混合遗传算法在农业优化灌溉中的应用

摘要

非充分灌溉条件下的作物灌溉制度优化可以有效地提高农作物产量及水分利用率。基于此，本文在查阅大量国内外文献的基础上，阐述了国内外优化灌溉制度及灌溉水资源在单一作物和多作物之间优化分配模型的进展。在借鉴前人所做工作的基础上，结合我国的水资源及农业灌溉实践状况，提出了适用于我国农业灌溉工程的单(多)作物优化灌溉模型，并通过混合遗传算法(Hybrid GenotieAlgorithm：HGA)对该模型进行了求解。 目前，国内外对优化灌溉模型的求解通常采用的是动态规划逐次渐进法(DPSA)和非线性规划(NLP)，但是DPSA法并不能保证在任何情况下都收敛到最优解，而NLP法求解需将非线性目标线性化，难度较大。针对普通遗传算法(GA)收敛慢，以及动态规划逐次渐进法、NLP法收敛难度大的问题，本文应用了一种将遗传算法与模拟退火算法相结合的新的搜索算法——HGA。HGA将GA算子和模拟退火算法结合起来，构成混合遗传模拟退火算法，融合了遗传算法强大的全局搜索能力和模拟退火算法较强的局部搜索能力。 根据已得到的单作物优化灌溉模型，将其应用于某灌溉区水稻灌溉水量优化分配的工程实例中。通过混合遗传算法强大的搜寻能力，对模型的实数编码空间进行搜索，得到特定条件下模型的最优解。仿真试验表明，该混合遗传算法能有效提高遗传算子的运行效率和计算精度。同时以静态作物水分生产函数Jenson 模型为基础，建立了基于产量最大的有限灌水量的3种作物优化灌溉模型，将有限水量在3种作物的生育期内进行分配，以达到最优产量。并绘制作物可供水量与相对产量的关系曲线，将计算结果与实试验数据进行分析比较，结果表明：优化模型较好地模拟了作物配水，保证作物在有限灌溉条件下得到最大产量。混合遗传算法与普通遗传算法的优化对比曲线显示了混合遗传算法能在不同灌溉情况下，比普通遗传算法能够更快更好地搜索到模型的最优解。混合遗传算法的优越性能，为农业水资源管理提供了一种新的思路和方法，因而可用于指导农业灌溉和生产。

目录

文摘

英文文摘

声明

第一章绪论

1.1本课题研究的目的和意义

1.2本课题的发展历史和现状

1.2.1国外研究情况

1.2.2国内研究情况

1.2.3近年来的研究热点

1.3本课题主要内容和工作

第二章混合遗传算法原理

2.1遗传算法概述

2.1.1遗传算法的概念

2.1.3遗传算法的特点

2.2基本遗传算法

2.2.1基本遗传算法的描述

2.2.2基本遗传算法的实现

2.3混合遗传算法

2.3.1混合遗传算法的思想

2.3.2混合遗传模拟退火算法

第三章单作物优化灌溉混合遗传算法模型

3.1最优灌溉的数学模型

3.1.1作物水分生产函数的Jensen模型

3.1.2有效降雨量和田间水量平衡方程

3.1.3数学模型

3.2实例计算

3.2.1模型参数设定

3.2.2 HGA参数设定

3.3模型仿真验证

3.3.1模型求解

3.3.2试验结果分析

3.3.3小结

第四章基于混合遗传算法的多种作物间灌溉水量的最优分配

4.1多种作物间灌溉水量最优分配问题

4.2优化灌溉的模型描述

4.2.1目标函数

4.2.2约束条件

4.3应用实例

4.3.1模型参数设定

4.3.2 HGA参数设定

4.4模型仿真验证

4.4.1模型求解

4.4.2 Matlab仿真分析

4.4.3小结

第五章混合遗传算法运行参数优选

5.1混合遗传算法的运行参数

5.2参数选择对求解结果的影响

5.2.1群体大小M与个体适度值之间的关系

5.2.2交叉率与个体适度值之间的关系

5.2.3变异率与个体适度值之间的关系

第六章总结与展望

参考文献

致谢

攻读硕士研究生期间发表的论文