论文部分内容阅读
近年来,随着人口的快速增加和耕地面积的减少,如何提高作物产量已经成为一个热门的研究课题。提高作物产量的方法主要为两方面,一个是时间——主要是种植多季作物;另一个是空间——主要是从单位面积的利用率来考量。在单位面积的利用率上,主要分为两种,单作和间作。在本文中,将单作和间作的种植方式统称为种植模式,通过对种植模式进行优化来提高单位面积的利用率。但是,在农业生产生活中,若是要对种植模式进行分析探索来获取最优种植模式,则会需要耗费大量人力物力财力,同时也不能保证每次的实验所处的实验环境都能够保持一致。因此,为了能够获得作物的最优种植模式,我们可以通过是使用虚拟模型来代替真实作物来对所要优化的种植模式进行优化探索。本文基于不同的虚拟功能-结构模型,将优化算法应用于不同作物的种植模式之中,使得所优化的作物群落能够在实验环境中能够获得最优评价。本文的主要工作和所得成果如下:1.提出一种改进粒子群优化算法。粒子群优化算法是经典群智能优化算法中比较热门的一种。而本研究在其基础之上,通过对其本身存在的易陷入局部极值以及收敛速度慢等问题进行分析,通过结合不同更新公式的方式来对粒子群优化算法的探索能力和收敛能力进行平衡操控,并通过多级扰动来改进易陷入局部极值的缺点,最终提出一种引入多级扰动的混合粒子群优化算法,使其的优化能力和收敛能力与原有的两种改进粒子群优化算法相比得到大幅提升。2.提出一种新的庇护所优化算法。针对所要优化的种植模式问题,分析问题之后发现这是一个与维度存在一定关系的问题,无论是自变量还是因变量,它们的最优值都会随着维度的不同而产生变化。同时,针对群智能优化算法存在的局部极值问题,考虑将局部极值转换为优化算法中能够对更新方向产生影响的因素。因此提出一种新的庇护所优化算法,该算法将优化过程中得到的局部极值作为一个庇护所,通过不同的庇护所以及在所中的探索人员之间的交流沟通,让成为庇护所的局部极值变为能够影响探索人员的移动路径的因素,最终实验结果表明了该算法能够很好解决与维度相关的问题,且实验结果与改进粒子群优化算法和改进灰狼算法相比更为优异。3.提出一种基于虚拟模型和优化算法的通用性结合流程。首先,分析虚拟模型的特点,发现其能够准确的获取现实生活中难以获取的各项指标;其次,优化算法能够去逼近所获取的指标组成的评价函数的最优解位置。因此通过算法代理点将种植模式的信息赋予虚拟模型,在虚拟模型生长后获取各项指标来反馈与算法代理点,以此来搜索最优的种植模式。本文提出的基于虚拟模型的作物种植模式优化研究,通过一种通用性强的结合流程,将不同算法结合进不同的虚拟模型群落中,来获取不同群落的最优种植模式。其中两种新颖的优化算法能够很好完成此项研究任务。为现实农业生产生活中,提高产量做出了指导方向。