CN110543972A - 饲料配方的确定方法和系统以及计算机可读存储介质 - Google Patents
饲料配方的确定方法和系统以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110543972A CN110543972A CN201910717142.2A CN201910717142A CN110543972A CN 110543972 A CN110543972 A CN 110543972A CN 201910717142 A CN201910717142 A CN 201910717142A CN 110543972 A CN110543972 A CN 110543972A
- Authority
- CN
- China
- Prior art keywords
- feed
- nutrient
- ratio
- determining
- formulation
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明公开了一种饲料配方的确定方法和系统以及计算机可读存储介质。饲料包括多种原料,饲料配方的确定方法包括:获取原料的价格、饲料的营养指标限制量、原料的养分含量、饲料的比值型营养指标限制量;根据获取到的原料的价格、获取到的饲料的营养指标限制量和获取到的原料的养分含量确定配方初始模型;根据配方初始模型和获取到的饲料的比值型营养指标限制量确定配方优化模型;根据配方优化模型确定饲料配方。如此,根据配方初始模型和比值型营养指标限制量确定配方优化模型,并根据配方优化模型确定饲料配方,考虑到了饲料中多种养分之间的关系所需要满足的条件,使得饲料的营养更加均衡,有利于动物的健康生长。
Description
技术领域
本发明涉及动物养殖技术领域,尤其涉及一种饲料配方的确定方法和系统以及计算机可读存储介质。
背景技术
相关技术一般以饲料的营养指标作为约束条件来确定饲料配方。然而,相关技术中所涉及到的营养指标往往都是线性指标,只考虑到了饲料中单种营养所需要满足的条件,而并没有考虑到饲料中多种营养之间的关系需要满足的条件。如此,无法更好的兼顾营养均衡。
发明内容
本发明提供一种饲料配方的确定方法和系统以及计算机可读存储介质。
本发明实施方式提供一种饲料配方的确定方法,所述饲料包括多种原料,所述饲料配方的确定方法包括:
获取所述原料的价格、所述饲料的营养指标限制量、所述原料的养分含量、所述饲料的比值型营养指标限制量;
根据获取到的所述原料的价格、获取到的所述饲料的营养指标限制量和获取到的所述原料的养分含量确定配方初始模型;
根据所述配方初始模型和获取到的所述饲料的比值型营养指标限制量确定配方优化模型;
根据所述配方优化模型确定所述饲料配方。
本发明实施方式的饲料配方的确定方法,根据配方初始模型和比值型营养指标限制量确定配方优化模型,并根据配方优化模型确定饲料配方,考虑到了饲料中多种养分之间的关系所需要满足的条件,使得饲料的营养更加均衡,有利于动物的健康生长。
在某些实施方式中,所述配方初始模型包括第一目标函数和第一约束条件,所述第一目标函数与所述原料的价格、所述原料的配比和所述动物的饲喂成本相关,所述第一约束条件与所述原料的养分含量、所述饲料的营养指标限制量和所述原料的配比相关,根据获取到的所述原料的价格、获取到的所述饲料的营养指标限制量和获取到的所述原料的养分含量确定配方初始模型,包括:
根据获取到的所述原料的价格确定所述第一目标函数;
根据获取到的所述原料的养分含量和获取到的所述饲料的营养指标限制量确定所述第一约束条件。
在某些实施方式中,所述配方优化模型包括第二目标函数和第二约束条件,所述第二约束条件包括养分比值约束,所述养分比值约束与所述原料的配比、所述原料的养分含量和所述饲料的比值型营养指标限制量相关,根据所述配方初始模型和获取到的所述饲料的比值型营养指标限制量确定配方优化模型,包括:
根据所述第一目标函数确定所述第二目标函数;
根据获取到的所述饲料的比值型营养指标限制量确定所述养分比值约束;
根据所述第一约束条件和所述养分比值约束确定所述第二约束条件。
在某些实施方式中,根据获取到的所述饲料的比值型营养指标限制量确定所述养分比值约束,包括:
根据获取到的所述原料的养分含量和获取到的所述饲料的比值型营养指标限制量确定比值基础约束;
将所述比值基础约束进行变换以得到所述养分比值约束。
在某些实施方式中,所述饲料配方包括所述原料的配比,根据所述配方优化模型确定所述饲料配方,包括:
根据所述配方优化模型确定所述原料的配比。
本发明实施方式提供一种饲料配方的确定系统,所述饲料包括多种原料,所述饲料配方的确定系统包括控制装置,所述控制装置包括获取模块、第一确定模块、第二确定模块和第三确定模块,所述获取模块用于获取所述原料的价格、所述饲料的营养指标限制量、所述原料的养分含量、所述饲料的比值型营养指标限制量;所述第一确定模块用于根据获取到的所述原料的价格、获取到的所述饲料的营养指标限制量和获取到的所述原料的养分含量确定配方初始模型;所述第二确定模块用于根据所述配方初始模型和获取到的所述饲料的比值型营养指标限制量确定配方优化模型;所述第三确定模块用于根据所述配方优化模型确定所述饲料配方。
本发明实施方式的饲料配方的确定系统,根据配方初始模型和比值型营养指标限制量确定配方优化模型,并根据配方优化模型确定饲料配方,考虑到了饲料中多种养分之间的关系所需要满足的条件,使得饲料的营养更加均衡,有利于动物的健康生长。
在某些实施方式中,所述配方初始模型包括第一目标函数和第一约束条件,所述第一目标函数与所述原料的价格、所述原料的配比和所述动物的饲喂成本相关,所述第一约束条件与所述原料的养分含量、所述饲料的营养指标限制量和所述原料的配比相关,所述第一确定模块用于根据获取到的所述原料的价格确定所述第一目标函数;以及用于根据获取到的所述原料的养分含量和获取到的所述饲料的营养指标限制量确定所述第一约束条件。
在某些实施方式中,所述配方优化模型包括第二目标函数和第二约束条件,所述第二约束条件包括养分比值约束,所述养分比值约束与所述原料的配比、所述原料的养分含量和所述饲料的比值型营养指标限制量相关,所述第二确定模块用于根据所述第一目标函数确定所述第二目标函数;及用于根据获取到的所述饲料的比值型营养指标限制量确定所述养分比值约束;以及用于根据所述第一约束条件和所述养分比值约束确定所述第二约束条件。
在某些实施方式中,所述第二确定模块用于根据获取到的所述原料的养分含量和获取到的所述饲料的比值型营养指标限制量确定比值基础约束;以及用于将所述比值基础约束进行变换以得到所述养分比值约束。
在某些实施方式中,所述饲料配方包括所述原料的配比,所述第三确定模块用于根据所述配方优化模型确定所述原料的配比。
本发明实施方式提供一种饲料配方的确定系统,其包括处理器和存储器,所述存储器存储有一个或多个程序,所述程序被所述处理器执行时实现上述任一实施方式的饲料配方的确定方法。
本发明实施方式的饲料配方的确定系统,根据配方初始模型和比值型营养指标限制量确定配方优化模型,并根据配方优化模型确定饲料配方,考虑到了饲料中多种养分之间的关系所需要满足的条件,使得饲料的营养更加均衡,有利于动物的健康生长。
本发明实施方式的一种包含计算机可执行指令的非易失性计算机可读存储介质,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行上述任一实施方式的饲料配方的确定方法。
本发明实施方式的计算机可读存储介质,根据配方初始模型和比值型营养指标限制量确定配方优化模型,并根据配方优化模型确定饲料配方,考虑到了饲料中多种养分之间的关系所需要满足的条件,使得饲料的营养更加均衡,有利于动物的健康生长。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解,其中:
图1是本发明实施方式的饲料配方的确定方法的流程示意图;
图2是本发明实施方式的饲料配方的确定系统的模块示意图;
图3是本发明另一实施方式的饲料配方的确定方法的流程示意图;
图4是本发明又一实施方式的饲料配方的确定方法的流程示意图;
图5是本发明再一实施方式的饲料配方的确定方法的流程示意图;
图6是本发明另一实施方式的饲料配方的确定方法的流程示意图;
图7是本发明实施方式的饲料配方的确定系统的另一模块示意图。
主要元件符号说明:
饲料配方的确定系统100、处理器110、存储器120、控制装置10、获取模块12、第一确定模块14、第二确定模块16、第三确定模块18、输入装置20、显示装置30。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接或可以相互通讯;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。此外,本发明可以在不同例子中重复参考数字和/或参考字母,这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施方式和/或设置之间的关系。
请参阅图1,本发明实施方式提供一种饲料配方的确定方法。饲料包括多种原料,饲料配方的确定方法包括:
步骤S12:获取原料的价格、饲料的营养指标限制量、原料的养分含量、饲料的比值型营养指标限制量;
步骤S14:根据获取到的原料的价格、获取到的饲料的营养指标限制量和获取到的原料的养分含量确定配方初始模型;
步骤S16:根据配方初始模型和获取到的饲料的比值型营养指标限制量确定配方优化模型;
步骤S18:根据配方优化模型确定饲料配方。
请参阅图2,本发明实施方式提供一种饲料配方的确定系统100,饲料包括多种原料,饲料配方的确定系统100包括控制装置10。
控制装置10包括获取模块12、第一确定模块14、第二确定模块16和第三确定模块18,获取模块12用于获取原料的价格、饲料的营养指标限制量、原料的养分含量、饲料的比值型营养指标限制量;第一确定模块14用于根据获取到的原料的价格、获取到的饲料的营养指标限制量和获取到的原料的养分含量确定配方初始模型;第二确定模块16用于根据配方初始模型和获取到的饲料的比值型营养指标限制量确定配方优化模型;第三确定模块18用于根据配方优化模型确定饲料配方。
也就是说,本发明实施方式的饲料配方的确定方法可由本发明实施方式的饲料配方的确定系统100实现。
本发明实施方式的饲料配方的确定方法和饲料配方的确定系统100,根据配方初始模型和比值型营养指标限制量确定配方优化模型,并根据配方优化模型确定饲料配方,考虑到了饲料中多种养分之间的关系所需要满足的条件,使得饲料的营养更加均衡,有利于动物的健康生长。
可以理解,在饲料生产中,根据原料的价格、饲料的营养指标限制量、原料的养分含量确定成本最低的饲料配方是核心工作。通常,饲料配方往往由原料和饲料添加剂按一定比例配合而成。原料中通常含有的养分可分为蛋白质、脂肪、纤维、能量、氨基酸、矿物质等。在获取到原料中这些养分含量的情况下,饲料中的这些养分含量都可表示为各原料配比的线性组合,因此,饲料的营养指标为线性指标。
然而,为了保证营养的均衡,饲料配方的确定还需要考虑比值型的营养指标,也即是要考虑饲料的比值型营养指标限制量,并在确定饲料配方时根据饲料的比值型营养指标限制量对饲料中多种营养的比值加以限制。比如钙磷比、赖能比、氨基酸比等。这样,配方初始模型可进一步优化,饲料配方的营养更均衡、更精确。
具体地,饲料配方的确定系统100可应用于包括但不限于手机、平板、个人计算机、服务器、笔记本电脑、可穿戴设备、车载终端、专门制作的控制终端等具有数据处理和传输功能的电子装置。饲料配方的确定系统100可以设置在养殖动物的养殖舍,可以设置在与养殖舍通讯的监控中心或饲料研发中心,也可以由员工随身携带。在此,不对饲料配方的确定系统100的具体形式和设置的具体位置进行限定。
饲料配方的确定系统100还可包括输入装置20和显示装置30。输入装置20包括但不限于键盘、按键、轨迹球、触控板、触摸显示屏。显示装置30包括但不限于LED显示屏或显示器、OLED显示屏或显示器。在此不对输入装置20和显示装置30的具体形式进行限定。
在一个应用中,本发明实施方式的饲料配方的确定方法和饲料配方的确定系统100可应用于养殖猪的领域。可以理解,本发明实施方式的饲料配方的确定方法和饲料配方的确定系统100还可应用于养殖鸡、牛或养殖其他生物的领域。在此不对养殖的具体的动物进行限定。
目前,我国人口占世界总人口约19.0%,猪肉消费量占世界猪肉消费量49.6%,我国生猪养殖量占世界生猪总养殖量56.6%,且猪肉在中国国内肉类产量和消费量占比均超过百分之六十,也即是说,猪肉在我国肉类消费领域占有巨大比例,生猪养殖业格外重要。
饲喂成本一直占据着养殖成本的最大占比。在生猪养殖中,饲喂成本占到生猪养殖成本的60-70%。因此,降低畜禽生产中的饲喂成本对降低整个养殖成本具有极其重要的意义。本实施方式中,动物的饲喂成本即为饲料的单价。
除饲喂成本外,养分对于猪只的生长也具有极其重要的意义。本发明实施方式的饲料配方的确定方法和饲料配方的确定系统100,考虑到了饲料中多种养分之间的关系所需要满足的条件,使得饲料的营养更加均衡,有利于动物的健康生长。
在步骤S12中,工作人员可以通过输入装置20向饲料配方的确定系统100输入原料的价格、饲料的营养指标限制量、原料的养分含量、饲料的比值型营养指标限制量。在一个例子中,用户通过手机的触摸显示屏输入原料的价格、饲料的营养指标限制量、原料的养分含量、饲料的比值型营养指标限制量;在另一个例子中,用户通过个人计算机的键盘输入原料的价格、饲料的营养指标限制量、原料的养分含量、饲料的比值型营养指标限制量。
当然,原料的价格、饲料的营养指标限制量、原料的养分含量、饲料的比值型营养指标限制量可以预先存储在数据库中,在需要使用这些数据时,可通过数据库直接获取,无需工作人员手动输入。
在一个例子中,工作人员可通过查阅工具书,或根据猪只的各种指标进行计算以确定饲料的比值型营养指标限制量,然后将饲料的比值型营养指标限制量输入到饲料配方的确定系统100中。
在另一个例子中,通过在饲料配方的确定系统100的数据库查找需要的数据和猪只的各种指标,由饲料配方的确定系统100计算出饲料的比值型营养指标限制量。
在此不对原料的价格、饲料的营养指标限制量、原料的养分含量、饲料的比值型营养指标限制量的具体来源进行限定。
在步骤S14、步骤S16和步骤S18中,配方初始模型、配方优化模型和饲料配方可通过显示装置30显示。在一个例子中,配方初始模型和配方优化模型以公式的形式显示在手机的显示屏上,饲料配方以表格的形式显示在手机的显示屏上;在另一个例子中,配方初始模型和配方优化模型以公式的形式显示在个人计算机的显示器上,饲料配方以文字的形式显示在个人计算机的显示器上。
请参阅图3,在某些实施方式中,配方初始模型包括第一目标函数和第一约束条件,第一目标函数与原料的价格、原料的配比和动物的饲喂成本相关,第一约束条件与原料的养分含量、饲料的营养指标限制量和原料的配比相关,步骤S14包括:
步骤S142:根据获取到的原料的价格确定第一目标函数;
步骤S144:根据获取到的原料的养分含量和获取到的饲料的营养指标限制量确定第一约束条件。
在某些实施方式中,配方初始模型包括第一目标函数和第一约束条件,第一目标函数与原料的价格、原料的配比和动物的饲喂成本相关,第一约束条件与原料的养分含量、饲料的营养指标限制量和原料的配比相关,第一确定模块14用于根据获取到的原料的价格确定第一目标函数;以及用于根据获取到的原料的养分含量和获取到的饲料的营养指标限制量确定第一约束条件。
如此,实现根据获取到的原料的价格、获取到的饲料的营养指标限制量和获取到的原料的养分含量确定配方初始模型。
具体地,饲料的原料一共有n种,xj(j=1,…,n)表示饲料配方中第j种原料的配比,即配方初始模型需要求解的决策变量。aij(i=1,…,m)表示第j种原料中第i种养分的含量。bi表示饲料配方中对第i种养分做出的限制(可为指定值、上限或下限),也即是营养指标限制量。cj表示第i种原料的价格。
第一目标函数与原料的价格cj、原料的配比xj和动物的饲喂成本Z相关。在本实施方式中,第一目标函数为:
第一约束条件与原料的养分含量aij、饲料的营养指标限制量bi和原料的配比xj相关。本实施方式中,第一约束条件为:
a11x1+a12x2+…+a1nxn≤(=≥)b1
a21x1+a22x2+…+a2nxn≤(=≥)b2
am1x1+am2x2+…+amnxn≤(=≥)bm (2)
配方初始模型包括第一目标函数和第一约束条件。本实施方式中,配方初始模型为:
s.t.
a11x1+a12x2+…+a1nxn≤(=≥)b1
a21x1+a22x2+…+a2nxn≤(=≥)b2
am1x1+am2x2+…+amnxn≤(=≥)bm。
将获取到的原料的价格cj、原料的养分含量aij、饲料的营养指标限制量bi代入上述配方初始模型,即可确定配方初始模型。
请参阅图4,在某些实施方式中,配方优化模型包括第二目标函数和第二约束条件,第二约束条件包括养分比值约束,养分比值约束与原料的配比、原料的养分含量和饲料的比值型营养指标限制量相关,步骤S16包括:
步骤S162:根据第一目标函数确定第二目标函数;
步骤S164:根据获取到的饲料的比值型营养指标限制量确定养分比值约束;
步骤S166:根据第一约束条件和养分比值约束确定第二约束条件。
在某些实施方式中,配方优化模型包括第二目标函数和第二约束条件,第二约束条件包括养分比值约束,养分比值约束与原料的配比、原料的养分含量和饲料的比值型营养指标限制量相关,第二确定模块16用于根据第一目标函数确定第二目标函数;及用于根据获取到的饲料的比值型营养指标限制量确定养分比值约束;以及用于根据第一约束条件和养分比值约束确定第二约束条件。
如此,实现根据配方初始模型和获取到的饲料的比值型营养指标限制量确定配方优化模型。具体地,步骤S162中,在配方初始模型为上述的配方初始模型的情况下,根据配方初始模型的目标函数可确定第二目标函数为:
请参阅图5,在某些实施方式中,步骤S164包括:
步骤S1642:根据获取到的原料的养分含量和获取到的饲料的比值型营养指标限制量确定比值基础约束;
步骤S1644:将比值基础约束进行变换以得到养分比值约束。
在某些实施方式中,第二确定模块16用于根据获取到的原料的养分含量和获取到的饲料的比值型营养指标限制量确定比值基础约束;以及用于将比值基础约束进行变换以得到养分比值约束。
如此,实现根据获取到的饲料的比值型营养指标限制量确定养分比值约束。如前所述,饲料的比值型营养指标可包括多种,例如钙磷比、赖能比、氨基酸比等。为方便说明,在本实施方式中,以钙磷比为例进行说明。可以理解,钙磷比仅为比值型营养指标中的一种示例,并不代表对比值型营养指标的种类的限制。
具体地,比值型营养指标限制量为:上限r。也即是说,饲料中的钙含量a1与磷含量a2的比值小于或等于r。即:
而饲料的第j种原料中钙含量为a1j,饲料的第j种原料中磷含量为a2j,则步骤S1642中,确定的比值基础约束为:
然而,比值基础约束是非线性的,无法直接求解。可以理解,由于饲料中多种养分的比值不能直接表示为各原料配比的线性组合,因此当饲料配方需要考虑比值型营养指标限制量的限制时,对应的模型并不是标准的线性规划问题。
基于此,可通过步骤S1644将比值基础约束进行变换,以得到线性的养分比值约束。具体地,可在不等式两边同时乘以磷含量,再移项,从而将比值基础约束转化成养分比值约束:
(a11-ra21)x1+(a12-ra22)x2+…+(a1n-ra2n)xn≤0。
将获取到的原料的养分含量和获取到的比值型营养指标限制量代入到该养分比值约束中,即可确定养分比值约束。代入获取到的原料的养分含量和获取到的比值型营养指标限制量的方式类似于前文中代入获取到的原料的价格、获取到的原料的养分含量和获取到的饲料的营养指标限制量,为避免冗余,在此不再赘述。
因此,在步骤S166中,在根据第一约束条件和养分比值约束确定第二约束条件时,可将养分比值约束并入到第一约束条件中,从而确定第二约束条件为:
a11x1+a12x2+…+a1nxn≤(=≥)b1
a21x1+a22x2+…+a2nxn≤(=≥)b2
am1x1+am2x2+…+amnxn≤(=≥)bm
(a11-ra21)x1+(a12-ra22)x2+…+(a1n-ra2n)xn≤0。
因此,可确定配方优化模型为:
min Z=c1x1+c2x2+…+cnxn
s.t.
a11x1+a12x2+…+a1nxn≤(=≥)b1
a21x1+a22x2+…+a2nxn≤(=≥)b2
am1x1+am2x2+…+amnxn≤(=≥)bm
(a11-ra21)x1+(a12-ra22)x2+…+(a1n-ra2n)xn≤0。
在上述的配方优化模型中,养分比值约束的数量为1个,具体地,养分比值约束是关于钙磷比的比值约束。可以理解,在其他的配方优化模型中,养分比值约束的数量可以为2个、3个或5个。例如,养分比值约束的数量为3个:关于钙磷比的比值约束、关于赖能比的比值约束和关于氨基酸比的比值约束。在此不对养分比值约束的具体数量和具体内容进行限定。
另外,在上述的配方优化模型中,a1和a2既受到比值型营养指标限制量r的限制,a1和a2也分别受到营养指标限制量b1和b2的限制。
可以理解,在其他示例的配方优化模型中,a1和a2可以仅受到比值型营养指标限制量r的限制,而不受到营养指标限制量b的限制,例如:
min Z=c1x1+c2x2+…+cnxn
s.t.
a31x1+a32x2+…+a3nxn≤(=≥)b3
a41x1+a42x2+…+a4nxn≤(=≥)b4
am1x1+am2x2+…+amnxn≤(=≥)bm
(a11-ra21)x1+(a12-ra22)x2+…+(a1n-ra2n)xn≤0。
在此不对配方优化模型的具体形式进行限定。
请参阅图6,在某些实施方式中,饲料配方包括原料的配比,步骤S18包括:
步骤S182:根据配方优化模型确定原料的配比。
在某些实施方式中,饲料配方包括原料的配比,第三确定模块18用于根据配方优化模型确定原料的配比。
如此,实现根据配方优化模型确定饲料配方。可以理解,上述配方优化模型中,将获取到的比值型营养指标限制量、获取到的原料的价格、获取到的原料的养分含量和获取到的饲料的营养指标限制量代入后,得到的是以原料的配比为随机变量,以动物的饲喂成本为优化目标的配方优化模型,因此,可计算得到原料的配比。
进一步地,可使用单纯形法或内点法求解配方优化模型,从而得到原料的配比。
另外,饲料配方的确定方法包括:根据原料的配比和原料的养分含量,确定动物的饲喂成本、饲料的养分含量和饲料的营养比值。
可以理解,本实施方式中,动物的饲喂成本即为饲料的单价。在确定原料的配比的具体数值后,可根据原料的配比和原料的养分含量,计算出饲料的单价、饲料的各养分含量的具体数值和各营养比值的具体数值。例如计算出饲料的单价、饲料配方中的含钙量、含磷量和钙磷比等。计算得到的数据可以表格的形式保存在饲料配方的确定系统100,并通过显示装置30显示。
综合以上,在一个例子中,饲料的原料包括4种:玉米、小麦麸、米糠粕、大豆粕。对应的价格分别为2100元/吨、2000元/吨、1750元/吨、2750元/吨。在本示例中,考虑5种营养指标:粗蛋白、钙、总磷、钙磷比、消化能。其中,钙磷比是比值型营养指标。请注意,钙磷比定义为钙与总磷的比值。营养指标限制量和比值型营养指标限制量均包括指标上限和指标下限。具体数据如表1所示。
表1
玉米 | 小麦麸 | 米糠粕 | 大豆粕 | 指标下限 | 指标上限 | |
粗蛋白(%) | 7.8 | 14.3 | 15.1 | 44.2 | 12 | |
钙(%) | 0.02 | 0.1 | 0.15 | 0.33 | 0.7 | |
总磷(%) | 0.27 | 0.93 | 1.82 | 0.62 | ||
钙磷比 | 2 | |||||
消化能(Kcal/kg) | 3390 | 2230 | 2760 | 3370 | 2500 | |
原料含量的下限 | 0.1 | |||||
原料含量的上限 | 0.2 | 0.2 | ||||
原料的价格(元/吨) | 2100 | 2000 | 1750 | 2750 |
根据上述数据可确定该例子中的配方初始模型为:
min Z=2100x1+2000x2+1750x3+2750x4
s.t.
7.8x1+14.3x2+15.1x3+44.2x4≥12
0.02x1+0.1x2+0.15x3+0.33x4≤0.7
3390x1+2230x2+2760x3+3370x4≥2500
x1+x2+x3+x4=1
0≤x1≤1
0≤x2≤0.2
0≤x3≤0.2
0.1≤x4≤1;
可以理解,s.t.表示受约束(subject to)。
根据上述数据可确定该例子中的比值基础约束为:
将比值基础约束进行变换,可确定养分比值约束为:
-0.52x1-1.76x2-3.49x3-0.91x4≤0。
综合以上,可确定配方优化模型为:
min Z=2100x1+2000x2+1750x3+2750x4
s.t.
7.8x1+14.3x2+15.1x3+44.2x4≥12
0.02x1+0.1x2+0.15x3+0.33x4≤0.7
-0.52x1-1.76x2-3.49x3-0.91x4≤0
3390x1+2230x2+2760x3+3370x4≥2500
x1+x2+x3+x4=1
0≤x1≤1
0≤x2≤0.2
0≤x3≤0.2
0.1≤x4≤1。
利用标准的单纯形法,对上述配方优化模型进行求解,可解得最优解为:x1=0.5,x2=0.2,x3=0.2,x4=0.1。即可确定原料的配比为:50%玉米、20%小麦麸、20%米糠粕、10%大豆粕。还可计算如此配比得到的饲料单价为:2075元/吨。
请参阅图7,本发明实施方式提供一种饲料配方的确定系统100,包括处理器110和存储器120,存储器120存储有一个或多个程序,程序被处理器110执行时实现上述任一实施方式的饲料配方的确定方法。
例如,程序被处理器110执行时实现步骤S12:获取原料的价格、饲料的营养指标限制量、原料的养分含量、饲料的比值型营养指标限制量;步骤S14:根据获取到的原料的价格、获取到的饲料的营养指标限制量和获取到的原料的养分含量确定配方初始模型;步骤S16:根据配方初始模型和获取到的饲料的比值型营养指标限制量确定配方优化模型;步骤S18:根据配方优化模型确定饲料配方。
本发明实施方式的饲料配方的确定系统100,根据配方初始模型和比值型营养指标限制量确定配方优化模型,并根据配方优化模型确定饲料配方,考虑到了饲料中多种养分之间的关系所需要满足的条件,使得饲料的营养更加均衡,有利于动物的健康生长。
具体地,处理器110和存储器120可以组成计算机系统。计算机系统可应用于个人计算机、服务器、手机、平板电脑、专门制作的控制终端等。
本发明实施方式提供的一种包含计算机可执行指令的非易失性计算机可读存储介质,当计算机可执行指令被一个或多个处理器110执行时,使得处理器110执行上述任一实施方式的饲料配方的确定方法。
本发明实施方式的饲料配方的计算机可读存储介质,根据配方初始模型和比值型营养指标限制量确定配方优化模型,并根据配方优化模型确定饲料配方,考虑到了饲料中多种养分之间的关系所需要满足的条件,使得饲料的营养更加均衡,有利于动物的健康生长。
在本说明书的描述中,参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施方式,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (12)
1.一种饲料配方的确定方法,其特征在于,所述饲料包括多种原料,所述饲料配方的确定方法包括:
获取所述原料的价格、所述饲料的营养指标限制量、所述原料的养分含量、所述饲料的比值型营养指标限制量;
根据获取到的所述原料的价格、获取到的所述饲料的营养指标限制量和获取到的所述原料的养分含量确定配方初始模型;
根据所述配方初始模型和获取到的所述饲料的比值型营养指标限制量确定配方优化模型;
根据所述配方优化模型确定所述饲料配方。
2.根据权利要求1所述的饲料配方的确定方法,其特征在于,所述配方初始模型包括第一目标函数和第一约束条件,所述第一目标函数与所述原料的价格、所述原料的配比和所述动物的饲喂成本相关,所述第一约束条件与所述原料的养分含量、所述饲料的营养指标限制量和所述原料的配比相关,根据获取到的所述原料的价格、获取到的所述饲料的营养指标限制量和获取到的所述原料的养分含量确定配方初始模型,包括:
根据获取到的所述原料的价格确定所述第一目标函数;
根据获取到的所述原料的养分含量和获取到的所述饲料的营养指标限制量确定所述第一约束条件。
3.根据权利要求2所述的饲料配方的确定方法,其特征在于,所述配方优化模型包括第二目标函数和第二约束条件,所述第二约束条件包括养分比值约束,所述养分比值约束与所述原料的配比、所述原料的养分含量和所述饲料的比值型营养指标限制量相关,根据所述配方初始模型和获取到的所述饲料的比值型营养指标限制量确定配方优化模型,包括:
根据所述第一目标函数确定所述第二目标函数;
根据获取到的所述饲料的比值型营养指标限制量确定所述养分比值约束;
根据所述第一约束条件和所述养分比值约束确定所述第二约束条件。
4.根据权利要求3所述的饲料配方的确定方法,其特征在于,根据获取到的所述饲料的比值型营养指标限制量确定所述养分比值约束,包括:
根据获取到的所述原料的养分含量和获取到的所述饲料的比值型营养指标限制量确定比值基础约束;
将所述比值基础约束进行变换以得到所述养分比值约束。
5.根据权利要求1所述的饲料配方的确定方法,其特征在于,所述饲料配方包括所述原料的配比,根据所述配方优化模型确定所述饲料配方,包括:
根据所述配方优化模型确定所述原料的配比。
6.一种饲料配方的确定系统,其特征在于,所述饲料包括多种原料,所述饲料配方的确定系统包括控制装置,所述控制装置包括获取模块、第一确定模块、第二确定模块和第三确定模块,所述获取模块用于获取所述原料的价格、所述饲料的营养指标限制量、所述原料的养分含量、所述饲料的比值型营养指标限制量;所述第一确定模块用于根据获取到的所述原料的价格、获取到的所述饲料的营养指标限制量和获取到的所述原料的养分含量确定配方初始模型;所述第二确定模块用于根据所述配方初始模型和获取到的所述饲料的比值型营养指标限制量确定配方优化模型;所述第三确定模块用于根据所述配方优化模型确定所述饲料配方。
7.根据权利要求6所述的饲料配方的确定系统,其特征在于,所述配方初始模型包括第一目标函数和第一约束条件,所述第一目标函数与所述原料的价格、所述原料的配比和所述动物的饲喂成本相关,所述第一约束条件与所述原料的养分含量、所述饲料的营养指标限制量和所述原料的配比相关,所述第一确定模块用于根据获取到的所述原料的价格确定所述第一目标函数;以及用于根据获取到的所述原料的养分含量和获取到的所述饲料的营养指标限制量确定所述第一约束条件。
8.根据权利要求7所述的饲料配方的确定系统,其特征在于,所述配方优化模型包括第二目标函数和第二约束条件,所述第二约束条件包括养分比值约束,所述养分比值约束与所述原料的配比、所述原料的养分含量和所述饲料的比值型营养指标限制量相关,所述第二确定模块用于根据所述第一目标函数确定所述第二目标函数;及用于根据获取到的所述饲料的比值型营养指标限制量确定所述养分比值约束;以及用于根据所述第一约束条件和所述养分比值约束确定所述第二约束条件。
9.根据权利要求8所述的饲料配方的确定系统,其特征在于,所述第二确定模块用于根据获取到的所述原料的养分含量和获取到的所述饲料的比值型营养指标限制量确定比值基础约束;以及用于将所述比值基础约束进行变换以得到所述养分比值约束。
10.根据权利要求6所述的饲料配方的确定系统,其特征在于,所述饲料配方包括所述原料的配比,所述第三确定模块用于根据所述配方优化模型确定所述原料的配比。
11.一种饲料配方的确定系统,其特征在于,包括处理器和存储器,所述存储器存储有一个或多个程序,所述程序被所述处理器执行时实现权利要求1至5中任一项所述的饲料配方的确定方法。
12.一种包含计算机可执行指令的非易失性计算机可读存储介质,其特征在于,当所述计算机可执行指令被一个或多个处理器执行时,使得所述处理器执行权利要求1至5中任一项所述的饲料配方的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910717142.2A CN110543972A (zh) | 2019-08-05 | 2019-08-05 | 饲料配方的确定方法和系统以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910717142.2A CN110543972A (zh) | 2019-08-05 | 2019-08-05 | 饲料配方的确定方法和系统以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110543972A true CN110543972A (zh) | 2019-12-06 |
Family
ID=68710154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910717142.2A Pending CN110543972A (zh) | 2019-08-05 | 2019-08-05 | 饲料配方的确定方法和系统以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110543972A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418607A (zh) * | 2020-10-20 | 2021-02-26 | 北京工商大学 | 一种多组分配合颗粒饲料配方的优选方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101010685A (zh) * | 2004-07-29 | 2007-08-01 | Can科技公司 | 用于基于环境营养输入优化动物生产的系统和方法 |
CN106875034A (zh) * | 2016-12-29 | 2017-06-20 | 中国农业大学 | 一种生猪养殖多变量饲料投喂决策方法及其系统 |
-
2019
- 2019-08-05 CN CN201910717142.2A patent/CN110543972A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101010685A (zh) * | 2004-07-29 | 2007-08-01 | Can科技公司 | 用于基于环境营养输入优化动物生产的系统和方法 |
CN106875034A (zh) * | 2016-12-29 | 2017-06-20 | 中国农业大学 | 一种生猪养殖多变量饲料投喂决策方法及其系统 |
Non-Patent Citations (1)
Title |
---|
吕国川: ""利用Excel2007线性规划程序设计生长肥育猪饲料配方的方法探讨"", 《畜牧与饲料科学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418607A (zh) * | 2020-10-20 | 2021-02-26 | 北京工商大学 | 一种多组分配合颗粒饲料配方的优选方法 |
CN112418607B (zh) * | 2020-10-20 | 2023-05-23 | 北京工商大学 | 一种多组分配合颗粒饲料配方的优选方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Malcorps et al. | The sustainability conundrum of fishmeal substitution by plant ingredients in shrimp feeds | |
Herrero et al. | Biomass use, production, feed efficiencies, and greenhouse gas emissions from global livestock systems | |
Abdollahi et al. | Influence of conditioning temperature on the performance, nutrient utilisation and digestive tract development of broilers fed on maize-and wheat-based diets | |
Kim et al. | Relationship between backfat thickness of sows during late gestation and reproductive efficiency at different parities | |
Leinonen et al. | Effects of alternative uses of distillery by-products on the greenhouse gas emissions of Scottish malt whisky production: a system expansion approach | |
CN110443421A (zh) | 饲料配方的确定方法和系统以及计算机可读存储介质 | |
Altun et al. | Cost optimization of mixed feeds with the particle swarm optimization method | |
WO2019216647A1 (ko) | 딥러닝 기반 예측 모델에 기초한, 산유량, 목표 산유량 달성을 위한 tmr 영양 조성, 목표 비용 달성을 위한 tmr 영양 조성 예측 방법 | |
CN103679536A (zh) | 生长肥育猪配合饲料配方设计方法 | |
CN110543972A (zh) | 饲料配方的确定方法和系统以及计算机可读存储介质 | |
Erdaw | Contribution, prospects and trends of livestock production in sub-Saharan Africa: a review | |
Pan et al. | Rumen degradability of barley, oats, sorghum, triticale, and wheat in situ and the effect of pelleting | |
Moss et al. | The ranked importance of dietary factors influencing the performance of broiler chickens offered phytase-supplemented diets by the Plackett-Burman screening design | |
CN112970659B (zh) | 饲料配方的确定方法和系统以及计算机可读存储介质 | |
Hatfield et al. | Convergence of food security, energy security and sustainable agriculture | |
Prestegaard-Wilson et al. | A survey of United States dairy cattle nutritionists’ practices and perceptions of reducing crude protein in lactating dairy cow diets | |
Salookolaei et al. | A new approach in animal diet using grey system theory | |
Nasseri et al. | Animal diet formulation with floating price | |
Leo-Penu et al. | Liveweight gain and metabolisable energy requirements of young entire male Australian Rangeland goats in response to supplementation | |
Makhdum et al. | Crude enzymes supplementation in fibrous diet improves performance of commercial broilers | |
CN110458349A (zh) | 饲料配方的确定方法和系统以及计算机可读存储介质 | |
Aganga et al. | Molasses urea blocks as supplementary feed resource for ruminants in Botswana. | |
CN105893004A (zh) | 饲料配方软件 | |
Becker et al. | Effects of standardized ileal digestible lysine on growth performance and economic return in duroc-sired finishing pigs | |
Dong et al. | Comparative energy digestibility of protein feed ingredients in crossbred barrows in different growing stages |
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 |
Application publication date: 20191206 |
|
RJ01 | Rejection of invention patent application after publication |