[发明专利]一种基于粒子群算法的饲料动态调度方法

权利要求书

1.基于粒子群算法的饲料动态调度方法，具体步骤如下，其特征在于,

步骤1：将饲料调度问题中的各饲养工作台和养殖仓库通过带权完全无向图构造数学问题模型；

步骤2：优化粒子群算法，消除粒子群算法容易陷入局部最优的缺点；

步骤3：使用基于优化后的粒子群算法对调度优化问题数学模型进行求解，得出有轨制导小车的调度方案。

2.根据权利要求1基于粒子群算法的饲料动态调度方法，其特征在于；所述带权完全无向图如下：

M＝(P,D) (1)

其中，M表示为带权完全无向图中点的集合，P表示为养殖仓库中一个等待上饲料或下粪的饲养工作台，D表示各点连接而成的弧集。

3.根据权利要求1基于粒子群算法的饲料动态调度方法，其特征在于；所述数学模型目标函数如下：

其中d_ij是饲养工作台i和j之间的距离，即弧(i，j)长度，求解有轨制导小车调度优化问题就是求出满足式3的集合。

4.根据权利要求2基于粒子群算法的饲料动态调度方法，其特征在于；所述优化粒子群算法如下：

将粒子群算法中的惯性权重系数ω、加速常数η₁、η₂的更新方式进行改进，改进后的更新算法如下：

ω＝ω_max-0.02tan(2πIteration/MaxIteration) (4)

η₁＝0.5ω²+0.5 (5)

η₂＝1-ω² (6)

其中，ω_max是最大惯性权重设为0.94；Iteration是当前迭代次数；MaxIteration是最大迭代次数。

5.根据权利要求3基于粒子群算法的饲料动态调度方法，其特征在于；所述基于粒子群的有轨制导小车调度求解如下：

1)种群初始化

位置初始化:Z＝unifrnd(Q_i,S_i)^T (7)

速度初始化：V＝unifrnd(V_i,V_i)^T (8)

Q_i是有轨制导小车的随机号，S_i是饲养工作台随机号，V_i是速度的随机数；

2)确定适应度函数，将目标函数作为适应度函数：

3)计算粒子的适应度值，根据适应度函数确定种群内每个粒子的自适应度值，更新个体极值P_id、全局极值P_gd、惯性权重ω和加速常数η₁、η₂，并记录个体极值位置P_cbest、全局极值位置P_cgbest；

4)进入迭代循环,设置最大迭代次数2000，通过下式更新粒子速度与位置

V_id＝ωv_id(t)+η₁rand()[P_id-Z_id(t)]+η₂rand()[P_gd-Z_id(t)] (10)

Z_id(t+1)＝Z_id(t)+v_id(t+1) (11)

其中，V_id(t+1)表示第i个粒子在t+1次迭代中第d维上的速度，rand()是0到1的随机数；

5)迭代结束后，得到最优的优化结果，输出种群的全局极值P_gd和全局极值位置P_cgbest，即最优化解。