穴盤苗補(bǔ)苗自動移栽路徑規(guī)劃優(yōu)化研究

程方啟

（浙江機(jī)電職業(yè)技術(shù)學(xué)院，浙江 杭州 310053）

0 引言

工廠化穴盤育苗技術(shù)已廣泛應(yīng)用于溫室蔬菜種植，能夠?yàn)槭卟朔N植戶提供健壯的蔬菜苗。在穴盤苗出廠前，需要用健壯苗替換那些缺苗或劣質(zhì)苗。自動移栽機(jī)可提高穴盤苗的移栽效率和移栽品質(zhì)、降低工人勞動強(qiáng)度和生產(chǎn)成本[1-3]。穴盤苗補(bǔ)苗的自動化移栽可描述為：自動移栽機(jī)的執(zhí)行機(jī)構(gòu)從供苗穴盤將健壯苗逐一取出，然后移栽到目標(biāo)穴盤的多個待補(bǔ)苗的空穴孔中，在此過程中，自動移栽機(jī)末端執(zhí)行器的總行程會因選擇的取苗或補(bǔ)苗路徑不同而不同。因此，對穴盤苗補(bǔ)苗自動移栽路徑進(jìn)行規(guī)劃優(yōu)化，可以有效降低末端執(zhí)行器的行走距離，有利于提高補(bǔ)苗作業(yè)效率、補(bǔ)苗均勻一致性，節(jié)約運(yùn)行時間[4-6]。

優(yōu)化自動移栽機(jī)的移栽路徑一直是該領(lǐng)域的研究熱點(diǎn)[7-8]。童俊華等[9-10]采用標(biāo)準(zhǔn)遺傳算法對穴盤苗補(bǔ)苗自動移栽的路徑進(jìn)行了研究，但其優(yōu)化的算法設(shè)計(jì)模型與獲得的結(jié)果有待改進(jìn)。賀磊盈等[11]將貪心算法與遺傳算法相結(jié)合對穴盤苗補(bǔ)苗移栽的路徑進(jìn)行優(yōu)化研究，并與固定順序法的計(jì)算結(jié)果相比較，結(jié)果表明該算法具有較好的效果。徐守江等[12-13]采用蟻群算法和混合蛙跳算法對穴盤苗移栽補(bǔ)苗路徑進(jìn)行了規(guī)劃優(yōu)化，研究結(jié)果與常規(guī)的固定順序路徑相比優(yōu)化幅度較大，算法具有良好的穩(wěn)定性。張麗娜[14]構(gòu)建了免疫遺傳算法與克隆選擇算法2 種移栽路徑的優(yōu)化模型，并與固定順序法和標(biāo)準(zhǔn)遺傳算法做了比較，結(jié)果表明，基于免疫遺傳算法的優(yōu)化模型效率較高。盡管已有較多文獻(xiàn)對穴盤苗補(bǔ)苗移栽路徑進(jìn)行了規(guī)劃優(yōu)化研究[15-16]，但路徑規(guī)劃的設(shè)計(jì)采用算法的設(shè)計(jì)、效率及效果仍待提高。

1 穴盤苗補(bǔ)苗自動移栽問題描述與規(guī)劃分析

常用的育苗缽盤尺寸一般為250 mm×500 mm，通常以穴孔數(shù)量G來定義其規(guī)格（其中G一般為25、50、72、128 等）[9]。穴盤苗補(bǔ)苗自動移栽系統(tǒng)中，補(bǔ)苗穴盤A 和供苗穴盤B 物理空間尺寸為630 mm×530 mm，補(bǔ)苗穴盤A 和供苗穴盤B 之間距離為100 mm，如圖1 所示。穴盤格內(nèi)小橢圓圈表示缽盤的穴苗位，供苗穴盤B 中黑色小橢圓圈表示不可取苗的穴苗位，其他小橢圓圈表示健壯穴苗；補(bǔ)苗穴盤A 中穴盤格內(nèi)空白的表示待補(bǔ)苗的空穴位，其他小橢圓圈表示健壯穴苗。具體移苗過程描述如下：穴盤苗補(bǔ)苗自動移栽機(jī)的執(zhí)行器從移栽系統(tǒng)的坐標(biāo)原點(diǎn)出發(fā)，從供苗穴盤B 內(nèi)取出1 株健壯苗移栽到補(bǔ)苗穴盤A 中的空穴孔內(nèi)，不斷循環(huán)直至補(bǔ)苗穴盤A 中的空穴孔全部完成補(bǔ)苗，之后再返回移栽系統(tǒng)坐標(biāo)原點(diǎn)。穴盤苗補(bǔ)苗移栽路徑規(guī)劃的目的是確定往復(fù)移栽補(bǔ)苗的先后順序，在末端執(zhí)行器驅(qū)動速度一定的情況下最小化補(bǔ)栽路徑長度，從而提高自動移栽機(jī)的工作效率。

圖1 缽盤補(bǔ)苗自動移栽作業(yè)示意圖

假定A 盤需補(bǔ)種穴苗的空穴數(shù)量為k個，B 盤為可供移栽的健壯苗l株。在上述環(huán)境下，缽苗補(bǔ)苗自動移栽機(jī)末端執(zhí)行器進(jìn)行移栽作業(yè)時可選擇的路徑共有q種，計(jì)算公式為

式中：

k—— A 盤需補(bǔ)種穴苗的空穴數(shù)量，個，k≥1；

G—— A 盤的穴孔數(shù)量，個，l≤G；

l—— B 盤可供移栽的健壯苗，株，k≤l。

從公式（1）可看出，即使是小規(guī)模的問題，解空間也是非常大的。穴盤苗補(bǔ)苗自動移栽路徑規(guī)劃是一個典型的組合優(yōu)化問題，也是一個NP（Nondeterministic Polynomial）完全問題，迄今沒有一個多項(xiàng)式時間算法來解決這類問題，若采用遍歷搜索算法來獲得最短路徑，則計(jì)算量巨大，難以滿足補(bǔ)苗自動移栽機(jī)實(shí)時性的作業(yè)要求。本文嘗試基于改進(jìn)的遺傳算法進(jìn)行問題求解。

2 穴盤苗補(bǔ)苗自動移栽路徑規(guī)劃問題建模

2.1 定義穴苗位置與穴苗縱橫方向順序?qū)?yīng)關(guān)系

以缽盤穴孔數(shù)為50 的規(guī)格為例，穴苗位置Pij與其坐標(biāo)的對應(yīng)關(guān)系見圖2，設(shè)任一穴苗位置中心點(diǎn)坐標(biāo)為Pij，其中，P表示穴苗位置，角標(biāo)ij表示橫坐標(biāo)方向第i列、縱坐標(biāo)方向第j行交點(diǎn)處的穴盤。其中，i，j均為自然整數(shù)，i=1，2，…，Nx，j=1，2，…，My；Nx為橫坐標(biāo)方向的缽盤A 與B 穴苗位置總數(shù)，My為縱坐標(biāo)方向的缽盤A 與B 各自穴苗位置總數(shù)，圖2中，Nx=My= 10。

圖2 缽盤苗位置與坐標(biāo)對應(yīng)關(guān)系

2.2 穴盤苗補(bǔ)苗自動移栽路徑規(guī)劃模型構(gòu)建

根據(jù)歐式定理，任意兩點(diǎn)P1(x1,y1)與P2(x2,y2)之間的距離可表示為

式中：

x1——穴苗位置P1的橫向坐標(biāo)值；

x2——穴苗位置P2的橫向坐標(biāo)值；

y1——穴苗位置P1的縱向坐標(biāo)值；

y2——穴苗位置P2的縱向坐標(biāo)值。

設(shè)補(bǔ)苗穴盤A 有k個需要補(bǔ)苗的穴位孔，供苗穴盤有l(wèi)個健壯穴苗可供移栽，則補(bǔ)苗自動移栽機(jī)末端執(zhí)行器從坐標(biāo)原點(diǎn)O 出發(fā)，依次從B 盤上將健壯苗移栽到A 盤的空穴位孔上，逐次完成第k個空穴位孔補(bǔ)苗后，從A 盤返回到坐標(biāo)原點(diǎn)O。則補(bǔ)苗移栽路徑行程順序圖可表示為

其中，O為坐標(biāo)原點(diǎn)，Ai表示補(bǔ)苗穴盤A 的第i次補(bǔ)苗，Bi表示供苗穴盤B 的第i次取苗。整個移栽路徑行程總長度可以表示為

式中：

PO—— 缽苗自動移栽機(jī)坐標(biāo)原點(diǎn)位置；

G—— 缽盤穴位孔的數(shù)量，個；

k——A 盤空穴數(shù)，k≤G。

2.3 穴苗位置與坐標(biāo)對應(yīng)關(guān)系映射

在進(jìn)行穴盤補(bǔ)苗自動移栽作業(yè)路徑規(guī)劃前，需要建立穴苗位置與坐標(biāo)之間的對應(yīng)關(guān)系，以便后續(xù)算法的編碼與編程。采用直角坐標(biāo)法與序號法相結(jié)合的編碼方式，缽盤穴苗位置序號與其相對應(yīng)的直角坐標(biāo)互為映射關(guān)系[8]，為了區(qū)分A、B 盤位置，設(shè)A 盤位置號為負(fù)數(shù)，B 盤位置號為正數(shù)，建立的缽盤穴苗位置序號如圖3 所示。

圖3 缽盤苗位置序號圖

以圖3 為例，補(bǔ)苗穴盤A 中待補(bǔ)苗空穴孔為-23、-27、-30、-35；供苗穴盤B 中1～10 號和17～20 號共14 個穴位孔為缺苗或劣質(zhì)苗（穴盤孔涂黑），其余為健壯苗。由于缽苗穴盤大小規(guī)格為250 mm×500 mm，根據(jù)補(bǔ)苗自動移栽機(jī)的布局與運(yùn)動要求，A 盤左下角的位置坐標(biāo)為（30，30），B 盤左下角的位置坐標(biāo)為（380，30）。根據(jù)以上A、B盤的位置坐標(biāo)信息，建立缽苗位置坐標(biāo)與缽苗序號的映射。

對于補(bǔ)苗穴盤A，當(dāng)穴苗位置序號P（i，j）≠-10，-20，-30，-40，-50時，穴苗位置坐標(biāo)與穴苗序號的映射關(guān)系可表示為公式（4）；當(dāng)穴苗位置序號P（i，j）＝-10，-20，-30，-40，-50時，穴苗位置坐標(biāo)與穴苗序號的映射關(guān)系可表示為公式（5）。

對于供苗穴盤B，當(dāng)穴苗位置序號P（i，j）≠10，20，30，40，50時，穴苗位置坐標(biāo)與穴苗序號的映射關(guān)系可表示為公式（6）；當(dāng)缽苗位置序號P（i，j）＝10，20，30，40，50時，穴苗位置坐標(biāo)與穴苗序號的映射關(guān)系可表示為公式（7）。

式（4）—（7）中：

X（i，j）——（i，j）位置處的橫向坐標(biāo)值；

Y（i，j）——（i，j）位置處的縱向坐標(biāo)值；

P（i，j）——（i，j）位置處的穴苗位置序號；

i和j均為介于1～10 之間的整數(shù)，mod 為求余運(yùn)算；floor 為向下取整運(yùn)算。

3 穴盤苗補(bǔ)苗移栽路徑優(yōu)化的遺傳算法設(shè)計(jì)

3.1 遺傳算法的編碼機(jī)制

前述已將缽盤穴苗位置映射為序號，A 盤符號為負(fù)數(shù)，B 盤序號為正數(shù)。根據(jù)補(bǔ)苗移栽路徑行程順序圖可知，可將染色體定義為由坐標(biāo)原點(diǎn)與穴苗位置序號構(gòu)成的線性數(shù)字序列，如表1 所示。設(shè)k=4，l=36，則隨機(jī)列出一條染色體編碼（0，32，-27，16，-35，23，-30，24，-23，0）。由表1 可見，染色體長度為2k+2，即取決于待補(bǔ)苗的空穴數(shù)量。染色體對應(yīng)的路徑行程長度S由2k+1 段兩點(diǎn)間距離的總和。

表1 染色體編碼機(jī)制說明

3.2 構(gòu)造適應(yīng)度函數(shù)

適應(yīng)度函數(shù)值是評價一條染色體好壞的依據(jù)，會對計(jì)算結(jié)果帶來直接的影響。參照公式（3），S表示補(bǔ)苗移栽行程總長度（目標(biāo)函數(shù)），在遺傳算法中適應(yīng)度值是越大越好。本文令染色體ζ的適應(yīng)度函數(shù)為f（ζ），在任一個種群的所有路徑中，必然存在最大值Smax與最小值Smin，考慮使總長度最短的路徑適應(yīng)性為1，而最長路徑適應(yīng)性為0，其他路徑則介于0～1。適應(yīng)度函數(shù)可表示為

式中：

f（ζ）—— 染色體ζ的適應(yīng)度函數(shù)；

Sζ—— 染色體ζ的路徑行程長度值；

Smax—— 所有染色體遍歷后路徑行程中的最大值；

Smin—— 所有染色體遍歷后路徑行程中的最小值。

3.3 遺傳算子的改進(jìn)機(jī)制

選擇、交叉和變異等遺傳算子的操作都會直接影響遺傳算法的效率和收斂速度，而穴苗補(bǔ)苗自動移栽路徑規(guī)劃需要在進(jìn)行算法設(shè)計(jì)時對遺傳算子進(jìn)行改進(jìn)操作。

3.3.1 選擇操作

采用輪盤賭法進(jìn)行遺傳算子的選擇操作，適應(yīng)度值越大的個體被選中的概率越大。每個個體的適應(yīng)度除以總適應(yīng)度值，以此作為每個個體的被選中的概率。以初始種群數(shù)為父代、個體選擇概率為選擇依據(jù)，計(jì)算適應(yīng)度值并按照由大到小對相應(yīng)個體進(jìn)行排序。

3.3.2 交叉操作

對初始種群選擇操作完后，進(jìn)行交叉的遺傳算子操作。因自動移栽路徑編碼分別對應(yīng)于2 個穴盤內(nèi)缽苗的不同基因位置標(biāo)記且具有唯一性，因此，要求交叉后各基因位置的元素不能相同。基于此，以補(bǔ)苗穴盤有4 個待補(bǔ)苗空穴孔，供苗穴盤有36 個健康苗穴孔為例，其補(bǔ)苗移栽路徑的交叉策略描述如下：

1）隨機(jī)選擇種群中的偶數(shù)條染色體，確保兩兩相互交叉操作。隨機(jī)產(chǎn)生2 個2～7 之間的自然數(shù)i和j，確保從染色體基因位第3 位才開始交叉操作，若從第2 位開始交叉且步長等于9，則相當(dāng)于種群中2 條染色體互換位置，起不到使種群多樣化的目的。其中i為染色體基因位，j為交叉步長。如i+j≥9,則令i+j= 9，染色體基因最后1 位為原點(diǎn)，不需要參加交叉操作，既保證交叉不超出染色體長度，又減少了最后1 位的無效交叉，提高運(yùn)算效率。

2）以i= 3，j= 4 為例，圖4（a）中，染色體Ⅰ和Ⅱ交叉操作，染色體Ⅰ的第4～7 基因位片段（-35，23，-30，24）與染色體Ⅱ?qū)?yīng)的第4～7 基因位片段（-30，35，-27，14）片段交換，形成新的染色體，如圖4（b）所示。

3）檢查同一染色體中基因位是否存在相同的序號，如有，則用100 代替。交叉后形成的新染色體Ⅰ不存在重復(fù)的序號，而交叉后形成的染色體Ⅱ第2與第8 個基因位元素相同（均為24）、第7 與第9 個基因位元素相同（均為-30），如圖4（c）所示。將交叉后染色體Ⅱ的第2、7、8、9 四個基因位的元素替換為100，如圖4（d）所示。

4）遍歷染色體2～9 基因位，用有效元素代替100。如圖4（e）所示，當(dāng)100 所在基因位為奇數(shù)時，表示這些元素來自補(bǔ)苗穴盤A，即（-23，-27，-30，-35）。經(jīng)遍歷后發(fā)現(xiàn)（-23，-35）兩個元素已使用，則第7 基因位隨機(jī)從（-27，-30）中選1 個元素（如-30），剩余的另1 個元素放在第9 基因位（-27）。當(dāng)100 所在基因位為偶數(shù)時，表示這些元素來自供苗穴盤B，即11～16 和21～50 等元素。經(jīng)遍歷后發(fā)現(xiàn)（30，35）兩個元素已使用，則第2 基因位隨機(jī)從11～16 與21～50（30，35 除外）中選1 個元素（如45），剩余的另1 個元素放在第8 基因位（-27）。最終得到交叉后新的染色體Ⅰ和Ⅱ，如圖4（f）所示。

圖4 交叉操作機(jī)制

3.3.3 變異操作

為了使種群保持多樣性，避免陷入局部最優(yōu)，采用遺傳算子的變異操作。考慮到補(bǔ)苗自動移栽路徑的雙盤基因位的相異性，確保變異后個體的有效性，變異操作需要采取單點(diǎn)變異與元素替換相結(jié)合的策略，對變異算法描述如下：

1）隨機(jī)選擇種群中的數(shù)條染色體進(jìn)行單點(diǎn)變異操作。隨機(jī)產(chǎn)生1 個2～9 之間的數(shù)i，確定該染色體變異操作的基因位。判斷該基因位的元素為正數(shù)或是負(fù)數(shù)，從而確定是奇數(shù)基因位還是偶數(shù)基因位。

2）若為奇數(shù)基因位，則需從補(bǔ)苗穴盤A 中選擇元素。如圖5（a）所示，隨機(jī)數(shù)i=5，該基因位現(xiàn)有元素為-35，則可以變異為（-23，-27，-30）中的任一元素。假設(shè)該基因位元素-35 隨機(jī)變異為-27，則遍歷奇數(shù)基因位，將元素-35 替代原-27 元素所處的第9 基因位，從而得到變異以后的新染色體，如圖5（b）所示。

3）若為偶數(shù)基因位，則需從供苗穴盤B 中選擇元素。隨機(jī)數(shù)i=6，該基因位現(xiàn)有元素為21。變異存在2 種情形，當(dāng)該基因位元素21 變異為11～16 與21～50 的任一元素且不等于19，38 或16，此時得到新染色體I-1，此為變異情形1，如圖5（c）所示。當(dāng)該基因位元素21 變異為19，38 或16 中的任一元素時，如變異為19，那么該元素與第2 基因位元素值相同。此時，需要將原來變異前的元素21 替換第2 基因位的元素，得到新的染色體I-2，此為變異情形2，如圖5（d）所示。

圖5 變異操作機(jī)制

3.4 最優(yōu)染色體保存與最差染色體替換策略

為有效防止遺傳算法陷入“早熟收斂”，可采用最優(yōu)染色體保存策略，如圖6 所示：①生成種群后計(jì)算適應(yīng)度值，找出最優(yōu)染色體（最優(yōu)個體）并保存。②找出經(jīng)選擇、交叉、變異操作后新種群中的最優(yōu)個體。若本代最優(yōu)個體優(yōu)于上一代最優(yōu)個體，則用本代最優(yōu)個體代替上一代最優(yōu)個體，同時，用次優(yōu)個體代替本代的最差個體。若本代最優(yōu)個體差于上一代最優(yōu)個體，則保存上一代最優(yōu)個體，同時，用本代最優(yōu)個體代替最差個體。③繼續(xù)循環(huán)迭代至迭代完成。最優(yōu)的個體不參與交叉、變異操作，可以確保最優(yōu)的個體可以遺傳到下一代。利用每次迭代中新種群的次優(yōu)或者最優(yōu)個體代替最差個體，可以提高種群的多樣化，不陷入局部收斂，提高運(yùn)算速度。

圖6 最優(yōu)個體保存策略算法流程

4 仿真試驗(yàn)與結(jié)果分析

根據(jù)上述算法模型對穴盤苗補(bǔ)苗自動移栽路徑進(jìn)行規(guī)劃優(yōu)化，由于穴盤規(guī)格和空穴數(shù)量的不同對算法設(shè)計(jì)不會產(chǎn)生影響，分別設(shè)計(jì)有效性仿真試驗(yàn)和隨機(jī)性對比仿真試驗(yàn)。仿真環(huán)境為MATLAB R2018a，該算法運(yùn)行平臺為Thinkpad 筆記本電腦，處理器為Intel（R）Core（TM）i7-10510U CPU，RAM 為16.0 GB。

4.1 有效性仿真試驗(yàn)與結(jié)果對比分析

以圖1 補(bǔ)苗移栽作業(yè)要求為例進(jìn)行優(yōu)化計(jì)算[9,12]。交叉概率、變異概率分別取0.8 和0.3，種群規(guī)模為20，優(yōu)化迭代次數(shù)為200。

通過改進(jìn)的遺傳算法求解，以缽苗移栽路徑總長度為目標(biāo)的函數(shù)曲線收斂很快，其中一次計(jì)算如圖7 所示，經(jīng)過72 次迭代，得到路徑總長度最小值為2 913.892 009 983 26 mm，保留到個位數(shù)，記為2 914 mm，平均優(yōu)化算法運(yùn)行時間0.43 s。圖8中箭頭所示路徑為經(jīng)優(yōu)化后的最優(yōu)移缽路徑解（0，13，-35，15，-30，16，-27，14，-23，0）。本文的算例初始參數(shù)設(shè)定參考童俊華[9]和徐守江[12]的研究，經(jīng)算法運(yùn)行后獲得路徑長度和最優(yōu)路徑，如表2 所示。本文算法Ⅰ經(jīng)與童俊華[9]和徐守江[12]的研究對比后可以看出，算法Ⅰ與算法Ⅱ均可獲得最優(yōu)路徑長度為2 914 mm，算法Ⅲ獲得的最優(yōu)路徑長度為2 930 mm，說明算法Ⅲ獲得的最優(yōu)補(bǔ)苗移栽路徑解（0，12，-35，15，-30，16，-27，14，-23，0）不是該問題的最優(yōu)解，而是該問題的1 個次優(yōu)解。本文設(shè)計(jì)的算法Ⅰ比算法Ⅲ獲得的最優(yōu)路徑長度縮減了165 mm，縮減幅度為5.6%。對比3 種算法獲得最優(yōu)路徑可以看出，算法Ⅲ路徑中選擇的第2 個基因位的元素為12，而算法Ⅰ與算法選擇的第2 個基因位為13，其余基因位元素均相同。

圖7 路徑長度收斂變化曲線

圖8 經(jīng)優(yōu)化計(jì)算后獲得的最優(yōu)路徑（總長度2 914 mm）

表2 不同算法效果對比

4.2 隨機(jī)性仿真試驗(yàn)與結(jié)果分析

為了進(jìn)一步分析本文算法模型的效率，選取規(guī)格為50 穴孔缽盤進(jìn)行移栽路徑規(guī)劃仿真試驗(yàn)。補(bǔ)苗穴孔數(shù)量分別設(shè)為4、5、6、7、8，補(bǔ)苗穴孔位置隨機(jī)確定。供苗穴孔數(shù)量對應(yīng)分別設(shè)定為36、42、39、43、41，取苗穴孔的位置隨機(jī)確定。每組做5 次試驗(yàn)，路程長度與運(yùn)算時間均取5 次試驗(yàn)的均值。隨機(jī)性仿真試驗(yàn)初始參數(shù)如表3 所示。

表3 隨機(jī)性仿真試驗(yàn)

經(jīng)仿真試驗(yàn)，按試驗(yàn)組別獲得的路徑規(guī)劃長度均值分別為2 914、3 340、3 824、4 249、4 851 mm，如圖9 所示。路徑長度受補(bǔ)苗穴孔數(shù)量、取苗穴孔位置和補(bǔ)苗穴孔位置等因素的影響，整體趨勢上看，隨著補(bǔ)苗穴孔數(shù)量的增多，移栽路徑長度均值也逐漸變大。按試驗(yàn)組別獲得的運(yùn)算時間分別為0.43、0.45、0.46、0.49 和0.49 s，從整體趨勢上看，隨著補(bǔ)苗穴孔數(shù)的增大，染色體基因位也增多，路徑長度也變大，運(yùn)算時間也逐漸變大，如圖10 所示。

圖9 多組試驗(yàn)下補(bǔ)苗穴孔數(shù)量與路徑長度均值的關(guān)系

圖10 多組試驗(yàn)下補(bǔ)苗穴孔數(shù)量與運(yùn)算時間均值的關(guān)系

5 結(jié)語

1）構(gòu)造的穴盤苗位置坐標(biāo)和穴盤苗序號之間的映射關(guān)系公式為染色體的編碼。補(bǔ)苗自動移栽遺傳算法模型采取補(bǔ)苗穴盤與供苗穴盤序號交替布局的編碼機(jī)制、最優(yōu)個體保存與最差個體替換策略來避免算法陷入“局部早熟”。

2）針對規(guī)格為50 穴孔缽盤的補(bǔ)苗移栽仿真試驗(yàn)，補(bǔ)苗自動移栽遺傳算法模型能快速獲得最優(yōu)的路徑規(guī)劃和最短的移栽路徑長度，且對比標(biāo)準(zhǔn)遺傳算法，獲得的最優(yōu)路徑長度縮減了165 mm，縮減幅度為5.6%。

3）在規(guī)格為50 穴孔缽盤的補(bǔ)苗移栽仿真試驗(yàn)中，在補(bǔ)苗、取苗穴孔位置一定的情況下，補(bǔ)苗自動移栽遺傳算法模型顯示補(bǔ)苗穴孔數(shù)量與移栽路徑長度均值、運(yùn)算時間在趨勢上均呈正比例關(guān)系。