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(jī)已經(jīng)得到了廣泛應(yīng)用，其中小麥?zhǔn)崭顧C(jī)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(guò)程中存在的問(wèn)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(jī)供不應(yīng)求，甚至還有一些地區(qū)的小麥?zhǔn)崭顧C(jī)處于閑置狀態(tài)，難以取得最佳的收割效率。

目前，對(duì)小麥?zhǔn)崭顧C(jī)的調(diào)度研究還比較少，如果錯(cuò)過(guò)了小麥?zhǔn)崭钇?，麥子將炸開(kāi)，導(dǎo)致農(nóng)戶(hù)的糧食產(chǎn)量受損。過(guò)去，存在中介從小麥種植者和小麥?zhǔn)崭顧C(jī)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(jī)操作工人的收入降低[1-2]。因此，應(yīng)采取有效的計(jì)算對(duì)小麥?zhǔn)崭顧C(jī)的路徑進(jìn)行規(guī)劃，這不僅能使小麥?zhǔn)崭顧C(jī)的成本降低，而且能提高農(nóng)民的收入。

小麥?zhǔn)崭顧C(jī)路徑規(guī)劃過(guò)程中應(yīng)依據(jù)收割機(jī)的路線(xiàn)、位置和速度，通過(guò)調(diào)度中心對(duì)小麥?zhǔn)崭顧C(jī)進(jìn)行合理安排，以保證小麥?zhǔn)崭顧C(jī)的調(diào)度更加準(zhǔn)確和及時(shí)。為了確保小麥?zhǔn)崭顧C(jī)在不同地區(qū)之間的合理資源配置，為其選擇最優(yōu)路線(xiàn)是關(guān)鍵，通過(guò)選擇最優(yōu)的小麥?zhǔn)崭顧C(jī)調(diào)度路線(xiàn)，能有效降低成本，提高小麥?zhǔn)崭顧C(jī)的使用效率，從而提高小麥?zhǔn)崭顧C(jī)的經(jīng)濟(jì)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(jī)的工作效率[3]。

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

1 小麥?zhǔn)崭顧C(jī)調(diào)度路徑優(yōu)化模型

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

小麥?zhǔn)崭顧C(jī)到達(dá)時(shí)間與小麥種植農(nóng)戶(hù)預(yù)約時(shí)間偏差的時(shí)間窗長(zhǎng)短，直接決定了懲罰的成本[4]。假設(shè)懲罰成本具有線(xiàn)性特征，當(dāng)小麥?zhǔn)崭顧C(jī)到達(dá)時(shí)間處于時(shí)間窗以?xún)?nèi)，懲罰成本為0，當(dāng)小麥?zhǔn)崭顧C(jī)到達(dá)時(shí)間不在時(shí)間窗內(nèi)，懲罰成本根據(jù)如下公式計(jì)算：

式中：Ci(tig)為小麥?zhǔn)崭顧C(jī)g時(shí)間ti所對(duì)應(yīng)的懲罰成本；h為小麥?zhǔn)崭顧C(jī)提前到達(dá)的懲罰因子；d為小麥?zhǔn)崭顧C(jī)晚到時(shí)所對(duì)應(yīng)的懲罰因子；tig為小麥?zhǔn)崭顧C(jī)到達(dá)小麥?zhǔn)崭铧c(diǎn)i的時(shí)間；wi為小麥?zhǔn)崭顧C(jī)提早到達(dá)收割點(diǎn)i的時(shí)間；vi為小麥?zhǔn)崭顧C(jī)最遲到達(dá)收割點(diǎn)i的時(shí)間。

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

構(gòu)建一個(gè)決策變量，定義如下：

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

2 改進(jìn)粒子群算法的基本理論

粒子群算法是依據(jù)鳥(niǎo)群的飛行特點(diǎn)確定的，和其他智能算法相比，該算法易于實(shí)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(wèn)題與粒子群的一個(gè)粒子一一對(duì)應(yīng)，粒子的性能可以利用適應(yīng)度評(píng)價(jià)，第i個(gè)粒子的位置定義為第i個(gè)粒子的速度定義為個(gè)體的最優(yōu)位置定義為，全局最優(yōu)位置定義為經(jīng)過(guò)t次迭代，第i個(gè)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(gè)因子均大于等于0；r1與r2均為隨機(jī)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(duì)傳統(tǒng)的粒子群算法進(jìn)行改進(jìn)。改進(jìn)粒子群算法的優(yōu)化過(guò)程通常由適應(yīng)度的大小來(lái)確定，通過(guò)求出不同粒子目前位置的適應(yīng)度，對(duì)適應(yīng)度進(jìn)行排序，適應(yīng)度排序在后50%的粒子所對(duì)應(yīng)的速度和位置與排序在前50%的粒子所對(duì)應(yīng)的速度和位置進(jìn)行替換，同時(shí)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(jìn)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(gè)體的最優(yōu)位置干擾。利用交叉操作，把上一步操作過(guò)程中位置發(fā)生改變的50%粒子置于同一個(gè)池內(nèi)，在池中粒子進(jìn)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(guò)了交叉操作，結(jié)束交叉操作，后代粒子位置的計(jì)算公式如下：

此外，粒子群算法的慣性因子對(duì)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(shí)，粒子群算法的全局收斂能力將增強(qiáng)，同時(shí)具有更高的收斂效率，當(dāng)慣性因子減小時(shí)，粒子群算法的局部尋優(yōu)能力將增強(qiáng)，同時(shí)也延長(zhǎng)了算法的收斂時(shí)，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(duì)應(yīng)的慣性因子較大，而粒子群算法的后期所對(duì)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(shí)迭代次數(shù)；Tmax為最大迭代次數(shù)。

3 仿真分析

為了驗(yàn)證模型的有效性，文章以10 個(gè)小麥?zhǔn)崭盥?lián)合收割機(jī)為研究對(duì)象進(jìn)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(duì)改進(jìn)前后粒子群算法分別運(yùn)行5 次，最終獲得小麥?zhǔn)崭顧C(jī)調(diào)度成本計(jì)算結(jié)果，如表1 所示。

表1 小麥?zhǔn)崭顧C(jī)調(diào)度成本計(jì)算結(jié)果 單位：萬(wàn)元

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

4 結(jié)論

文章在分析小麥?zhǔn)崭顧C(jī)調(diào)度問(wèn)題的基礎(chǔ)上構(gòu)建了小麥?zhǔn)崭顧C(jī)調(diào)度優(yōu)化模型，并且改進(jìn)了粒子算法。通過(guò)仿真分析可以得出，經(jīng)過(guò)改進(jìn)后粒子群算法優(yōu)化的小麥?zhǔn)崭顧C(jī)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(jī)調(diào)度優(yōu)化水平。