论文部分内容阅读
甘蔗作为我国南方的主要经济作物，在其生产过程中主要面临生产效率低下，规模分散等不足，因此实现甘蔗生产决策的科学化、系统化以及在评估、测算体系等方面的创新改进则成为当前甘蔗生产研究的主要新课题，如何利用当前的智能算法研究甘蔗区域化生产具有重大的现实和推广意义。
本文从甘蔗生产种植、管理现状入手，分析当前甘蔗生产种植、管理的不足之处，结合智能算法构建甘蔗生产决策模型体系。在该体系研究过程中，提出RINAGA智能算法；基于RINAGA工具，设计甘蔗决策模型框架，并以多目标模型优化配置甘蔗生产资源要素；以甘蔗生产中品种的优选需求，建立遗传KM甘蔗品种智能优选模型；以甘蔗生产中的产量、市场糖价构建的BP智能决策模型，建立甘蔗生产市场的预判目标。基于以上各模块的优化结果、讨论，提出当前甘蔗生产的系统决策依据。本文将在以下4个方面展开研究：
(1)以当前甘蔗生产管理的需求，系统分析当前甘蔗生产中所面临的主要不足，基于现有的工具和智能算法建立甘蔗生产决策模型。在决策模型设计过程中，通过对已有的遗传算法的分析和研究，提出以实数编码为基础的均值小生境自适应智能算法(RINAGA)，并以RINAGA为工具优化相关甘蔗生产决策子模块。
(2)分析比较传统方法与遗传多目标优化方法的算法差异，建立甘蔗种植生产、管理过程中的农机、人力等生产资源要素的多目标优化配置，提出和建立基于PARETO多优解的实数编码多目标(RINAGA-MO)智能算法模型，并实例验证广东湛江、广西南宁等甘蔗生产资源不同阶段的优化配置成本。针对甘蔗生产中的运输、收获工程工作量大、耗时久等生产作业任务，建立甘蔗收获、运输作业调度安排模型(RINAGA-MO-PS)，通过RINAGA，解决全局优解搜索的不足，增强作业模型的可操作性；并在多目标PARETO解的基础上，实例优化广东湛江广前公司的14家农场运输收获作业调度，得到农场优化调度顺序：9->10->1->11->4->13->5->14->6->3->2->12->7。相对传统优化方法，RINAGA-MO-PS在周期和作业生产安排调整则更为科学、合理。
(3)比较传统KM聚类算法的特点和不足，提出基于实数编码的KM智能算法模型(RIMAGA-KM)，分析、优化广西、广东两地的常用品种资源数据，并验证RINAGA-KM智能算法模型在甘蔗种植生产决策中的意义和推广价值。
(4)针对甘蔗种植企业、农户的市场销售风险问题，基于智能算法系统分析蔗糖价格走势，建立甘蔗生产市场销售柔性约束下的BP神经网络预判RIANGA-BP智能算法模型，以解决数据信息不全的甘蔗生产决策问题，结合多元逐步回归的输入因子简化功能及数据标准化方法，对广西、广东两地的甘蔗产量和糖价市场做分析、模拟。以规划农机、人力、品种等多种生产要素的优化配置，增强甘蔗种植企业、农户抗市场风险能力。