淺析改進蟻群算法下的農機運輸調度優化

文 紅

（衡水學院繼續教育學院，河北 衡水 053000）

農業在我國經濟發展中始終占據著非常重要的地位。但是，在農機運輸調度方面，與西方發達國家相比，我國依然處于初級發展階段。在日常的農業運輸中，農機調度呈現出一定的失衡現象，農忙時節，農機調度的這一弊端則更加明顯，有些地方農機供不應求，有些地方則出現農機閑置的現象。因此，相關部門必須要進一步加強對農機運輸調度的優化力度，為提升農業生產效率助力[1]。

1 農機調度原則

1.1 路徑最短原則

農機運輸調度的優化旨在進一步協調不同地區之間的農機資源配置問題，實現農機資源的合理配置與優化利用。因此，選擇出最佳的路線最為重要，減少不必要的路途資源消耗，降低運輸成本，提高農機運輸效率，為實現更高的經濟效益奠定基礎。

1.2 準時性原則

每一年的農忙時間都是集中且固定的，農機運輸調度最大的價值體現也是在這一段時間之內，如果錯過了農忙時期，那么農業生產所遭受的損失不可估量。因此，農機運輸調度的優化工作必須要將準時性原則放在重要位置，要結合實際農機運輸的實際情況，建立起農機位置、運輸速度和路線等多重因素于一體的農機運輸調度系統，由調度中心統一管理和計劃，確保運輸調度的準時性[2]。

1.3 使用最小化原則

隨著農機質量和技術的不斷提升，啟用農機的成本也變得越來越高，在現有農機設備資源可以滿足農業生產需求的基礎之上，農機運輸調度優化工作應該盡量減少農機的使用頻率，盡可能少派農機出去，進而將農機的調度和使用成本控制在最少狀態。

2 基于蟻群算法的路徑分析

2.1 關于蟻群算法的原理闡述

蟻群算法，從根源來講，它是一種受自然界生物啟發而產生的算法，靈感來源于蟻群尋找食物時會尋求最短路徑來感知信息。蟻群算法當中，螞蟻從城市i轉移到城市j的狀態轉移概率公式如下：

在公式當中，α代表軌跡的相對重要性，是信息啟發因子，β代表能見度的相對重要性，是期望啟發因子，allowedk代表選擇去的城市代表螞蟻從城市i到城市j的期望程度，τ代表路徑ij上留下的信息素大小。城市每被訪問1次或者1個訪問循環結束之后，殘留的信息素會被重新處理，處理的規則如下：

2.2 改進蟻群算法

2.2.1 改進路徑

首先，引入節約矩陣。在蟻群算法當中，蟻群在后期的搜索主要是依靠信息素的引導來完成，因此，公式當中的α和β能夠發揮的作用會變得越來越小。基于此情況，引入節約矩陣便是要重新構建初始解，進而尋求到更加節約的路徑，引入節約矩陣如下：

其中，uij=di0+d0j-dij代表狀態矩陣。

2.2.2 改進路徑選擇

通常情況下，路徑選擇的概率和信息素濃度呈現正相關關系，但是當某一條路徑上面的信息素濃度過高時，蟻群算法就比較容易陷入到局部最優狀態。所以，需要引入常量q0，通過比較隨機數與q0的大小，來拓展螞蟻的選擇范圍，這樣一來，問題的解就會有更多的選擇，其中，概率選擇的公式如下：

其中，上述公式代表螞蟻選擇城市j的狀態轉移規則，ε代表適應值參數，j代表由公式的概率pij(t)確定的下一個選擇的城市[3]。

2.3 改進蟻群算法的工作流程

改進蟻群算法的工作流程如圖1所示。

圖1 改進蟻群算法的工作流程圖

3 基于農機運輸調度的仿真分析

假設某一個農機企業共有8輛收割玉米的收割機，該企業根據當地玉米的收獲期以及往年收獲數據可以分析出，某一個城鎮共有15片種植玉米的農田。為提高調度的便捷性，對其中數據和數據單位進行以下假設：其一，收割機按小時來計算工作時間；其二，以平面坐標的橫坐標和縱坐標來分別表示種植玉米農田所在位置的經度和緯度；其三，收割機的收割量以公頃（hm2）為單位；其四，i=1為中心點，也就是收割機的調度中心，其中，i所屬集合代表的是收割點的編號[4]。

如表1所示，在數據表當中，序號1代表中心點，即農機調度點；序號2～16代表15個玉米種植點，因為調度工作并沒有強制性要求返回中心農機點的時間，因此，選取10:00作為最晚回到中心點的時間。

表1 實驗數據表

該研究所采用的仿真軟件是MATLAB，其中，初始參數的設置是α=1，β=2，ε=3，Q=100，螞蟻數量M=60，q0=0.03，最大迭代次數Nmax=300。該仿真系統運行之后，得到的基本蟻群算法收斂曲線與改進后的蟻群算法收斂曲線，分別如圖2、圖3所示。

圖2 基本蟻群算法收斂曲線

圖3 改進蟻群算法收斂曲線

從這兩組收斂曲線可以看出，改進后的蟻群算法得到的解要明顯優于基本蟻群算法。基本蟻群算法最小成本調度路徑軌跡和改進蟻群算法最小成本調度路徑軌跡，分別如圖4、圖5所示。

圖4 基本蟻群算法最小成本調度路徑軌跡

圖5 改進蟻群算法最小成本調度路徑軌跡

4 結語

綜上所述，從上述分析和對比可以得出，改進蟻群算法在優化農機運輸調度中呈現出非常理想的應用價值，其成功縮短了農機的行駛路程，而且與優化工作中所秉承的路徑最短調度原則有著高度一致性。此外，改進蟻群算法擁有著更快的收斂速度，在降低調度成本中也發揮出了重要作用，有效避免了基本蟻群算法出現的局部最優解問題。