CN102870534B - 一种基于遗传算法的穴盘苗自动移钵路径优化方法 - Google Patents
一种基于遗传算法的穴盘苗自动移钵路径优化方法 Download PDFInfo
- Publication number
- CN102870534B CN102870534B CN201210353124.9A CN201210353124A CN102870534B CN 102870534 B CN102870534 B CN 102870534B CN 201210353124 A CN201210353124 A CN 201210353124A CN 102870534 B CN102870534 B CN 102870534B
- Authority
- CN
- China
- Prior art keywords
- seedling
- individual
- chromosome
- offspring individual
- cave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000002068 genetic effect Effects 0.000 title claims abstract description 17
- 238000005457 optimization Methods 0.000 title abstract description 3
- 210000000349 chromosome Anatomy 0.000 claims abstract description 37
- 230000008569 process Effects 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims abstract description 12
- 238000012216 screening Methods 0.000 claims abstract description 4
- 108090000623 proteins and genes Proteins 0.000 claims description 21
- 239000003550 marker Substances 0.000 claims description 6
- 230000013011 mating Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000002759 chromosomal effect Effects 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000004904 shortening Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Landscapes
- Breeding Of Plants And Reproduction By Means Of Culturing (AREA)
Abstract
本发明公开了一种基于遗传算法的穴盘苗自动移钵路径优化方法。主要包括以下步骤，通过机器视觉处理技术得到目的苗盘与移栽苗盘的苗位信息，并生成相应的苗位矩阵；通过苗位矩阵随机生成实数路径编码并生成初始种群；对初始种群进行适应度计算筛选，通过变异、交叉的方法生成子代同时运用重插入维持染色体规模；重复变异、交叉、筛选、重插入的过程直至满足迭代条件后输出优化路径结果。本发明可以生成优化的补苗机械手臂动作路径，该路径能够提高机械手臂工作效率，减少补苗工序时长。
Description
技术领域
本发明涉及智能农业设施技术，尤其是涉及一种基于遗传算法的穴盘苗自动移钵路径优化方法。
背景技术
工厂化穴盘育苗中成苗率在80-95%之间，穴盘内除未发芽和漏播的孔穴，还有劣质钵苗，导致后续机械化批量移栽出现栽空、漏栽等现象，因此穴盘苗出厂前需要有不健康苗剔除和补苗环节。设施农业钵苗移栽机器人通过视觉检测钵苗健康状况和移钵系统实现各种功能的移栽，代替传统手工移栽，降低劳动强度，提高生产效率，且使秧苗移栽一致性好。
穴盘苗进入钵苗移栽机器人的补苗移栽系统，在各苗钵健康状况和位置信息均已知情况下,末端执行器从移栽穴盘将健康苗钵逐一取出补种到目的穴盘中被视觉检测不健康钵苗剔除后的空穴中去。目的穴盘内各空穴位置的随机性和移栽穴盘内可移栽苗钵的多选择性,致使移钵路径距离会随补种苗钵的先后顺序不同而变化。
发明内容
本发明的目的在于提供一种基于遗传算法的穴盘苗自动移钵路径优化方法，能够提高设施农业自动化作业中自动移钵机械手机械手臂工作效率，减少补苗工序时长。
为了达到上述目的，本发明采用的技术方案是：
本发明使用机器视觉技术生成目的苗盘苗位信息矩阵与移栽苗盘苗位信息矩阵；通过两个苗位信息矩阵进行正负实数插序编码并生成染色体；对生成初始种群建立的染色体进行适应度计算并由赌轮盘方法来筛选保留作为子代个体；对子代个体进行交叉操作；对子代个体进行单点变异；重插入操作保证初始种群规模；重复筛选、交叉、变异、重插入过程直至满足迭代条件后输出优化路径结果。
所述的通过两个苗位信息矩阵进行正负实数插序编码并生成染色体，具体过程为负实数位于染色体编码奇数位，正实数位于染色体编码偶数位，重复此过程直至满足初始规模NIMD条染色体的生成。
所述的对生成初始种群建立的染色体进行适应度计算并由赌轮盘方法来选择保留作为子代个体，适应度函数为 ，将每条染色体适应度值线性化到[0,1]区间，其中表示为当前染色体路径值，表示所有染色体中最小路径值，表示所有染色体中的路径最大值。
所述的对子代个体进行交叉操作，假设对于目的穴盘有4个空穴和移栽穴盘有41个有苗穴的补苗路径问题，具体交叉算法过程描述如下：
a) 产生两个介于1至8之间的随机数i和j，其中i作为交配位，j作为交配步长；假设i＝4，j＝3，而父代个体A＝（0,20,-3,16,-1,18,-2,36,-4,0）；父代个体B＝（0,18,-1,14,-3,7,-4,16,-2,0）；
b) 首先将两个父代个体除原点0后的第i 位到i+j位互换，若i+j≥8，则视其均等于8；得到子代个体A1＝（0,20,-3,16,-1,7,-4,16,-4,0）；子代个体B1＝（0,18,-1,14,-3,18,-2,36,-2,0）；
c) 对每个子代个体前后的原点0位去除后，从前开始搜索，发现相同的基因用1000代替；于是更新子代个体A1＝（0,20,-3,16,-1,7,-4,1000,1000,0）；B1＝（0,18,-1,14,-3,1000,-2,36,1000,0）；
d) 再对每个个体从除原点0后的第i＋1 位开始遍历，所有1000都依次被有效基因替换；具体方法是：若1000处于偶数位，即带负的标记，则将目的穴盘内的所有标记号与染色体除原点0后的每个偶数位对比，如果是没有出现过的，则以此来代替1000；若1000处于奇数位，即带正的标记，则将移栽穴盘内的所有标记号与染色体除原点0后的每个奇数位对比，将没有出现过标记的归为一组，随机产生一个来代替1000；于是得到更新子代个体A1＝（0,20,-3,16,-1,7 -4,25,-2,0）；B1＝（0,18,-1,14,-3,8,-2,36,-4,0）；
这种交叉算法在考虑继承父代信息同时，尽可能扩大随机化搜索的范围，并保证移钵路径染色体特有基因个体排序的有效性。
所述的对子代个体进行单点变异，其变异过程为：
a)产生一个介于1至8之间的随机数k代表变异位，将子代变异个体除原点0后的第k个标记值取出，判断该标记的正负特性；
b) 若标记位为负，则从除该标记数的其他负标记数中随机选择一个，从变异个体中遍历找到该值与变异位基因互换，假设k＝2，子代个体A1＝（0,20,-3,16,-1,7,-4,25,-2,0）,则在除-3标记数的（-1,-2,-3,-4）中产生一个随机数（设为-2），于是更新子代个体A1＝（0,20,-2,16,-1,7,-4,25,-3,0）；
c) 若标记位为正，则从除该标记数的其他正标记数中随机选择一个与其进行基因互换，并遍历基因替换后的子代个体，若其中有同的基因，则用原标记数替换它，若无则满足了排序编码的特殊性要求；假设k＝3，则在除16标记数的（1，2，3，…，36）中产生一个随机数，假设该随机数为30，于是更新子代个体A1＝（0,20,-3,30,-1,7,-4,25,-2,0）；若该随机数为25，则更新子代个体A1＝（0,20,-3,25,-1,7,-4,16,-2,0）。
所述的重插入操作保证初始种群规模，是重插入所有子代个体代替最不适应的父代个体，以保持种初始种群规模。
本发明具有的有益效果是：
本发明通过机器视觉技术处理得到目的苗盘与移栽苗盘的苗位信息，运用遗传算法为技术手段，完成快速优化补苗机械手臂补苗工作路径，从而提高机械手臂工作效率，减少补苗工序时长。
附图说明
图1表示本发明的基于遗传算法的自动移钵路径优化方法的流程图。
图2表示通过机器视觉技术得到的目的苗盘苗位信息矩阵。
图3表示通过机器视觉技术得到的移栽苗盘苗位信息矩阵。
图4表示优化过程中最优随优化代数变化图。
图5表示通过最终优化路径而得到的机械手臂移钵路径图。
具体实施方式
下面结合程序流程图和实施例对本发明作进一步说明。
步骤流程图如图1所示：本发明使用机器视觉技术生成目的苗盘苗位信息矩阵（如图2所示）与移栽苗盘苗位信息矩阵（如图3所示）；通过两个苗位信息矩阵进行正负实数插序编码并生成染色体；对生成初始种群建立的染色体进行适应度计算并由赌轮盘方法来筛选保留作为子代个体；对子代个体进行交叉操作；对子代个体进行单点变异；重插入操作保证初始种群规模；重复筛选、交叉、变异、重插入过程直至满足迭代条件后输出优化路径结果。
S110：所述的通过两个苗位信息矩阵进行正负实数插序编码并生成染色体，具体过程为负实数位于染色体编码奇数位，正实数位于染色体编码偶数位，重复此过程直至满足初始规模NIMD条染色体的生成。
S120：所述的对生成初始种群建立的染色体进行适应度计算并由赌轮盘方法来选择保留作为子代个体，适应度函数为，将每条染色体适应度值线性化到[0,1]区间，其中表示为当前染色体路径值，表示所有染色体中最小路径值，表示所有染色体中的路径最大值。
S130：所述的对子代个体进行交叉操作，假设对于目的穴盘有4个空穴（如图2所示）和移栽穴盘有41个有苗穴（如图3所示）的补苗路径问题，具体交叉算法过程描述如下：
a) 产生两个介于1至8之间的随机数i和j，其中i作为交配位，j作为交配步长；假设i＝4，j＝3，而父代个体A＝（0,20,-3,16,-1,18,-2,36,-4,0）；父代个体B＝（0,18,-1,14,-3,7,-4,16,-2,0）；
b) 首先将两个父代个体除原点0后的第i 位到i+j位互换，若i+j≥8，则视其均等于8；得到子代个体A1＝（0,20,-3,16,-1,7,-4,16,-4,0）；子代个体B1＝（0,18,-1,14,-3,18,-2,36,-2,0）；
c) 对每个子代个体前后的原点0位去除后，从前开始搜索，发现相同的基因用1000代替；于是更新子代个体A1＝（0,20,-3,16,-1,7,-4,1000,1000,0）；B1＝（0,18,-1,14,-3,1000,-2,36,1000,0）；
d) 再对每个个体从除原点0后的第i＋1 位开始遍历，所有1000都依次被有效基因替换；具体方法是：若1000处于偶数位，即带负的标记，则将目的穴盘内的所有标记号与染色体除原点0后的每个偶数位对比，如果是没有出现过的，则以此来代替1000；若1000处于奇数位，即带正的标记，则将移栽穴盘内的所有标记号与染色体除原点0后的每个奇数位对比，将没有出现过标记的归为一组，随机产生一个来代替1000；于是得到更新子代个体A1＝（0,20,-3,16,-1,7 -4,25,-2,0）；B1＝（0,18,-1,14,-3,8,-2,36,-4,0）；
这种交叉算法在考虑继承父代信息同时，尽可能扩大随机化搜索的范围，并保证移钵路径染色体特有基因个体排序的有效性。
S140：所述的对子代个体进行单点变异，其变异过程为：
a)产生一个介于1至8之间的随机数k代表变异位，将子代变异个体除原点0后的第k个标记值取出，判断该标记的正负特性；
b) 若标记位为负，则从除该标记数的其他负标记数中随机选择一个，从变异个体中遍历找到该值与变异位基因互换，假设k＝2，子代个体A1＝（0,20,-3,16,-1,7,-4,25,-2,0）,则在除-3标记数的（-1,-2,-3,-4）中产生一个随机数（设为-2），于是更新子代个体A1＝（0,20,-2,16,-1,7,-4,25,-3,0）；
c) 若标记位为正，则从除该标记数的其他正标记数中随机选择一个与其进行基因互换，并遍历基因替换后的子代个体，若其中有同的基因，则用原标记数替换它，若无则满足了排序编码的特殊性要求；假设k＝3，则在除16标记数的（1，2，3，…，36）中产生一个随机数，假设该随机数为30，于是更新子代个体A1＝（0,20,-3,30,-1,7,-4,25,-2,0）；若该随机数为25，则更新子代个体A1＝（0,20,-3,25,-1,7,-4,16,-2,0）。
S150：所述的重插入操作保证初始种群规模，是重插入所有子代个体代替最不适应的父代个体，以保持种初始种群规模。
S160：当遗传代数值gen大于等于规定迭代次数Maxgen时既满足终止条件，为保证能得到可靠优化的路径解，一般Maxgen需要取一个合适的值。
S170: 输出优化结果并作出路径图。
以图2目的苗盘苗位信息矩阵与图3移栽苗盘苗位信息矩阵为输入，优化过程控制参数设置如下：交叉率为0.8，变异率为0.3，代沟为0.9，遗传代数为50。图4为每代解、种群均值随着遗传代数的变化情况，全局最优由遍历法计算得到，作为和遗传算法得出的最优解做对比。图5是在此实例下，由优化路径输出的移钵机械手动作路径图，移钵机械手由原点出发按图5中优化后的路径动作，完成移栽过程又回到原点。
Claims (6)
1.一种基于遗传算法的穴盘苗自动移钵路径优化方法，其特征在于：使用机器视觉技术生成目的苗盘苗位信息矩阵与移栽苗盘苗位信息矩阵；通过两个苗位信息矩阵进行正负实数插序编码并生成染色体；对生成初始种群建立的染色体进行适应度计算并由赌轮盘方法来筛选保留作为子代个体；对子代个体进行交叉操作；对子代个体进行单点变异；重插入操作保证初始种群规模；重复筛选、交叉、变异、重插入过程直至满足迭代条件后输出优化路径结果。
2.根据权利要求1所述的一种基于遗传算法的穴盘苗自动移钵路径优化方法，其特征在于：所述的通过两个苗位信息矩阵进行正负实数插序编码并生成染色体，具体过程为负实数位于染色体编码奇数位，正实数位于染色体编码偶数位，重复此过程直至满足初始规模NIMD条染色体的生成。
3.根据权利要求1所述的一种基于遗传算法的穴盘苗自动移钵路径优化方法，其特征在于：所述的对生成初始种群建立的染色体进行适应度计算并由赌轮盘方法来选择保留作为子代个体，适应度函数为f(x)＝1-(Disroute(x)-Minroute)/(Maxroute-Minroute)，将每条染色体适应度值线性化到[0,1]区间，其中Disroute(x)表示为当前染色体路径值，Minroute表示所有染色体中最小路径值，Maxroute表示所有染色体中的路径最大值。
4.根据权利要求1所述的一种基于遗传算法的穴盘苗自动移钵路径优化方法，其特征在于：所述的对子代个体进行交叉操作，假设对于目的穴盘有4个空穴和移栽穴盘有41个有苗穴的补苗路径问题，具体交叉算法过程描述如下：
a)产生两个介于1至8之间的随机数i和j，其中i作为交配位，j作为交配步长；假设i＝4，j＝3，而父代个体A＝（0,20,-3,16,-1,18,-2,36,-4,0）；父代个体B＝（0,18,-1,14,-3,7,-4,16,-2,0）；b)首先将两个父代个体除原点0后的第i位到i+j位互换，若i+j≥8，则视其均等于8；得到子代个体A1＝（0,20,-3,16,-1,7,-4,16,-4,0）；子代个体B1＝（0,18,-1,14,-3,18,-2,36,-2,0）；
c)对每个子代个体前后的原点0位去除后，从前开始搜索，发现相同的基因用1000代替；于是更新子代个体A1＝（0,20,-3,16,-1,7,-4,1000,1000,0）；B1＝（0,18,-1,14,-3,1000,-2,36,1000,0）；
d)再对每个个体从除原点0后的第i＋1位开始遍历，所有1000都依次被有效基因替换；具体方法是：若1000处于偶数位，即带负的标记，则将目的穴盘内的所有标记号与染色体除原点0后的每个偶数位对比，如果是没有出现过的，则以此来代替1000；若1000处于奇数位，即带正的标记，则将移栽穴盘内的所有标记号与染色体除原点0后的每个奇数位对比，将没有出现过标记的归为一组，随机产生一个来代替1000；于是得到更新子代个体A1＝（0,20,-3,16,-1,7-4,25,-2,0）；B1＝（0,18,-1,14,-3,8,-2,36,-4,0）；
这种交叉算法在考虑继承父代信息同时，尽可能扩大随机化搜索的范围，并保证移钵路径染色体特有基因个体排序的有效性。
5.根据权利要求1所述的一种基于遗传算法的穴盘苗自动移钵路径优化方法，其特征在于：所述的对子代个体进行单点变异，其变异过程为：
a)产生一个介于1至8之间的随机数k代表变异位，将子代变异个体除原点0后的第k个标记值取出，判断该标记的正负特性；
b)若标记位为负，则从除该标记数的其他负标记数中随机选择一个，从变异个体中遍历找到该值与变异位基因互换，假设k＝2，子代个体A1＝（0,20,-3,16,-1,7,-4,25,-2,0）,则在除-3标记数的（-1,-2,-3,-4）中产生一个随机数，假设该随机数为-2，于是更新子代个体A1＝（0,20,-2,16,-1,7,-4,25,-3,0）；
c)若标记位为正，则从除该标记数的其他正标记数中随机选择一个与其进行基因互换，并遍历基因替换后的子代个体，若其中有相同的基因，则用原标记数替换它，若无则满足了排序编码的特殊性要求；假设k＝3，则在除16标记数的（1，2，3，…，36）中产生一个随机数，假设该随机数为30，于是更新子代个体A1＝（0,20,-3,30,-1,7,-4,25,-2,0）；若该随机数为25，则更新子代个体A1＝（0,20,-3,25,-1,7,-4,16,-2,0）。
6.根据权利要求1所述的一种基于遗传算法的穴盘苗自动移钵路径优化方法，其特征在于：所述的重插入操作保证初始种群规模，是重插入所有子代个体代替最不适应的父代个体，以保持初始种群规模。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210353124.9A CN102870534B (zh) | 2012-09-21 | 2012-09-21 | 一种基于遗传算法的穴盘苗自动移钵路径优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210353124.9A CN102870534B (zh) | 2012-09-21 | 2012-09-21 | 一种基于遗传算法的穴盘苗自动移钵路径优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102870534A CN102870534A (zh) | 2013-01-16 |
| CN102870534B true CN102870534B (zh) | 2014-09-17 |
Family
ID=47472256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210353124.9A Expired - Fee Related CN102870534B (zh) | 2012-09-21 | 2012-09-21 | 一种基于遗传算法的穴盘苗自动移钵路径优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102870534B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104978607B (zh) * | 2015-06-23 | 2018-04-20 | 浙江理工大学 | 一种基于贪心遗传算法的钵苗稀植移栽路径优化方法 |
| CN110889552B (zh) * | 2019-11-26 | 2023-05-23 | 中国计量大学 | 一种基于最优参数遗传算法的苹果自动装箱路径优化方法 |
| CN111713222A (zh) * | 2020-05-25 | 2020-09-29 | 东北农业大学 | 秧箱不等距变速横移驱动机构 |
| CN113095587B (zh) * | 2021-04-26 | 2024-07-02 | 国家电网有限公司 | 变电站的检修路径计算方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102007050434A1 (de) * | 2007-10-22 | 2009-04-23 | Henkel Ag & Co. Kgaa | Verfahren und Anordnung zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration basierend auf einer Formulierung aus chemisch reaktiven und/oder unreaktiven Rohstoffen, Verfahren und Anordnung zum computergestützten Ermitteln einer Formulierung einer Haarcoloration basierend auf chemisch reaktiven und/oder unreaktiven Rohstoffen, und Verfahren und Anordnung zum computergestützten Trainieren eines vorbestimmten Modells zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration basierend auf einer Formulierung aus chemisch reaktiven und/oder unreaktiven Rohstoffen |
| CN202364564U (zh) * | 2011-12-19 | 2012-08-08 | 深圳市行德昌实业有限公司 | 移苗种苗系统 |
| CN202374680U (zh) * | 2011-12-08 | 2012-08-15 | 浙江大学 | 一种辅助机器视觉穴盘幼苗质量检测的间苗装置 |
| CN202406514U (zh) * | 2011-12-14 | 2012-09-05 | 浙江大学 | 一种穴盘苗移钵系统双驱动末端执行器 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2434420A3 (en) * | 2003-08-01 | 2012-07-25 | Dna Twopointo Inc. | Systems and methods for biopolymer engineering |
-
2012
- 2012-09-21 CN CN201210353124.9A patent/CN102870534B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102007050434A1 (de) * | 2007-10-22 | 2009-04-23 | Henkel Ag & Co. Kgaa | Verfahren und Anordnung zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration basierend auf einer Formulierung aus chemisch reaktiven und/oder unreaktiven Rohstoffen, Verfahren und Anordnung zum computergestützten Ermitteln einer Formulierung einer Haarcoloration basierend auf chemisch reaktiven und/oder unreaktiven Rohstoffen, und Verfahren und Anordnung zum computergestützten Trainieren eines vorbestimmten Modells zum computergestützten Ermitteln mindestens einer Eigenschaft einer Haarcoloration basierend auf einer Formulierung aus chemisch reaktiven und/oder unreaktiven Rohstoffen |
| CN202374680U (zh) * | 2011-12-08 | 2012-08-15 | 浙江大学 | 一种辅助机器视觉穴盘幼苗质量检测的间苗装置 |
| CN202406514U (zh) * | 2011-12-14 | 2012-09-05 | 浙江大学 | 一种穴盘苗移钵系统双驱动末端执行器 |
| CN202364564U (zh) * | 2011-12-19 | 2012-08-08 | 深圳市行德昌实业有限公司 | 移苗种苗系统 |
Non-Patent Citations (2)
| Title |
|---|
| 一种基于遗传算法的TSP建模方法;梁旗军等;《计算机工程》;20110331;第37卷(第5期);68-70 * |
| 梁旗军等.一种基于遗传算法的TSP建模方法.《计算机工程》.2011,第37卷(第5期),68-70. |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102870534A (zh) | 2013-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107862411B (zh) | 一种大规模柔性作业车间调度优化方法 | |
| CN102870534B (zh) | 一种基于遗传算法的穴盘苗自动移钵路径优化方法 | |
| CN106779372B (zh) | 基于改进免疫禁忌算法的农机调度方法 | |
| CN108460463B (zh) | 基于改进遗传算法的高端装备流水线生产调度方法 | |
| CN106610652A (zh) | 改进编码方式的遗传算法解分布式柔性作业车间调度问题 | |
| Yadav et al. | An overview of genetic algorithm and modeling | |
| Abuiziah et al. | A review of genetic algorithm optimization: operations and applications to water pipeline systems | |
| CN106022601B (zh) | 一种多目标资源配置方法 | |
| CN109615105B (zh) | 一种考虑柔性节拍和操作人员技能差异的装配线平衡方法 | |
| CN105976122B (zh) | 一种多目标资源配置系统 | |
| CN108492025A (zh) | 基于混合差分遗传算法的高端装备制造过程协同调度方法 | |
| CN104376142A (zh) | 一种结合作物虚拟生长模型的水稻株型定量控制方法 | |
| CN101256648A (zh) | 一种应用在生产排程系统的基于订单结构的遗传操作算子 | |
| CN110889552B (zh) | 一种基于最优参数遗传算法的苹果自动装箱路径优化方法 | |
| CN110597213A (zh) | 一种分布式混合流水车间的生产调度方法及系统 | |
| CN116227874B (zh) | 一种基于遗传算法的柔性作业车间调度方法和装置 | |
| CN105992230A (zh) | 无线网络规划方法和装置 | |
| CN104978607A (zh) | 一种基于贪心遗传算法的钵苗稀植移栽路径优化方法 | |
| CN110490446A (zh) | 一种基于改进遗传算法的模块化工艺重组方法 | |
| CN116880424A (zh) | 一种基于多目标优化的多机器人调度方法以及装置 | |
| Festa et al. | Hybrid GRASP heuristics | |
| CN117150636A (zh) | 一种室内植物种植布局方法及系统 | |
| CN106611213A (zh) | 一种求解作业车间调度问题的混合粒子群算法 | |
| CN110516807B (zh) | 半导体产品良品率极值计算方法及其极值计算系统 | |
| Ikudayisi et al. | Irrigation water optimization using evolutionary algorithms |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140917 Termination date: 20190921 |