[发明专利]一种基于粒子群算法的饲料动态调度方法

说明书

本发明涉及一种基于粒子群算法的饲料动态调度方法，首先将饲养工作台建立带权完全无向图并构造数学问题模型，确定调度方案的目标函数，其次通过改进粒子群算法的惯性权重和加速度常数解决粒子群算法陷入局部最优的问题，最终通过粒子群算法产生了一个优化的饲料动态调度方案，具有解决大规模饲料调度任务的有效性。

技术领域

本发明涉及饲料动态调度领域，特别设计基于粒子群算法的饲料动态调度方法。

背景技术

家禽养殖业是中国农业的重要产业之一，我国的中、大型养殖场近几年来快速发展，为了创造良好的生产环境、节约生产成本，我国养殖场正不断的向规范化、标准化、规模化、产业化、自动化发展。现代养殖业要求养殖工作的高效率，在家禽喂养过程中，饲料动态调度方法是通过实时的饲料信息和有轨制导车辆的位置信息，对有轨制导车辆进行路径优化，建立了车辆行驶距离最短的配送路径优化模型，可实现高效率的养殖自动化，提高企业竞争力。

粒子群算法是在1995年由Eberhart博士和Kennedy博士一起提出的，它源于对鸟群捕食行为的研究。它的基本核心是利用群体中的个体对信息的共享从而使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解，被广泛的应用于最优值求解、函数优化、数据挖掘、人工神经网络训练等领域。饲料动态调度问题属于经典的商旅问题，因此可以结合粒子群算法求解饲料动态调度问题。

但常规粒子群算法在搜索过程中容易出现停滞现象，且容易陷入局部最优。

发明内容

为了解决上述存在问题。本发明提供基于粒子群算法的饲料动态调度方法，解决自动化养殖业的动态调度问题。为达此目的：

本发明提供基于粒子群算法的饲料动态调度方法，具体步骤如下：

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。

作为本发明进一步改进，所述步骤一中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的饲养工作台，D表示各点连接而成的弧集。

作为本发明进一步改进，所述步骤一中构造的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。

作为本发明进一步改进，所述步骤2中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。