文摘
为了提高农业机械任务调度的影响,本文从多目标的角度优化来实现基于多目标粒子群优化算法的任务调度。每个粒子的位置是资源的组合选项为每个建筑活动,和粒子的位移范围和速度范围确定。此外,本文使用的方法引入外部存储库来存储当前的一系列解决方案,并使用自适应网格法和轮盘赌选择法选择粒子的全局最优解。此外,本文提出了一个任务调度算法适合现代农业机械基于当前农业机械任务调度的实际需要。农业机械的实验结果表明,基于多目标优化的任务调度算法提出了农业机械任务调度效果好,满足优化算法的基本目的。
1。介绍
随着时代的发展,农民对农业机械的需求越来越迫切,和农业合作社等组织逐渐出现。然而,随着农业机械化的快速发展,逐渐出现了许多问题,限制农业机械化的快速发展。首先,传统农业生产没有健全的管理制度,缺乏合理的管理人员数量,和农业生产人员技术能力不强,农业机械的知识不足,维护能力薄弱。其次,由于地理位置和经济水平的限制,有些地区不能增加农业机械投资,这在很大程度上限制了地区农业机械化的发展。第三,随着农业机械化的发展,农业机械的增加投资和管理规模的扩张,农业管理信息化滞后的问题,及时性差,利用率和较低的信息已经出现。此外,管理者很难获得农业机械操作信息及时、准确和操作条件,和他们不能合理的安排和分配农业机械1]。
随着科学技术的进一步发展,地理信息系统(GIS),通信分组无线业务(GPRS)和全球定位系统(GPS)已取得相当大的进展。远程监控和管理系统利用3 s (GIS、GPRS、GPS)和其他关键技术已经广泛应用于交通、物流、等领域。这些技术的应用也为农机监理服务的信息提供了有效手段。一个完整的农业监督系统是由计算机硬件和软件,它的功能,比如自动数据收集、自动监控和业务处理和3 s集成技术和网络技术实现远程采集和实时监控的系统的农业资源2]。农民与土地出让政策的兴起,形成了大规模的管理实体转让土地合同管理的权利。此外,绝大多数的农民继续探索在实际生产中,促进农机服务组织的形成和农业机械的出现,社会服务3]。
农机社会化服务连接有限农业机械分散的农民。农民不再面对巨大的购买压力,不需要承担农业机械的操作和维护成本高。另一方面,它还提高了农机资源的利用率。农机服务组织社会化农业机械服务的载体。它经历了多个阶段的发展:农业机械巨头,农业机械协会、农业机械股份合作组织和中介服务组织。多年来,社会化农业机械服务的形式也不断创新,从有机家庭的农业互助,联合家庭操作,股份制合作运营和跨区域操作,从根本上解决问题的大型农业机械的操作和小规模生产数以百万计的农民。农业机械服务的社会化包括农业机械服务提供者和需求者。农业机械服务提供商包括农机合作组织和农业生产经营承包公司。他们购买不同类型的农业机械操作大规模提供农业机械需求者。农业机械操作服务,农业机械服务需求者,如农民承包土地管理者和个人,购买农业机械本身既不现实也不经济,但是有迫切需要农业机械操作。 The agricultural machinery service demand side publishes its own operation requirements, including constraints on the operation site, operation type, and operation time. The agricultural machinery service provides a large number of operation requirements, combined with the existing agricultural machinery resources, and requires the allocation of each farmland operation appropriate agricultural machinery and planning an appropriate driving route for each agricultural machinery, so as to maximize the use of resources. This new agricultural machinery operation mode has derived a new research topic, that is, the agricultural machinery scheduling problem studied in this article.
基于上述分析,本文研究多目标优化算法适用于农业机械任务调度,提出了一个任务调度算法适合现代农业机械,提高农业机械任务调度的效率,提高农业机械管理效率和农业机械生产效率。
2。相关工作
合理计划时间各种农业生产操作。在这个过程中,可用的时间、劳动力、农业机械资源,操作优先级,和作物条件视为重要的因素。文献[4)提出,有两种基本的农业生产领域的调度问题:第一个是纯粹的调度问题。对于每一个工作,工作的开始时间和结束时间需要提前确定;第二,连续调度问题需要由多个工作需要共享的资源以有序的方式组织。他还首次提出一个科学方法解决调度问题在农业领域,主要是基于线性编程和仿真。早期的方法只能解决纯调度问题。文献[5应用典型调度问题在工业领域(如作业车间调度问题和流水车间调度问题)农业领域的连续调度操作。文献[6)提出了一个特殊的操作方法在农业领域VRP问题解决计划和调度问题的现场操作和取得好的结果在各种类型的农业操作的调度。文献[7)建立了一套完整的农业机械连续操作调度数学模型。模型包括输入、数据预处理、调度、和输出。输出结果包括农业机械操作甘特图和估计成本的调度计划。解决问题的连续操作调度的农业机械。文献[8结合神经网络(NN)和遗传算法(GA)优化农业机器人的路径。通过神经网络的学习能力高,它可以识别的运动复杂的农业机器人非线性系统。文献[9)改善BRUSPLAN模型基于整数规划的想法蔬菜作物的种植,建立了两阶段随机线性规划模型(随机线性规划)。文献[10)建立了一个线性规划模型对油菜籽收获操作。该模型考虑资源约束和操作时间的限制,并提出了两种启发式算法来解决这个问题。第一种方法需要操作率作为主要优化目标。这两种方法尽可能满足时间窗要求和优化每个工作的起始时间。文献[11)使用贪婪算法和禁忌搜索算法优化调度路径的农业机械。调度模型考虑了时滞等因素造成的设备和人员有限。商业整数规划软件采用的解决方法来解决一个可行的调度计划在合理的计算时间。文献[12)农业机械调度过程分为四个独立的步骤:农业机械配置,农田区域范围、农业机械调度路径生成和二级调度计划的调整。文献[13]研究了非营业里程的最小化(传输距离,不包括在内部运营里程的农田)的过程中,农业机械调度。关于问题作为二进制整数规划问题,路径优化计算并行路径的遍历序列。实验表明,最好的遍历序列是最小化的最优解非营业里程。
文献[14)提出了一种两级metaheuristic算法结合模拟退火算法和遗传算法和混合佩特里网络模型优化农机资源的分配和调度。在第一阶段,模拟退火算法用于优化资源分配计划;在第二阶段,使用遗传算法确定工作的优先级,根据混合生成农机调度计划中网络模型。文献[15农业机械操作)进行详细的研究和分类调度以抽象的共同特征不同的操作情况,与传统车辆调度问题建立一个连接,区分农业机械调度问题和有时间窗的车辆调度问题。文献[16]研究包含不确定因素的动态农机调度问题,提出一种抽象的二维网格创建离散网格中的节点状态空间的过渡。使用图搜索算法生成最优路径。该算法提高了农业机械的运行效率,以及算法的计算效率高。适用于多种类型的农业机械参与大规模动态农业机械调度问题在同一时间。
3所示。基于多目标优化的任务调度算法
的单目标粒子群优化算法的速度更新公式方程所示(1),位置更新公式方程所示(2)。最优解满足终止条件是通过连续的迭代。
的公式, 。 是粒子种群中粒子的总数; 。 限制的迭代次数;的速度吗粒子在 - - - - - -th迭代;的位置吗粒子在th迭代;是个人pb粒子的历史最优解;gb粒子的全局最优解;是惯性权重,它是负的,用来控制前速度对当前速度的影响;和是两个随机数,在范围值 ; 和加速度是常量,即学习的因素。
由于本文的优化目标是权衡农业机械操作的持续时间,农业机械操作的成本,和农业机械的质量操作,实现这种优化搜索过程需要使用多目标粒子群优化算法(MOPSO)。多目标粒子群优化算法( )和在方程(3)是用来代替和 ,分别。粒子的速度更新方程所示(17]
的公式,是个人选择的粒子的历史最优解的关系;是粒子的全局最优解从外部存储库中选择迭代。
粒子的位置和速度有一系列的值。粒子的初始化和更新后,粒子的位置和速度值的范围应该调整。值小于下限改为下限,和值大于上限改为上限。惯性权重用于控制前速度对当前速度的影响。在本文中,使用一个典型的线性递减惯性权重,见方程(4)。惯性权重减少线性迭代的数量,和惯性权重最大值开始探索更大的区域和快速地找到近似最优解的位置;之后,惯性权重逐渐减少和细地方探索的开始。两个随机数和是随机的 增加搜索的随机性。学习的因素和是用来调节的最大学习步长,都是作为2。
的公式,惯性权重的值是在吗迭代。是惯性权重的最大值,这是设置为0.95。是惯性权重的最小值,设置为0.4,然后呢是迭代的最大数量18]。
建立一个多目标粒子群优化模型中,需要解决以下关键问题:一是如何选择单个粒子的历史最优解;另一种是如何选择粒子的全局最优解。关于个人选择粒子的历史最优解和多目标优化问题,是不可能直接比较两种解决方案的优点和缺点。我们使用选择的支配关系,也就是说,选择nondominated解决方案作为个体历史最优解基于帕累托原则。如果不能判断两者之间的支配关系,它是随机选择。关于粒子的全局最优解的选择,有多种解决方案,比如精英组策略,小镜方法,自适应网格密度的方法。本文采用的方法引入外部存储库来确定全局最优的解决方案。外部存储库的功能是存储当前的一系列解决方案并选择粒子的全局最优解。外部存储库由两部分组成:档案控制器和网格。这种方法使用两个自适应网格密度法和轮盘赌法。
存档的角色控制器来决定是否添加一个外部存储库的电网解决方案。选择当前粒子群之后新的一系列的解决方案,判断的过程解决方案NS(新解决方案)是否存储在外部存储库如下。如果外部存储库为空,存储解决方案。如果解决方案已经存在于外部存储和在NS,那么解决方案仍然是存储。如果解决方案已经存在于外部存储和NS占主导地位 ,然后解决NS存储解决方案是删除。如果解决方案已经存在于外部存储库和NS没有优势的关系,然后NS的解决方案吗存储,主导解决方案将不会存储在外部存储库中,如图1。
网格的作用是生成一个帕累托解集均匀分布。摘要粒子在一系列解集的密度决定根据自适应网格密度,选择和全局最优的解决方案根据粒子密度信息。网格是一个目标函数空间由多个超立方体(单元网格),和超立方体的尺寸与目标函数的数量是一致的。以本文的优化问题为例;网格是一个三维空间,具体步骤如下:
第一步是确定网格的边界。在 - - - - - -th迭代,网格边界 , ,和 ,和和最小的和最大的粒子的PT目标函数计算,存储在外部存储库。健身价值是相同的。
第二步是计算每个网格的模量长度,如方程所示(5)。摘要网格是由目标函数空间 超立方体。
第三步是计算和确定所有粒子的网格数据存储在外部存储库,如方程所示(6)[19]。
的公式,是网格的模量长度的方向目标函数PT在吗迭代。是网格的模量长度的方向目标函数PC在迭代。是网格的模量长度在目标函数PQ的方向迭代。是因子,它可以确定数量的超立方体(网格单元网格),和研究Coello Lechuga显示一个值范围的30 - 50。
的公式,由PT健身价值计算目标函数的粒子在迭代。是舍入的函数。
第四步是确定粒子的数量在每个网格,即粒子密度。第五步采用轮盘赌选择方法选择全局最优的解决方案。
为了确保一系列解决方案集的多样性,探索更多的空间,网格中的粒子密度越低,被选中的概率越大。Coello和Lechuga提议使用10除以粒子在网格单元的数量的健身 - - - - - -th单元网格 ,和单元网格的数量保持粒子。算法计算健身比率,比率的健身的 - - - - - -单元网格来健身的总和,如方程所示(7)。该算法计算累积概率 ,的总和,健身比例从第一单元网格 - - - - - -在方程(th单元网格,如图所示8)。该算法随机生成 。该算法从 。如果 ,单元网格选择1。如果 ,然后 ,然后,该算法法官直到 ,单元网格被选中。然后,该算法随机生成 再次从并使共有选择。算法决定了单元网格,已经被选择次数最多的(数字可能大于1),随机选择一个粒子在确定网格全局最优的解决方案。
的公式,单元网格的适应性比吗和单元网格的健身吗 。
的公式,单元网格的累积概率吗 。
如果粒子在外部存储库已达到最大允许集的能力,有必要消除相对低质量的解决方案(粒子)。为了确保一系列解集的统一性和多样性,网格中的粒子密度较高的移除。粒子去除只考虑单元网格与粒子数大于或等于2,表示在杨俊杰和其他人的研究,如所示
的公式,是粒子的数量需要在网格单元删除吗 。 是粒子数的最大允许容量存储在外部存储库,这是人为指定。是粒子在外部存储库的数量吗迭代。粒子在网格单元的数量吗在粒子数大于或等于2。
本文的优化目标是最小化农业机械操作的持续时间和成本,最大化的质量性能农业机械操作,即获得帕累托最优解重duration-cost-quality农业机械操作。
农业机械作业调度的优化模型本文以每个农业机械操作活动的资源选择项目的决策变量,考虑优先约束在农业机械操作活动中,包含以下三个目标函数,如方程所示10),(11)和(12),评估农业机械操作的持续时间,农业机械操作,成本和质量的农业机械操作的项目,分别。目标函数是用来计算粒子之间的健身价值作为精英的基础,如图2。
最小化农业机械操作时间
的公式,的序列号是农业机械操作活动, 。 的序列号是资源的选择, 。 是农业机械操作关键路径上的活动吗选择资源的选择持续农业机械操作时间。
自认为优先约束优化模型在农业机械操作活动中,减少农业机械操作时间最小化关键路径的农业机械操作时间,关键路径是农业机械操作中持续时间最长的路线路线。
最小化农业机械操作成本
的公式,农业机械操作成本消耗,当农业机械操作活动选择资源的选择 。
由于需要考虑各种农业机械操作的个人成本,本文中的农业机械运营成本是项目的直接建设费用额度,即劳动力成本的总和,材料成本,和农业机械操作设备。该优化模型的农业机械操作成本不包括企业管理费用,一般风险费用,利润,测量费用,监督费用,安全、文明的农业机械操作费用和税。在利率不变的情况下,这些不影响成本的比较优化计划,和决策者可以安排最后的农业机械操作计划。计算不同公司的标准在每个区域根据产生的固定项目直接成本和不同的利率。
最大化的农业机械操作质量
的公式,农业机械操作活动的重量吗在项目的整体质量性能质量是农业机械操作性能,当资源选择吗被选中为农业机械操作活动 。
这个模型的农业机械操作调度优化(MOPSO-CSO)。模型以这样一种方式实现,每个粒子代表一个农业机械操作调度计划(称为伪代码和流程图)的计划。资源的组合选项为每个农业机械操作活动农业机械操作调度方案作为每个粒子的位置与整数值从1( ); 资源选择的总数是考虑农业机械操作活动 。因此,粒子位置的范围是有限的 。选择相应的下一个趋势,即粒子速度范围,是有限的 。此外,每个维度的值的初始和更新粒子的位置应该是圆形的整数 。MOPSO-CSO模型的实现过程,也就是说,伪代码,总结如下。(1)农业机械操作的算法决定了总数在粒子群调度方案,也就是说,该算法决定了粒子群的大小(2)算法决定了学习的价值因素,惯性权重和变异算子和其他参数(3)算法决定了农业机械的数量的上限操作调度方案,决策者需要,也就是说,该算法决定了最大许用值的解集外部存储库(4)该算法决定了最大迭代数(5)算法决定了资源的价值范围选项和选择各种农业机械操作活动的趋势,也就是说,该算法决定了价值范围的粒子的位置和速度(6)算法随机初始化资源选项和选择趋势值每个农业机械操作活动的每一个计划,也就是说,该算法初始化粒子的位置和速度(7)该算法确定目标函数(方程(10)- (12))。算法计算出农业机械操作时间,农业机械操作成本、质量和农业机械操作每一个计划,也就是说,该算法计算的健身价值(8)算法评估每个单独的计划。根据帕累托原则支配,算法选择最好的
资源的组合选择农业机械操作活动是作为个体历史最优解,也就是说,该算法更新个体历史最优解。(9)算法评估所有方案:根据帕累托原则的主导地位,该算法过滤掉所有当前的一系列解决方案解决方案并将它们存储在外部存储库归档解决方案(10)根据帕累托原则支配,算法执行第二轮筛选外部存储库中删除存档下解决方案的计划(11)算法法官是否归档方案的数量超过了最大允许外部存储库的价值。如果超过,根据自适应网格密度算法过滤去除冗余方案。否则,算法继续下一步(12)算法法官是否达到最大迭代次数的解集是收敛的。如果超过,算法步骤16退出循环;否则,算法去下一步循环(13)根据自适应网格密度,该算法采用轮盘赌选择方法选择农业机械操作资源的最佳组合选择档案计划作为全局最优,即粒子的全局最优解(14)算法初始化随机突变范围内的计划,也就是说,算法执行粒子变异操作(15)算法计算资源的选择和选择每个农业机械操作活动的趋势在每个方案根据更新公式的多目标粒子群优化算法(方程(2)和(3)),该算法更新粒子的速度和位置,和算法去第七步继续循环(16)算法输出档案计划,也就是说,该算法输出一系列解集在外部存储库
以上,1到6是初始阶段,7到15周期阶段,和16是结束阶段。MOPSO-CSO模型的流程图如图3。
MOPSO-CSO模型的优化迭代结果本文图所示4。
在图4粒子,黑色代表选择帕累托最优解决方案,和红色粒子代表了粒子在外部存储在迭代过程中消除。可以看出,颗粒逐渐收敛于帕累托最优解决方案。解决方案是均匀分布的位置,表明模型具有很强的全局搜索能力。
4所示。基于多目标优化的农业机械的任务调度算法
农业机械的任务调度算法的基本框架如图5。
在调度阶段,多目标算法是用来解决农业机械调度问题随着时间窗口。该算法分为三个步骤。第一步使用一种改进的插入路径构造算法来生成一个初始可行的解决问题的办法。在第二步中,多个初始可行的解决方案形成了初始种群。通过设计合适的染色体编码、健身评价函数、遗传算子、等等,遗传算法用于执行进化操作,如选择,交叉,变异和个体优化初始种群。在第三个步骤中,进化达到终止条件后,社区搜索技术用于进一步提高最优个体的人口和获得更好的解决方案。调度阶段的算法流程图如图6。
农业机械的位置监测有利于统一管理分散的农业机械,农业机械的协调部署,及时、准确提供农业机械的地址需要维修人员修理。此外,它提供了闲置耕地的农业机械,需要及时操作,防止农业机械的资源被闲置,节省时间,减少成本。系统需要促进农业机械管理信息统计和管理,包括农业机械的工作量、工作时间、维修、位置信息、农业机械模型,车牌号,燃料消耗。农业机械的运行状态信息得到实时的车辆终端和监控系统的传输到数据库。
监控终端系统自动生成最优调度的指令路径或紧急情况需要通知车辆终端。此外,它可以进行交互(语音或文本)车载应用通过短信或直接通知运营商的通信网络。系统使用MySQL数据库来存储数据。系统开发思想是图所示7。
系统数据表的关系非常简单。成功注册,农业机械和农业机械信息数据库允许这个农业机械上传数据。农业机械中的数据信息数据库提供数据支持农业机械位置监控、路径回放和调度策略生成,农业机械和报警显示模块。数据流程图如图的关系8。
在这篇文章中,多目标农业机械的性能验证任务调度算法进行介绍了。首先,本文算法的多目标优化效果评估通过仿真实验和结果如图9得到了。
通过上面的研究,我们可以看到,本文提出的算法在多目标优化有一定的优势。在此基础上,本文对农业机械的影响农业机械任务调度算法的任务调度的基础上,本文提出的多目标优化,得到结果如图10。
从上面的研究,可以看出,农业机械的任务调度算法基于多目标优化提出了农业机械任务调度效果好,满足优化算法的基本目的。
5。结论
远程农业机械的研究和开发监测服务系统集成技术和管理模式可以实现远程监控、管理和动员的农业机械和真正提高人的效率和农业机械和农业信息管理水平。本文设计一种农业机械操作和维护管理体系,农业机械信息管理的功能,农业机械位置监视和通信调度。主要针对农机合作社和其他农机合作组织,可以进行实时和准确的监测和管理全国各级农业机械。与此同时,它也给的优点充分发挥移动通信的发展,移动终端的发展的流行,它有效地弥补了可怜的灵活性和移动性的缺点传统农业机械的监控和管理。此外,它突破农业机械管理的约束在时间和空间方面真正意义上和农业机械生产的效率最大化。本文研究多目标优化算法适用于农业机械任务调度,提出了一种适合现代农业机械的任务调度算法。实验结果表明,多目标农业机械的任务调度算法提出了农业机械任务调度效果好,满足优化算法的基本目的。
数据可用性
标签数据集用于支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究是由四川省科学技术项目下2021 yfg0189格兰特。