祖錫華

（江蘇經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，江蘇 南京 211168）

小麥?zhǔn)崭顧C已經(jīng)得到了廣泛應(yīng)用，其中小麥?zhǔn)崭顧C的作業(yè)效率和利用率是保證其完成作業(yè)任務(wù)的關(guān)鍵。但隨著小麥產(chǎn)量的增多，在收割過程中存在的問題越發(fā)凸顯。

在每年的收割季節(jié)，一些地區(qū)的小麥?zhǔn)崭顧C供不應(yīng)求，甚至還有一些地區(qū)的小麥?zhǔn)崭顧C處于閑置狀態(tài)，難以取得最佳的收割效率。

目前，對小麥?zhǔn)崭顧C的調(diào)度研究還比較少，如果錯過了小麥?zhǔn)崭钇?，麥子將炸開，導(dǎo)致農(nóng)戶的糧食產(chǎn)量受損。過去，存在中介從小麥種植者和小麥?zhǔn)崭顧C操作工人的聯(lián)系中牟利的現(xiàn)象，一方面，使小麥種植者的成本增加，另一方面，使小麥?zhǔn)崭顧C操作工人的收入降低[1-2]。因此，應(yīng)采取有效的計算對小麥?zhǔn)崭顧C的路徑進行規(guī)劃，這不僅能使小麥?zhǔn)崭顧C的成本降低，而且能提高農(nóng)民的收入。

小麥?zhǔn)崭顧C路徑規(guī)劃過程中應(yīng)依據(jù)收割機的路線、位置和速度，通過調(diào)度中心對小麥?zhǔn)崭顧C進行合理安排，以保證小麥?zhǔn)崭顧C的調(diào)度更加準(zhǔn)確和及時。為了確保小麥?zhǔn)崭顧C在不同地區(qū)之間的合理資源配置，為其選擇最優(yōu)路線是關(guān)鍵，通過選擇最優(yōu)的小麥?zhǔn)崭顧C調(diào)度路線，能有效降低成本，提高小麥?zhǔn)崭顧C的使用效率，從而提高小麥?zhǔn)崭顧C的經(jīng)濟效益。目前，人工智能技術(shù)與網(wǎng)絡(luò)技術(shù)正處于不斷發(fā)展的階段，農(nóng)業(yè)領(lǐng)域也不斷應(yīng)用現(xiàn)代技術(shù)，能有效提升小麥?zhǔn)崭顧C的工作效率[3]。

為了實現(xiàn)小麥?zhǔn)崭顧C的調(diào)度優(yōu)化，提高小麥?zhǔn)崭顧C的作業(yè)效率，將改進粒子群算法應(yīng)用于小麥?zhǔn)崭顧C調(diào)度過程中的路徑優(yōu)化選擇，能避免傳統(tǒng)優(yōu)化算法運行效率低和收斂效率差的缺陷。

1 小麥?zhǔn)崭顧C調(diào)度路徑優(yōu)化模型

假設(shè)全部的小麥?zhǔn)崭顧C都是相同的類型，根據(jù)小麥種植農(nóng)戶的相關(guān)信息確定小麥田的位置以及收割地點，有且僅有一個中心小麥?zhǔn)崭顧C點，不同的收割路線的起點和終點均為中心小麥?zhǔn)崭顧C點。不同的收割路線都處于理想狀態(tài)，在構(gòu)建優(yōu)化模型過程中忽略了天氣和地勢的影響。

小麥?zhǔn)崭顧C到達時間與小麥種植農(nóng)戶預(yù)約時間偏差的時間窗長短，直接決定了懲罰的成本[4]。假設(shè)懲罰成本具有線性特征，當(dāng)小麥?zhǔn)崭顧C到達時間處于時間窗以內(nèi)，懲罰成本為0，當(dāng)小麥?zhǔn)崭顧C到達時間不在時間窗內(nèi)，懲罰成本根據(jù)如下公式計算：

式中：Ci(tig)為小麥?zhǔn)崭顧Cg時間ti所對應(yīng)的懲罰成本；h為小麥?zhǔn)崭顧C提前到達的懲罰因子；d為小麥?zhǔn)崭顧C晚到時所對應(yīng)的懲罰因子；tig為小麥?zhǔn)崭顧C到達小麥?zhǔn)崭铧ci的時間；wi為小麥?zhǔn)崭顧C提早到達收割點i的時間；vi為小麥?zhǔn)崭顧C最遲到達收割點i的時間。

利用i表示小麥?zhǔn)崭顧C的編號，利用N表示小麥?zhǔn)崭铧c的數(shù)目，i=1 表示中心小麥?zhǔn)崭顧C點；g表示布置作業(yè)的小麥?zhǔn)崭顧C的編號，G表示小麥?zhǔn)崭顧C的總量。處于作業(yè)狀態(tài)的小麥?zhǔn)崭顧C的數(shù)量定義為Jw，處于閑置狀態(tài)的小麥?zhǔn)崭顧C數(shù)量定義為Jr，Jw+Jr=G。小麥?zhǔn)崭铧ci和j之間的單位距離成本定義為aij，小麥?zhǔn)崭铧ci和j之間的距離定位為lij，小麥?zhǔn)崭顧C的啟用成本定義為cw，小麥?zhǔn)崭顧C的閑置成本定義為cr，小麥?zhǔn)崭顧C的閑置時間定義為tr，根據(jù)以往數(shù)據(jù)確定的收割點i在單位時間內(nèi)收割小麥的數(shù)量定義為pi，Tig表示小麥?zhǔn)崭顧Cg在收割點i的工作時間，ti表示小麥?zhǔn)崭顧Cg準(zhǔn)時到達收割點i的時間，Ug表示小麥?zhǔn)崭顧Cg的作業(yè)任務(wù)指標(biāo)。

構(gòu)建一個決策變量，定義如下：

目標(biāo)函數(shù)包括小麥?zhǔn)崭顧C的路程成本、收割機啟動成本、時間懲罰成本以及小麥?zhǔn)崭顧C的閑置成本，具體方程如下：

2 改進粒子群算法的基本理論

粒子群算法是依據(jù)鳥群的飛行特點確定的，和其他智能算法相比，該算法易于實現(xiàn)，所需調(diào)節(jié)的參數(shù)比較少，在很多工程領(lǐng)域有廣泛的應(yīng)用。在粒子群算法中，需要求解的問題與粒子群的一個粒子一一對應(yīng)，粒子的性能可以利用適應(yīng)度評價，第i個粒子的位置定義為第i個粒子的速度定義為個體的最優(yōu)位置定義為，全局最優(yōu)位置定義為經(jīng)過t次迭代，第i個粒子的速度和位置更新公式如下：

式中：ω為慣性系數(shù)；c1與c2為加速因子，兩個因子均大于等于0；r1與r2均為隨機數(shù)

常規(guī)的粒子群算法存在收斂效率較低和易陷入局部最優(yōu)的不足，因此，應(yīng)選取有效的方法對傳統(tǒng)的粒子群算法進行改進。改進粒子群算法的優(yōu)化過程通常由適應(yīng)度的大小來確定，通過求出不同粒子目前位置的適應(yīng)度，對適應(yīng)度進行排序，適應(yīng)度排序在后50%的粒子所對應(yīng)的速度和位置與排序在前50%的粒子所對應(yīng)的速度和位置進行替換，同時歷史的最優(yōu)位置處于不變狀態(tài)。將遺傳算法引入粒子群算法的改進中，利用選擇操作粒子群可以獲取最優(yōu)的空間，也受粒子群中個體的最優(yōu)位置干擾。利用交叉操作，把上一步操作過程中位置發(fā)生改變的50%粒子置于同一個池內(nèi)，在池中粒子進行兩兩交叉，依據(jù)一定的交叉概率形成后代粒子替換父代粒子，從而使粒子群中的粒子具有不變的數(shù)量。當(dāng)池中的粒子全都經(jīng)過了交叉操作，結(jié)束交叉操作，后代粒子位置的計算公式如下：

此外，粒子群算法的慣性因子對于優(yōu)化收斂效率和提高優(yōu)化精度具有決定性作用，慣性因子增加時，粒子群算法的全局收斂能力將增強，同時具有更高的收斂效率，當(dāng)慣性因子減小時，粒子群算法的局部尋優(yōu)能力將增強，同時也延長了算法的收斂時，為優(yōu)化慣性因子，可以調(diào)節(jié)慣性系數(shù)，讓粒子群算法前期所對應(yīng)的慣性因子較大，而粒子群算法的后期所對應(yīng)的慣性因子較小，從而能提高粒子群算法的收斂性能，并且獲得全局尋優(yōu)性能。慣性系數(shù)調(diào)整公式如下：

式中：ωmax為最大慣性系數(shù)；ωmin為最小慣性系數(shù)；t為即時迭代次數(shù)；Tmax為最大迭代次數(shù)。

3 仿真分析

為了驗證模型的有效性，文章以10 個小麥?zhǔn)崭盥?lián)合收割機為研究對象進行仿真分析，一共有20 塊小麥田。利用MATLAB 軟件編制仿真程序，粒子群數(shù)量為75，最大迭代次數(shù)為350，對改進前后粒子群算法分別運行5 次，最終獲得小麥?zhǔn)崭顧C調(diào)度成本計算結(jié)果，如表1 所示。

表1 小麥?zhǔn)崭顧C調(diào)度成本計算結(jié)果 單位：萬元

根據(jù)計算結(jié)果可知，改進后粒子群算法的小麥?zhǔn)崭顧C最優(yōu)成本明顯小于改進前粒子群算法的小麥?zhǔn)崭顧C調(diào)度成本，利用改進后的粒子群算法獲得的最優(yōu)收割路徑為109.35km，能達到小麥?zhǔn)崭顧C調(diào)度效果。

4 結(jié)論

文章在分析小麥?zhǔn)崭顧C調(diào)度問題的基礎(chǔ)上構(gòu)建了小麥?zhǔn)崭顧C調(diào)度優(yōu)化模型，并且改進了粒子算法。通過仿真分析可以得出，經(jīng)過改進后粒子群算法優(yōu)化的小麥?zhǔn)崭顧C調(diào)度成本大大降低，相應(yīng)的收割路徑也大大縮短，從而提高了小麥?zhǔn)崭顧C調(diào)度優(yōu)化水平。