CN108334637A - 一种面向植物工厂的环境调控规则推理方法 - Google Patents
一种面向植物工厂的环境调控规则推理方法 Download PDFInfo
- Publication number
- CN108334637A CN108334637A CN201810179027.XA CN201810179027A CN108334637A CN 108334637 A CN108334637 A CN 108334637A CN 201810179027 A CN201810179027 A CN 201810179027A CN 108334637 A CN108334637 A CN 108334637A
- Authority
- CN
- China
- Prior art keywords
- rule
- expert rules
- nodes
- fact
- alpha
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G9/00—Cultivation in receptacles, forcing-frames or greenhouses; Edging for beds, lawn or the like
- A01G9/14—Greenhouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种面向植物工厂的环境调控规则推理方法,包括步骤:1)事实、规则、模式的定义;2)事实‑规则数据库;3)根据专家规则创建规则推理机Rete网络;4)根据事实进行规则推理过程;5)规则冲突解决策略;6)数据库更新;所述步骤2)中,事实‑规则数据库用于存储推理得到的专家规则与当前事实的对应关系,当再次出现相同的事实时,无需再次经过推理机匹配专家规则。本发明的有益效果是:本方法根据当前环境数据自动推理出合理正确的专家规则,实现植物工厂环境的自动调控。
Description
技术领域
本发明涉及一种环境调控规则推理方法,更具体的说,它涉及一种面向植物工厂的环境调控规则推理方法。
背景技术
目前,大部分的室内栽培技术包括温室大棚和植物工厂主要是通过农业栽培人员根据自身的经验进行栽培管理,没有系统的专业技术知识作为指导。而培养一个专业的农业种植专家又需要耗费相当高的时间和资金成本,短时间内无法依靠种植专家实现室内栽培产业化,这对大规模提升农作物的品质和产量提出了严峻的考验。
发明内容
本发明的目的是克服现有技术的不足,提供一种根据环境条件匹配正确有效的专家规则,实现自动化控制的面向植物工厂的环境调控规则推理方法。
面向植物工厂的环境调控规则推理方法,包括如下步骤:
步骤一、事实、规则、模式的定义
1)事实Facts用于描述对象之间以及属性之间多元关系的数据结构,一般情况下以三元组来表示一个事实;
2)模式Patten:模式是属于规则的when部分,它是已知事实的一般表现形式,属于未实例化的多元关系;
3)规则Rule结构主要包括优先级、条件以及行为三个部分,其中条件部分称为左手元LHS,条件部分可以用逻辑连接符组合在一起;行为称为右手元RHS;
步骤二、事实-规则数据库
该数据库用于存储事实与对应的专家规则,当新的环境事实变化时首先根据当前环境数据在该数据库中查询,若查询成功则取出对应的专家规则执行,若查询失败则将当前事实输入专家规则推理机中进行规则推理匹配,数据库初始为空;
步骤三、根据专家规则创建规则推理机Rete网络
1)创建根节点;
2)加入一条规则i;
3)从规则中取出一个模式j,检查模式j对应的Alpha节点是否已存在,如果存在则记录下节点位置,如果不存在,将模式j作为一个Alpha节点加入到网络中,并记录该节点位置,同时根据Alpha节点建立对应的Alpha内存表;
4)重复步骤3)直到规则i中的所有模式都处理完毕;
5)按照如下方式根据记录下来的Alpha节点位置组合Beta节点,并将两个父节点的内存表内联成为自己的Beta内存表:
Beta(1)左输入节点为Alpha(1),右输入节点为Alpha(2)
Beta(k)左输入节点为Beta(k-1),右输入节点为Alpha(k+1)(k>1)
6)重复5)直到所有记录Alpha节点处理完毕;
7)将行为Then部分封装成叶节点Rule节点作为Beta(k)的输出节点;此时完成将规则i加入Rete网络的过程;
8)重复步骤2),直到将剩余规则全都处理完成;
步骤四、根据事实进行规则推理过程
1)对于每一个事实Facts,使用Select操作来进行过滤,使其沿着Rete网络结构到达网络中合适的Alpha节点,并将该事实存储到对应的Alpha节点的内存表中;
2)对于每个内存表不为空的Alpha节点,则用Project投影操作将的变量绑定分离出来形成新的变量绑定集沿着Rete网络传递到合适的Beta网络节点,并将新的变量绑定集存入对应的Beta内存表;
3)对于收到新的变量绑定的Beta节点,使用Project操作产生新的绑定集,使这些新的变量绑定沿Rete网络至下一个Beta节点直至最后的Rule节点,并将成功匹配得到的Rule加入待执行队列;
4)若推理得到的专家规则只有一条,则执行该专家规则,若存在多条专家规则同时被匹配,则需要根据专家规则冲突策略进行解决;
步骤五、规则冲突解决策略
根据上述匹配算法,最终可能出现多个专家规则同时被匹配,此时按照以下策略来决定规则的先后执行顺序;
1)根据各个规则优先级字段进行判断,优先级大的最先执行;
2)若优先级相同,则复杂的专家规则优先执行,即条件多的专家规则优先级大;
3)若条件数目也一致,则按照先进后出原理进行执行,即最后匹配得到的规则优先执行;
步骤六、数据库更新
将经过专家规则推理机得到的专家规则与当前事实一起存入事实-规则数据库,防止再次出现相同事实数据时需要再次进行推理的现象
作为优选:所述步骤一中,事实Facts以三元组表示:
w1:(B1^on B2)
其中B1、B2分别是两个对象,^on为对象之间的关系;
模式(Patten)属于规则的when部分,是未实例化的多元关系,表现形式如下:
(^on)
(^left-of)
规则(Rule)由左手元(LHS)和右手元(RHS)组成,形式如下:
其中sailence为该规则的优先级,Ci为规则中的模式,Ai为规则中的行为。
作为优选:所述步骤二中,事实-规则数据库用于存储推理得到的专家规则与当前事实的对应关系,当再次出现相同的事实时,无需再次经过推理机匹配专家规则。
作为优选:所述步骤五中,规则冲突解决冲突策略由三部分组成,首先进行规则的优先级的判断,优先级大的规则优先执行,若优先级一致,则根据规则复杂程度判断,复杂的规则优先执行,若规则的复杂程度也一致,则根据先进后出策略进行执行。
本发明的有益效果是:本方法根据当前环境数据自动推理出合理正确的专家规则,实现植物工厂环境的自动调控。
附图说明
图1是本方法总体框架图;
图2是根据规则1生成的Rete网络示意图;
图3是加入规则2生成的Rete网络示意图;
图4是加入规则3生成的Rete网络示意图;
图5是根据五条事实数据进行专家规则匹配示意图;
图6是根据三条种植专家规则生成的Rete网络示意图;
图7是根据四条环境事实数据进行专家规则推理示意图。
具体实施方式
下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
一种面向植物工厂的环境调控规则推理方法,如图1所示,具体步骤如下:
步骤一、事实、规则、模式的定义
1)事实(Facts)用于描述对象之间以及属性之间多元关系的数据结构,一般情况下以三元组(标识符^属性值)来表示一个事实。例如:
w1:(B1^on B2)
w2:(B2^color blue)
w3:(B1^on B3)
w4:(B3^left-of B4)
2)模式(Patten):模式属于规则的when部分,它是已知事实的一般表现形式,属于未实例化的多元关系;
(^on)
(^left-of)
3)规则(Rule)结构主要包括优先级、条件以及行为三个部分,其中条件部分称为左手元(LHS),条件部分可以用逻辑连接符组合在一起。行为称为右手元(RHS)。例如:
其中sailence为该规则的优先级,Ci为规则中的模式,Ai为规则中的行为。
步骤二、事实-规则数据库
该数据库用于存储事实与对应的专家规则,当新的环境事实变化时首先根据当前事实在该数据库中查询,若查询成功则取出对应的专家规则执行,若查询失败则将当前事实送入专家规则推理机中进行规则推理匹配,数据库初始为空。
步骤三、根据专家规则创建规则推理机(Rete网络):
假设目前有3条专家规则:
1)创建根节点;
2)加入一条规则1(Rule 1);
3)从规则中取出一个模式1(C1),检查模式1对应的Alpha节点是否已存在,如果存在则记录下节点位置,如果不存在,将模式1作为一个Alpha节点加入到网络中,并记录该节点位置,同时根据Alpha节点建立对应的Alpha内存表。
4)重复步骤3)直到规则1中的所有模式都处理完毕;
5)按照如下方式根据记录下来的Alpha节点位置组合Beta节点,并将两个父节点的内存表内联成为自己的Beta内存表:
Beta(1)左输入节点为Alpha(1),右输入节点为Alpha(2)
Beta(k)左输入节点为Beta(k-1),右输入节点为Alpha(k+1)(k>1)
6)重复5)直到所有记录Alpha节点处理完毕;
7)将行为(Then部分)封装成叶节点(Rule节点)作为Beta(k)的输出节点;此时完成将规则1加入Rete网络的过程,如图2所示;
8)重复步骤2),直到将剩余规则全都处理完成,如图3和图4所示;
步骤四、根据事实进行规则推理过程:
假设目前有5条事实(Facts)及其当前状态:
w1(满足C1) w2(满足C2)
w3(满足C3) w4(满足C4) w5(不满足C5)
根据上述事实从Rete网络中进行规则匹配的过程如下:
1)对于每一个事实(Facts),使用Select操作来进行过滤,使其沿着Rete网络结构到达网络中合适的Alpha节点,并将该事实存储到对应的Alpha节点的内存表中;
2)对于每个内存表不为空的Alpha节点,则用Project(投影操作)将的变量绑定分离出来形成新的变量绑定集沿着Rete网络传递到合适的Beta网络节点,并将新的变量绑定集存入对应的Beta内存表。
3)对于收到新的变量绑定的Beta节点,使用Project操作产生新的绑定集,使这些新的变量绑定沿Rete网络至下一个Beta节点直至最后的Rule节点,并将成功匹配得到的Rule加入待执行队列。
4)根据上述5条事实进行匹配,可以得到两条专家规则R1和R2,此时产生规则冲突,后续步骤将使用规则冲突解决策略加以解决。匹配的过程如图5所示;
步骤五、规则冲突解决策略
根据上述匹配算法,最终可能出现多个专家规则同时被匹配,此时按照以下策略来决定规则的先后执行顺序。
1)根据各个规则优先级字段进行判断,优先级大的最先执行。
2)若优先级相同,则复杂的专家规则优先执行,即条件(Ci)多的专家规则优先级大。
3)若条件数目也一致,则按照先进后出原理进行执行,即最后匹配得到的规则优先执行。
上述匹配得到专家规则R1和R2,由于R2的优先级大于R1,因此R2优先执行。
步骤六、数据库更新
经过上述推理可以得到当环境满足上述5条事实时,应当执行规则2,则将当前事实与规则2的对应关系更新到数据库。
作为一个实施例,假设目前有农业种植专家经验规则及其规则表示3条,如下所示:
规则1:优先级为1,当空气温度低于25度(airTemp<25.0),空气湿度低于50%(airHumi<50),并且时间发生在下午5点之前(createdTime<”17:00:00”)。那么打开天窗通风系统,持续15分钟。
规则2:优先级为2,当空气温度低于25度(airTemp<25.0),空气湿度低于50%(airHumi<50),并且时间发生在下午5点之后(createdTime>”17:00:00”)。那么打开喷雾系统,持续4分钟。
规则3:优先级为2,当空气温度低于25度(airTemp<25.0),土壤湿度低于50%(dirtHumi<50)。那么打开滴灌系统,持续一分钟。
如图3所示,本实施方式中根据环境数据进行种植专家规则匹配的步骤如下所示:
1.根据专家规则创建Rete网络:
1)创建根节点;
2)加入规则1;
3)从规则中取出一个模式1(airTemp<25.0),由于不存在与该模式对应的Alpha节点,因此将模式1作为一个Alpha节点加入到网络中,同时根据Alpha节点建立对应的Alpha内存表;
4)重复3)直到规则1中的所有模式都处理完毕;
5)组合Beta节点,按照如下方式:
Beta(1)左输入节点为Alpha(1),右输入节点为Alpha(2)
Beta(k)左输入节点为Beta(k-1),右输入节点为Alpha(k+1)(k>1)
6)重复5)直到所有的Alpha节点处理完毕;
7)将动作(Then部分)封装成叶节点(Rule节点)作为Beta(k)的输出节点;
8)重复2),直到将所有专家规则全都处理完成,最终生成的Rete网络如图6所示。
2.根据事实进行规则推理:
假设目前有的环境事实(Facts)有4条,如下所示:
w1:空气温度为20度
w2:空气湿度为30%
w3:土壤湿度为40%
w4:当前时间是18:00:00
1)对每个事实进行Select操作,使事实沿着Rete网络达到合适的Alpha节点,并存入对应的Alpha内存表。根据以上4个事实,C1、C2、C4、C5的内存表不为空,分别含有w1、w2、w4、w3,如图7所示。
2)由于C1和C2这两个Alpha节点内存表不为空,此时顺利推理到Beta节点1。C3节点的内存表为空,则无法推理到Beta节点2,因此无法推理得到规则1,即此时不需要应用规则1,而此时事实满足C4,则可以推理得到规则2,将规则2加入待执行序列。同理还可以推理得到规则3,因此待执行序列中存在规则2和规则3,存在冲突。
3.规则冲突解决
根据上述4个事实,可以同时推理的到规则2和规则3,此时存在规则的执行冲突,同时规则2和规则3的优先级相同,无法根据策略1判断执行顺序。根据策略2,规则2的条件数目为3,规则3的条件数目为2,规则2的复杂程度大于规则3,因此规则2的优先于规则3执行。
4.数据库更新
经过以上步骤可以推理得到当空气温度为20度,空气湿度为30%,土壤湿度为40%,时间是18:00:00时,应当执行专家规则2(打开喷雾系统,持续4分钟),并将该事实-规则对应关系更新到数据库。
实验及结果:
本方法的目的是根据当前环境数据自动推理出合理正确的专家规则,实现植物工厂环境的自动调控,为了衡量该方法的有效性,我们设计了上述3条具体的植物专家规则推理,根据4条事实环境数据(空气温度为20度、空气湿度为30%、土壤湿度为40%、时间是18:00:00)最终推理出需要执行的专家规则为规则2,推理的结果合理有效,由此可见,我们的方法能实现根据环境实时数据自动进行植物工厂环境调控。
Claims (4)
1.一种面向植物工厂的环境调控规则推理方法,其特征在于,包括如下步骤:
步骤一、事实、规则、模式的定义
1)事实Facts用于描述对象之间以及属性之间多元关系的数据结构,一般情况下以三元组来表示一个事实;
2)模式Patten:模式是属于规则的when部分,它是已知事实的一般表现形式,属于未实例化的多元关系;
3)规则Rule结构主要包括优先级、条件以及行为三个部分,其中条件部分称为左手元LHS,条件部分可以用逻辑连接符组合在一起;行为称为右手元RHS;
步骤二、事实-规则数据库
该数据库用于存储事实与对应的专家规则,当新的环境事实变化时首先根据当前环境数据在该数据库中查询,若查询成功则取出对应的专家规则执行,若查询失败则将当前事实输入专家规则推理机中进行规则推理匹配,数据库初始为空;
步骤三、根据专家规则创建规则推理机Rete网络
1)创建根节点;
2)加入一条规则i;
3)从规则中取出一个模式j,检查模式j对应的Alpha节点是否已存在,如果存在则记录下节点位置,如果不存在,将模式j作为一个Alpha节点加入到网络中,并记录该节点位置,同时根据Alpha节点建立对应的Alpha内存表;
4)重复步骤3)直到规则i中的所有模式都处理完毕;
5)按照如下方式根据记录下来的Alpha节点位置组合Beta节点,并将两个父节点的内存表内联成为自己的Beta内存表:
Beta(1)左输入节点为Alpha(1),右输入节点为Alpha(2)
Beta(k)左输入节点为Beta(k-1),右输入节点为Alpha(k+1)(k>1)
6)重复5)直到所有记录Alpha节点处理完毕;
7)将行为Then部分封装成叶节点Rule节点作为Beta(k)的输出节点;此时完成将规则i加入Rete网络的过程;
8)重复步骤2),直到将剩余规则全都处理完成;
步骤四、根据事实进行规则推理过程
1)对于每一个事实Facts,使用Select操作来进行过滤,使其沿着Rete网络结构到达网络中合适的Alpha节点,并将该事实存储到对应的Alpha节点的内存表中;
2)对于每个内存表不为空的Alpha节点,则用Project投影操作将的变量绑定分离出来形成新的变量绑定集沿着Rete网络传递到合适的Beta网络节点,并将新的变量绑定集存入对应的Beta内存表;
3)对于收到新的变量绑定的Beta节点,使用Project操作产生新的绑定集,使这些新的变量绑定沿Rete网络至下一个Beta节点直至最后的Rule节点,并将成功匹配得到的Rule加入待执行队列;
4)若推理得到的专家规则只有一条,则执行该专家规则,若存在多条专家规则同时被匹配,则需要根据专家规则冲突策略进行解决;
步骤五、规则冲突解决策略
根据上述匹配算法,最终可能出现多个专家规则同时被匹配,此时按照以下策略来决定规则的先后执行顺序;
1)根据各个规则优先级字段进行判断,优先级大的最先执行;
2)若优先级相同,则复杂的专家规则优先执行,即条件多的专家规则优先级大;
3)若条件数目也一致,则按照先进后出原理进行执行,即最后匹配得到的规则优先执行;
步骤六、数据库更新
将经过专家规则推理机得到的专家规则与当前事实一起存入事实-规则数据库,防止再次出现相同事实数据时需要再次进行推理的现象。
2.根据权利要求1所述的面向植物工厂的环境调控规则推理方法,其特征在于,所述步骤一中,事实Facts以三元组表示:
w1:(B1^on B2)
其中B1、B2分别是两个对象,^on为对象之间的关系;
模式(Patten)属于规则的when部分,是未实例化的多元关系,表现形式如下:
(^on)
(^left-of)
规则(Rule)由左手元(LHS)和右手元(RHS)组成,形式如下:
其中sailence为该规则的优先级,Ci为规则中的模式,Ai为规则中的行为。
3.根据权利要求1所述的面向植物工厂的环境调控规则推理方法,其特征在于,所述步骤二中,事实-规则数据库用于存储推理得到的专家规则与当前事实的对应关系,当再次出现相同的事实时,无需再次经过推理机匹配专家规则。
4.根据权利要求1所述的面向植物工厂的环境调控规则推理方法,其特征在于,所述步骤五中,规则冲突解决冲突策略由三部分组成,首先进行规则的优先级的判断,优先级大的规则优先执行,若优先级一致,则根据规则复杂程度判断,复杂的规则优先执行,若规则的复杂程度也一致,则根据先进后出策略进行执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810179027.XA CN108334637A (zh) | 2018-03-05 | 2018-03-05 | 一种面向植物工厂的环境调控规则推理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810179027.XA CN108334637A (zh) | 2018-03-05 | 2018-03-05 | 一种面向植物工厂的环境调控规则推理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108334637A true CN108334637A (zh) | 2018-07-27 |
Family
ID=62930445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810179027.XA Pending CN108334637A (zh) | 2018-03-05 | 2018-03-05 | 一种面向植物工厂的环境调控规则推理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108334637A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175676A (zh) * | 2019-04-28 | 2019-08-27 | 中国科学院软件研究所 | 一种面向内存受限环境的高性能规则匹配方法 |
-
2018
- 2018-03-05 CN CN201810179027.XA patent/CN108334637A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175676A (zh) * | 2019-04-28 | 2019-08-27 | 中国科学院软件研究所 | 一种面向内存受限环境的高性能规则匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Skobelev et al. | Development of a knowledge base in the “smart farming” system for agricultural enterprise management | |
WO2021057329A1 (zh) | 一种作战体系架构建模与最优搜索方法 | |
CN113467515B (zh) | 基于虚拟环境模仿重构和强化学习的无人机飞行控制方法 | |
Taillandier et al. | A new BDI agent architecture based on the belief theory. Application to the modelling of cropping plan decision-making | |
US20070021948A1 (en) | Variable rate prescription generation using heterogenous prescription sources with learned weighting factors | |
US20100023430A1 (en) | System and method for coordinating the production and processing of seed supplies, and the preparation and utilization of seed samples | |
Widians et al. | Expert System of Black Orchid Cultivation using Certainty Factor Method | |
CN108334637A (zh) | 一种面向植物工厂的环境调控规则推理方法 | |
CN114201885B (zh) | 基于改进行为树的兵力实体行为仿真元建模方法及系统 | |
Islam | ShellAg: Expert system shell for agricultural crops | |
US20240013322A1 (en) | Systems and Methods For Combine Routing | |
CN109669354A (zh) | 状态空间下快速高效的航天器自主任务规划修复方法 | |
CN105512046A (zh) | 基于粒子群优化算法的Android自动化测试方法 | |
Ramya et al. | Smart Watering System using Fuzzy Logic | |
CN109039698A (zh) | 工业互联网智能服务处理方法、可读存储介质、终端 | |
Skobelev et al. | Planning of production processes for agricultural enterprises using joint competences of university and IT company in development of knowledge bases | |
Xing et al. | An overview of cuckoo-inspired intelligent algorithms and their applications | |
Prabhu et al. | Ideation Selection of a New Product Using Fuzzy Multi Criteria Decision Making and Promethee | |
Shi et al. | Inverse Submodular Maximization with Application to Human-in-the-Loop Multi-Robot Multi-Objective Coverage Control | |
Lal et al. | An intelligent information manager for knowledge-based systems | |
Guan et al. | Mathematical model and solution for land-use crop planning with cooperative work | |
CN109377335A (zh) | 基于商业智能财税管理系统、方法及计算机可读存储介质 | |
Rui et al. | Research on Agricultural Expert System Based on Fuzzy Reasoning. | |
US20230165182A1 (en) | Apparatus and method for providing wide-area precision agriculture service based on collaboration between heterogeneous drones | |
Guan et al. | Hybrid Petri nets and metaheuristic approach to farm work scheduling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |