó)農(nóng)業(yè)機(jī)械化水平不斷提升，然而與發(fā)達(dá)國(guó)家相比仍然存在一定的差距。究其原因，就在于我國(guó)疆域遼闊，地區(qū)間發(fā)展的平衡性有所缺失，一些農(nóng)村地區(qū)的農(nóng)機(jī)應(yīng)用水平偏低，難以真正實(shí)現(xiàn)農(nóng)業(yè)機(jī)械化生產(chǎn)。為了解決這一問(wèn)題，就需要提高農(nóng)機(jī)資源的利用率，提高經(jīng)濟(jì)效益。而農(nóng)業(yè)機(jī)械調(diào)配則是有效手段之一。

1 概述

學(xué)界將啟發(fā)式算法融入到農(nóng)業(yè)機(jī)械調(diào)配中，通過(guò)直觀與經(jīng)驗(yàn)構(gòu)造，對(duì)組合優(yōu)化問(wèn)題進(jìn)行求解。盡管這種方法取得的結(jié)果與最優(yōu)解可能依然存在偏差，但在解決實(shí)際問(wèn)題方面大大提高了效率。其中遺傳算法就是現(xiàn)代啟發(fā)式算法之一，其是以適者生存為依據(jù)的優(yōu)化算法，通過(guò)對(duì)“染色體”凈化進(jìn)行模擬，得出與環(huán)境條件最為適應(yīng)的個(gè)體。遺傳算法屬于計(jì)算機(jī)模擬方法的一種，其優(yōu)點(diǎn)就在于具有較強(qiáng)的適用性、自適應(yīng)性、魯棒性以及并行性，在很多領(lǐng)域都具有比較高的應(yīng)用價(jià)值。

2 農(nóng)業(yè)機(jī)械調(diào)配優(yōu)化問(wèn)題模型構(gòu)建

2.1 問(wèn)題描述

在農(nóng)機(jī)調(diào)配站的數(shù)量、位置確定過(guò)程中，以確定數(shù)量排除具有某項(xiàng)單一功能的農(nóng)機(jī)，并在指定作業(yè)范圍內(nèi)完成指定人物。農(nóng)技站只有一種指定機(jī)型，并且指定作業(yè)面積為已知數(shù)據(jù)，每輛農(nóng)機(jī)能夠依次一次性完成作業(yè)任務(wù)，并在完成任務(wù)后回到調(diào)配站。為了對(duì)問(wèn)題進(jìn)行求解，要求對(duì)全部農(nóng)機(jī)的作業(yè)路線進(jìn)行規(guī)劃，確保農(nóng)機(jī)作業(yè)的全過(guò)程符合一定的優(yōu)化目標(biāo)要求。

2.2 模型假設(shè)與建模

模型假設(shè)主要涉及到以下幾點(diǎn)內(nèi)容：確定農(nóng)機(jī)調(diào)配站的位置、制定作業(yè)的農(nóng)田面積與位置、農(nóng)機(jī)單位時(shí)間內(nèi)的作業(yè)水平；對(duì)農(nóng)田實(shí)施作業(yè)的農(nóng)機(jī)只有一臺(tái)；單塊農(nóng)田的作業(yè)需求能夠通過(guò)單臺(tái)農(nóng)機(jī)滿(mǎn)足；農(nóng)機(jī)調(diào)配站若干，且只有一種車(chē)型的特定農(nóng)機(jī)；調(diào)度方案中農(nóng)機(jī)分配作業(yè)僅以此，且出發(fā)于所隸屬的調(diào)配站，在按照指定要求完成作業(yè)后回到出發(fā)的調(diào)配站；調(diào)度方案中每輛農(nóng)機(jī)分配到的任務(wù)為1次及以上；排除氣候、人為等干擾因素。在完成模型假設(shè)后，即可對(duì)基于遺傳算法的農(nóng)機(jī)調(diào)配優(yōu)化問(wèn)題模型進(jìn)行構(gòu)建，受限于篇幅，本文不對(duì)具體模型進(jìn)行闡述。

3 農(nóng)業(yè)機(jī)械調(diào)度遺傳算法流程

圖1為遺傳算法流程圖。根據(jù)本文研究?jī)?nèi)容，可將遺傳算法的計(jì)算流程歸納如下：

產(chǎn)生隨機(jī)的一組初始個(gè)體，形成起始種群→判斷與確定種群內(nèi)所有個(gè)體的執(zhí)行適應(yīng)度，對(duì)具有較高適應(yīng)度的個(gè)體進(jìn)行保留，基于此形成新種群→對(duì)算法與終止條件是否相符進(jìn)行判斷，如果相符即結(jié)束算法，否則進(jìn)入下個(gè)流程尖→采取交叉操作的方式對(duì)種群進(jìn)行處理，從而形成子種群→對(duì)子種群進(jìn)行變異操作，跳回種群個(gè)體執(zhí)行適應(yīng)度的判斷流程。

圖1

4 農(nóng)業(yè)機(jī)械調(diào)度遺傳算法的應(yīng)用分析

根據(jù)本文的研究?jī)?nèi)容與算法應(yīng)用，選擇MatLab進(jìn)行編程。隨機(jī)生成數(shù)據(jù)并展開(kāi)計(jì)算。在獲取到計(jì)算結(jié)果后，即可得知農(nóng)田分配到的機(jī)械數(shù)量，基于此對(duì)作業(yè)路徑的合理性以及路徑交叉的線路數(shù)量進(jìn)行判斷，從而確定算法設(shè)計(jì)是否具有有效性。

在確定算法結(jié)果的過(guò)程中，可以選擇對(duì)比的方法。即與人工指定作業(yè)的方式進(jìn)行比較，例如按照相應(yīng)面積劃分作業(yè)區(qū)域，按照維度來(lái)排列作業(yè)路徑。根據(jù)對(duì)比作業(yè)的結(jié)果來(lái)確定算法結(jié)果的合理性。在對(duì)比過(guò)程中需要對(duì)遺傳算法的結(jié)算加以利用，需要路程增加量、作業(yè)時(shí)間增量等數(shù)據(jù)。通過(guò)遺傳算法的運(yùn)算結(jié)果分析，可以得知人工指定作業(yè)的方式與遺傳算法的運(yùn)算結(jié)果二者孰優(yōu)孰劣。

就本質(zhì)而言，遺傳算法屬于基于規(guī)則約束的全方位搜素，在面對(duì)一些比較復(fù)雜的問(wèn)題時(shí)，相較于算法計(jì)算量，對(duì)空間大小的求解顯然趨近于無(wú)窮大。針對(duì)此，想要通過(guò)算法來(lái)實(shí)現(xiàn)最終解與最優(yōu)解趨于一致存在一定的困難。當(dāng)然，憑借遺傳算法，能夠確保搜索覆蓋面，然而對(duì)于特定接的局部?jī)?yōu)化，遺傳算法的適用性就有所降低。將運(yùn)算結(jié)果與實(shí)際情況結(jié)合到一起進(jìn)行考慮，通?？梢詭椭藗儗?duì)結(jié)果進(jìn)行局部微調(diào)與優(yōu)化。微調(diào)的方法可以選擇人工方式，當(dāng)然，這種方法也存在一定的局限性。而選擇設(shè)計(jì)算法進(jìn)行微調(diào)，那么優(yōu)化效果可以得到增強(qiáng)。

針對(duì)遺傳算法計(jì)算結(jié)果，還需要對(duì)其穩(wěn)定性進(jìn)行測(cè)試，具體操作為對(duì)算法進(jìn)行反復(fù)執(zhí)行，達(dá)到一定次數(shù)后對(duì)結(jié)果分布圖進(jìn)行繪制，根據(jù)圖示內(nèi)容來(lái)分析算法結(jié)果，對(duì)結(jié)果的離散性進(jìn)行判斷。如果離散性越小，那么算法求解就越穩(wěn)定，效果也更好。

5 結(jié)語(yǔ)

通常來(lái)講，基于遺傳算法取得的結(jié)果相對(duì)而言要比人工調(diào)配的方式具有更理想的效果，在實(shí)用性方面也具有比較大的優(yōu)勢(shì)。此外，遺傳算法屬于智能算法，其運(yùn)行結(jié)果可能與問(wèn)題的最優(yōu)解存在一定偏差，因此在實(shí)踐中可能還需要在特定結(jié)果方面進(jìn)行人為的調(diào)整與優(yōu)化，如此才能夠真正提高方案的可行性與合理性。