孫昌恒

（山西省大同市陽高縣農(nóng)業(yè)機械發(fā)展中心，山西 大同 038100）

近年來，我國農(nóng)業(yè)機械化水平不斷提升，然而與發(fā)達國家相比仍然存在一定的差距。究其原因，就在于我國疆域遼闊，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)機應用水平偏低，難以真正實現(xiàn)農(nóng)業(yè)機械化生產(chǎn)。為了解決這一問題，就需要提高農(nóng)機資源的利用率，提高經(jīng)濟效益。而農(nóng)業(yè)機械調(diào)配則是有效手段之一。

1 概述

學界將啟發(fā)式算法融入到農(nóng)業(yè)機械調(diào)配中，通過直觀與經(jīng)驗構(gòu)造，對組合優(yōu)化問題進行求解。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，但在解決實際問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，通過對“染色體”凈化進行模擬，得出與環(huán)境條件最為適應的個體。遺傳算法屬于計算機模擬方法的一種，其優(yōu)點就在于具有較強的適用性、自適應性、魯棒性以及并行性，在很多領域都具有比較高的應用價值。

2 農(nóng)業(yè)機械調(diào)配優(yōu)化問題模型構(gòu)建

2.1 問題描述

在農(nóng)機調(diào)配站的數(shù)量、位置確定過程中，以確定數(shù)量排除具有某項單一功能的農(nóng)機，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型，并且指定作業(yè)面積為已知數(shù)據(jù)，每輛農(nóng)機能夠依次一次性完成作業(yè)任務，并在完成任務后回到調(diào)配站。為了對問題進行求解，要求對全部農(nóng)機的作業(yè)路線進行規(guī)劃，確保農(nóng)機作業(yè)的全過程符合一定的優(yōu)化目標要求。

2.2 模型假設與建模

模型假設主要涉及到以下幾點內(nèi)容：確定農(nóng)機調(diào)配站的位置、制定作業(yè)的農(nóng)田面積與位置、農(nóng)機單位時間內(nèi)的作業(yè)水平；對農(nóng)田實施作業(yè)的農(nóng)機只有一臺；單塊農(nóng)田的作業(yè)需求能夠通過單臺農(nóng)機滿足；農(nóng)機調(diào)配站若干，且只有一種車型的特定農(nóng)機；調(diào)度方案中農(nóng)機分配作業(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)機分配到的任務為1次及以上；排除氣候、人為等干擾因素。在完成模型假設后，即可對基于遺傳算法的農(nóng)機調(diào)配優(yōu)化問題模型進行構(gòu)建，受限于篇幅，本文不對具體模型進行闡述。

3 農(nóng)業(yè)機械調(diào)度遺傳算法流程

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

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

圖1

4 農(nóng)業(yè)機械調(diào)度遺傳算法的應用分析

根據(jù)本文的研究內(nèi)容與算法應用，選擇MatLab進行編程。隨機生成數(shù)據(jù)并展開計算。在獲取到計算結(jié)果后，即可得知農(nóng)田分配到的機械數(shù)量，基于此對作業(yè)路徑的合理性以及路徑交叉的線路數(shù)量進行判斷，從而確定算法設計是否具有有效性。

在確定算法結(jié)果的過程中，可以選擇對比的方法。即與人工指定作業(yè)的方式進行比較，例如按照相應面積劃分作業(yè)區(qū)域，按照維度來排列作業(yè)路徑。根據(jù)對比作業(yè)的結(jié)果來確定算法結(jié)果的合理性。在對比過程中需要對遺傳算法的結(jié)算加以利用，需要路程增加量、作業(yè)時間增量等數(shù)據(jù)。通過遺傳算法的運算結(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，在面對一些比較復雜的問題時，相較于算法計算量，對空間大小的求解顯然趨近于無窮大。針對此，想要通過算法來實現(xiàn)最終解與最優(yōu)解趨于一致存在一定的困難。當然，憑借遺傳算法，能夠確保搜索覆蓋面，然而對于特定接的局部優(yōu)化，遺傳算法的適用性就有所降低。將運算結(jié)果與實際情況結(jié)合到一起進行考慮，通?？梢詭椭藗儗Y(jié)果進行局部微調(diào)與優(yōu)化。微調(diào)的方法可以選擇人工方式，當然，這種方法也存在一定的局限性。而選擇設計算法進行微調(diào)，那么優(yōu)化效果可以得到增強。

針對遺傳算法計算結(jié)果，還需要對其穩(wěn)定性進行測試，具體操作為對算法進行反復執(zhí)行，達到一定次數(shù)后對結(jié)果分布圖進行繪制，根據(jù)圖示內(nèi)容來分析算法結(jié)果，對結(jié)果的離散性進行判斷。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

通常來講，基于遺傳算法取得的結(jié)果相對而言要比人工調(diào)配的方式具有更理想的效果，在實用性方面也具有比較大的優(yōu)勢。此外，遺傳算法屬于智能算法，其運行結(jié)果可能與問題的最優(yōu)解存在一定偏差，因此在實踐中可能還需要在特定結(jié)果方面進行人為的調(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。