CN112464560B - 基于粒子群算法的循环农业多目标种养规模分配优化方法 - Google Patents

Abstract

基于粒子群算法的循环农业多目标种养规模分配优化方法，涉及生态循环农业生产中多目标优化的资源配置技术领域，解决现有技术缺乏对循环农业生产耦合性问题的分析，导致耦合性差，以及常规粒子群算法容易陷入局部最优问题。根据现有农业资源条件构建循环农业生产理想模型；选取循环农业生产耦合度评价参数，包括经济效益和氮平衡数据；分别建立农业生产资料与经济效益关联，农业生产资料与氮平衡数据关联；收集循环农业生产相关的氮元素数据与经济效益数据；构建经济效益目标函数和氮平衡约束条件，构建适应度函数，利用粒子群算法，求解猪生产规模与玉米种植规模的优化策略。本发明同时有效地解决了常规粒子群算法容易陷入局部最优的情况。

Description

基于粒子群算法的循环农业多目标种养规模分配优化方法

技术领域

本发明涉及生态循环农业生产中多目标优化的资源配置技术领域，具体涉及一种基于粒子群算法的循环农业多目标种养规模分配优化方法。本发明基于粒子群优化算法求解在经济效益与氮循环效率最优的情况下“猪-玉米”循环农业生产规模分配优化方法，适用于指导循环农业生产的资源分配，提高种养结合耦合度。

背景技术

保护利用黑土地问题具有重要意义，“种-养”循环农业可以有效减少耕地污染，同时提高农田土地资源利用率。目前循环农业生产已经推广应用，但是还存在种养耦合度不高的问题。农业生产注重经济效益，更要兼顾生态效益，在现有农业资源条件下，开展高效的循环农业，是保护利用黑土地的有效方法。

猪肉和玉米是我国消费比重最高的两类农业产品，并且消费需求还在逐年提高，粪尿随意排放和氮肥施用过度也是破坏农田生态的主要因素，构建高耦合度的“猪-玉米”循环农业生产模型，具有代表性意义，为循环农业生产提供理论参考。现有“猪-玉米”循环农业生产存在不足：

1.只注重经济效益、忽视生态效益。

2.“养多少猪，种多少玉米”可以让生猪养殖系统中的粪尿，以及玉米种植系统产出的谷粒和秸秆被充分循环利用。

综上，目前循环农业生产缺乏针对耦合性问题的分析，同时循环农业生产资源配置也缺乏数据分析与理论指导。

发明内容

本发明为解决现有技术缺乏对循环农业生产耦合性问题的分析，导致耦合性差，以及常规粒子群算法容易陷入局部最优问题。提供一种基于粒子群算法的循环农业多目标种养规模分配优化方法，粒子群算法可以有效解决多目标优化问题。以经济效益为目标函数，利用粒子群算法优化分配种植与养殖规模，同时兼顾生态效益，利用循环农业氮平衡作为约束条件，从而解决循环农业生产中耦合性不强问题。

基于粒子群算法的循环农业多目标种养规模分配优化方法，该方法由以下步骤实现：

步骤一、根据农业资源与农田环境构建循环农业生产理想模型，并定义所述理想模型的边界；所述理想模型包括生猪养殖系统、玉米种植系统、堆肥系统和农田土壤系统；

步骤二、选取循环农业生产理想模型的耦合度评价参数，所述评价参数包括经济效益数据和氮平衡数据；

步骤三、根据步骤一构建的循环农业生产理想模型和步骤二选取的评价参数，建立农业生产资料与经济效益数据的关联；

所述生猪养殖系统关联经济效益数据包括生猪支出f(X_养殖规模)和生猪收益g(X_养殖规模)；

生猪支出f(X_养殖规模)用下式表示为：

f(X_养殖规模)＝＝(a_猪仔+a_物资+a_人工成本+a_谷粒饲料)·X_养殖规模+f(X_外购饲料)

式中，a_猪仔、a_物资、a_人工成本、a_谷粒饲料分别为每头猪投入的猪仔、消耗物资、人工成本以及玉米加工饲料，f(X_外购饲料)为生猪外购饲料支出，X_养殖规模为生猪养殖系统的规模；

生猪收入为g(X_养殖规模)源自商品猪出售获得商品猪总收益A_收益，采用下式表示为：

g(X_养殖规模)＝A_收益＝a_收益·X_养殖规模

式中，a_收益为平均每头商品猪的收益；

所述玉米种植系统关联经济效益数据包括玉米支出f(X_种植规模)和玉米收益g(X_种植规模)；玉米支出f(X_种植规模)用下式表示为：

f(X_种植规模)＝(b_种子+b_农药+b_其他费用+b_人工)·X_种植规模

式中，b_种子、b_农药、b_其他费用、b_人工分别为单位面积种植玉米的种子、农药、玉米种植生产的开销以及人工，X_种植规模为玉米种植系统的规模；

玉米收入g(X_种植规模)为产出的谷粒秸秆和根系完全投入循环，无直接经济收入，即g(X_种植规模)＝0；

步骤四、根据步骤一构建的理想模型和步骤二选取的评价参数，建立农业生产资料与氮平衡数据的关联；

设定堆肥系统中氮肥完全供给玉米种植系统氮肥的平衡，即：

[(n_粪+n_尿)·X_养殖规模+n_秸秆X_种植规模]～(n_谷粒+n_秸秆)·X_种植规模

式中，n_粪、n_尿为每头猪生命周期内产出粪尿中含氮量；n_谷粒、n_秸秆为单位面积谷粒和秸秆内含氮量；

生猪养殖系统的氮平衡：

(n_商品猪+n_粪+n_尿)·X_养殖规模～(n_谷粒饲料·X_种植规模+n_饲料·X_外购饲料)

+n_猪仔·X_养殖规模

其中，n_商品猪每头商品猪体内所含氮量，n_谷粒饲料为由玉米谷粒转化的谷粒饲料中氮的单位含量、n_饲料单位质量商用饲料所含氮量，n_猪仔每头猪仔体内所含氮量，玉米转化为玉米饲料氮养分无损失，则n_谷粒＝n_谷粒饲料；X_外购饲料为外购商用饲料规模；

步骤五、收集与所述循环农业生产理想模型相关的氮平衡数据与经济效益数据；

步骤六、根据步骤三建立的农业生产资料与经济效益数据的关联以及步骤五收集的经济效益数据，构建经济效益目标函数；

步骤七、根据步骤四建立的农业生产资料与氮平衡数据的关联和步骤五收集的氮平衡数据，构建氮平衡约束条件；

所述玉米种植系统平衡公式为：

{[(n_粪+n_尿)·X_养植规模·L_堆肥损失]+n_秸秆X_种植规模}·L_{水土流失氮}·S_{玉米氮吸收率}＝(n_谷粒+n_秸秆)·X_养殖规模L_堆肥损失为堆肥损失氮，L_{水土流失氮}为水土流失氮损失，S_{玉米氮吸收率}为玉米吸收氮效率，

生猪养殖系统平衡公式为：

(n_商品猪+n_粪+n_尿-n_猪仔)·X_养殖规模＝

(n_谷粒饲料·X_种植规模+n_饲料·X_外购饲料)S_{生猪养殖氮}式中，S_{生猪养殖氮}为生猪氮有效吸收量；

步骤八、根据步骤六构建经济效益目标函数和步骤七构建氮平衡约束条件，利用粒子群优化算法，计算每个粒子的适应度值，更新每个粒子的个体最优位置和全局最优位置，以及更新粒子速度和位置，判断是否达到最优条件，实现猪生产规模与玉米种植规模的分配优化。

本发明的有益效果：

1.本发明提出以经济效益作为目标，以氮平衡作为约束条件，构建适应度函数，使求解的种植规模和养殖规模实现有效耦合，为循环农业生产资源分配提供理论依据。

2.本发明提出的氮平衡约束条件作为生态效益，同时有效地解决了常规粒子群算法容易陷入局部最优的情况。

附图说明

图1为本发明所述的基于粒子群算法的“猪-玉米”循环农业多目标种养规模分配优化方法的流程图；

图2为理想循环农业模型的原理图；

图3为理想循环农业模型中氮元素循环示意图；

图4为采用粒子群算法进行优化的流程图。

具体实施方式

具体实施方式一、结合图1至图4说明本实施方式，基于粒子群算法的循环农业多目标种养规模分配优化方法，利用粒子群算法，以经济效益为目标，以氮平衡为约束，构建生态和经济效益兼顾的适应度函数，计算猪养殖规模和玉米种植规模的分配，实现“养-种”循环农业生产的有效耦合。

本实施方式的具体实现步骤为：

步骤1：根据现有农业资源条件构建“猪-玉米”循环农业生产理想模型，界定模型系统边界；

“猪-玉米”循环农业生产理想模型系统中，主要包括四个系统：生猪养殖系统、玉米种植系统、堆肥系统和农田土壤系统，如图2所示。生猪养殖系统产出商品猪、粪尿；生猪养殖系统需要玉米作为饲料和外购商用饲料。玉米养殖系统主要产出的是玉米谷粒、秸秆和根系，秸秆用于堆肥，根系直接还田于农田土壤中，玉米生长从土壤中摄取养分。堆肥系统输入为猪的粪尿与秸秆，堆肥后还田于农田；农田土壤系统供给玉米种植的养分。

在理想模型系统中，生猪养殖系统的规模为X_养殖规模，玉米种植系统的规模为X_种植规模、生猪养殖系统中的外购商用饲料规模为X_外购饲料，为了充分利用有机氮肥资源，生猪产生的粪尿与秸秆堆肥可以完全供给玉米的氮肥，无需外购无机氮肥；玉米谷粒完全作为饲料供给生猪养殖所需氮养分，同时还需外购氮饲料补充。

理想模型中包含一部分氮元素的损失，其中包括：(1)生猪养殖系统氮损失；(2)堆肥氮损失；(3)农田水土流失氮损；(4)玉米对养分吸收效率。如图3所示。

步骤2：选取“猪-玉米”循环农业生产耦合度评价参数：(1)经济效益，(2)氮循环效率；

依据评价循环农业生产方法，选取经济效益和生态效益作为生产目标。经济效益由循环系统中投入的生产成本，以及销售收益构成；生态效益由循环系统的氮元素效率表示。

步骤3：根据步骤1建立“农业生产资料与经济效益”关联；生猪养殖系统关联经济数据包括生猪支出f(X_养殖规模)和生猪收益g(X_养殖规模)；

(1)生猪支出f(X_养殖规模)包括生猪外购饲料A_外购饲料，循环系统内玉米谷粒加工的饲料A_谷粒饲料，猪仔费用A_猪仔，养猪相关物资费用A_物资，如疫苗、税费、电费等，还包括人工成本A_人工成本。则

f(X_养殖规模)＝A_猪仔+A_物资+A_人工成本+A_谷粒饲料+A_外购饲料

＝(a_猪仔+a_物资+a_人工成本+a_谷粒饲料)·X_养殖规模+f(X_外购饲料) (1)

其中，a_猪仔、a_物资、a_人工成本、a_谷粒饲料分别表示每头猪投入的猪仔、消耗物资、人工费用以及玉米加工饲料，f(X_外购饲料)生猪外购饲料支出。

(2)生猪收入g(X_养殖规模)：主要源自商品猪总收益A_收益。

g(X_养殖规模)＝A_收益＝a_收益·X_养殖规模 (2)

其中a_收益表示平均每头商品猪的收益。

玉米种植系统关联经济数据包括玉米支出f(X_种植规模)和玉米收益g(X_种植规模)；玉米支出f(X_种植规模)；

(1)玉米支出f(X_种植规模)包括种子费B_种子、农药费B_农药、收割机械使用的燃料费B_其他费用，还包括人工成本B_人工。则

f(X_种植规模)＝B_种子+B_农药+B_其他费用+B_人工＝(b_种子+b_农药+b_其他费用+b_人工)·X_种植规模 (3)

其中b_种子、b_农药、b_人工、b_其他费用分别表示单位面积种植玉米的种子、农药、人工以及玉米种植生产的相关开销。

(2)玉米收入g(X_种植规模)：产出的谷粒秸秆和根系完全投入循环，无直接经济收入，即g(X_种植规模)＝0。

步骤4:根据步骤1建立农业生产资料与氮平衡数据关联；

根据步骤1的理模型，所述堆肥系统中氮肥完全供给玉米种植系统氮肥，无剩余有机肥料，生猪养殖系统产生粪尿的氮N_粪N_尿、玉米秸秆产生的氮N_秸秆与玉米生长所需氮数量N_玉米生长达到平衡；

N_粪+N_尿+N_秸秆～N_玉米生长即为：

[(n_粪+n_尿)·X_养殖规模+n_秸秆·X_种植规模]～(n_谷粒+n_秸秆)·X_种植规模 (4)

式中，n_粪、n_尿为每头猪生命周期内产出粪尿中含氮量；n_谷粒、n_秸秆为单位面积谷粒和秸秆内含氮量；

商品猪含氮N_商品猪，生猪产生粪尿的氮N_粪N_尿与外购商品饲料的氮N_饲料，玉米谷粒饲料氮N_谷粒饲料平衡。

N_商品猪+N_粪+N_尿～N_谷粒饲料+N_饲料+N_猪仔即为：(n_商品猪+n_粪+n_尿)·X_养殖规模～

(n_谷粒饲料·X_种植规模+n_饲料·X_外购饲料)+n_猪仔·X_养殖规模 (5)

其中，n_商品猪每头商品猪体内所含氮量，n_谷粒饲料为由玉米谷粒转化的谷粒饲料中氮的单位含量、n_饲料单位质量商用饲料所含氮量，n_猪仔每头猪仔体内所含氮量，玉米转化为玉米饲料氮养分无损失，则n_谷粒＝n_谷粒饲料；

步骤5：收集并提炼“猪-玉米”循环农业生产相关的氮元素数据与经济效益数据；所述经济效益数据参照《全国农产品成本收益资料汇编2019》。氮平衡数据由查阅文献获得。

步骤6：根据步骤3与步骤5构建经济效益目标函数；

所述经济效益数据s由生猪养殖系统中的生猪收益g(X_养殖规模)与玉米种植系统中玉米收益g(X_种植规模)构成；

s＝F(X_养殖规模,X_种植规模,X_外购饲料)

＝[g(X_养殖规模)-f(X_养殖规模)]+[g(X_种植规模)-f(X_种植规模)]-f(X_外购饲料) (6)

其中g(X_种植规模)为玉米收入，因为玉米产品全部投入循环，作为循环中间产物，则g(X_种植规模)＝0，所以经济效益目标函数为：

所述经济效益目标函数为：S＝max F(X_养殖规模,X_种植规模,X_外购饲料) (7)

步骤7：根据步骤4与步骤5构建氮平衡约束条件；

根据步骤4中公式(4)，堆肥系统中氮肥完全供给玉米种植系统氮肥，无剩余有机肥料，则玉米种植系统平衡公式为：

{[(n_粪+n_尿)·X_养植规模·L_堆肥损失]+n_秸秆X_种植规模}·L_{水土流失氮}·S_{玉米氮吸收率}＝(n_谷粒+n_秸秆)·X_养殖规模(8)

式中，L_堆肥损失为堆肥损失氮，L_{水土流失氮}为水土流失氮损失，S_{玉米氮吸收率}为玉米吸收氮效率；

根据步骤4中公式(5)，商品猪含氮N_商品猪，生猪产生粪尿的氮N_粪、N_尿与外购商品饲料的氮N_饲料，玉米谷粒饲料氮N_谷粒饲料平衡。

生猪养殖系统平衡公式为：

(n_商品猪+n_粪+n_尿-n_猪仔)·X_养殖规模＝

(n_谷粒饲料·X_种植规模+n_饲料·X_外购饲料)S_{生猪养殖氮} (9)

式中，S_{生猪养殖氮}为生猪氮有效吸收量；

步骤8：根据步骤6与步骤7构建适应度函数，利用粒子群算法求解猪生产规模与玉米种植规模的优化策略，如图4所示。

初始化种群

位置初始化：P＝Initialize(X_Di) (10)

速度初始化：V＝Initialize(V₁,V₂,V₃) (11)

其中，D＝3，所述生猪养殖系统的规模为X_养殖规模＝X_1i，玉米种植系统的规模为X_种植规模＝X_2i、外购商用饲料为X_外购饲料＝X_3i。V₁,V₂,V₃,分别对应粒子速度X_1i,X_2i,X_3i,的初始速度。

将目标函数与约束条件转化为适应度函数，适应度函数由经济效益函数，以及氮平衡约束构成。

根据收集数据，初始化粒子位置：(X_养殖规模,X_种植规模,X_外购饲料)＝(X_1i,X_2i,X_3i)＝(697,15,13)，其中X_1i∈(23,12000)，X_2i∈(0,200)，X_3i∈(0,30000)；初始化粒子速度V_1i∈(23,57)，V_2i＝1，V_3i∈(10,32)。设置粒子群规模为20，计算粒子的适应度值，根据适应度函数确定种群内每个粒子的自适应度值，更新个体极值pbest_i、全局极值gbest，并记录粒子i的个体极值位置Pbest_i＝(p_i1,p_i2,…p_iD)，种群的全局极值位置Gbest＝(g₁,g₂,…g_D)；

迭代循环,设置最大迭代次数2000，惯性权重ω和加速常数c₁、c₂，0<X_养殖规模<100000,0<X_种植规模<50000,通过下式更新粒子速度与位置速度变换公式：

位置变换公式：

x_iD(t+1)＝x_iD(t)+v_iD(t) (12)

其中，v_i表示第i个粒子在t+1次迭代中第D维上的速度，rand是在0到1的随机数；

迭代结束获得最优的结果为，种群的全局极值P_best和全局极值位置G_best最优，其中，P_best表示种植养殖规模，G_best经济效益最优。

Claims (4)

1.基于粒子群算法的循环农业多目标种养规模分配优化方法，其特征是：该方法由以下步骤实现：

步骤一、根据农业资源与农田环境构建循环农业生产理想模型，所述理想模型包括生猪养殖系统、玉米种植系统、堆肥系统和农田土壤系统；

步骤二、选取循环农业生产理想模型的耦合度评价参数，所述评价参数包括经济效益数据和氮平衡数据；

步骤三、根据步骤一构建的循环农业生产理想模型和步骤二选取的评价参数，建立农业生产资料与经济效益数据的关联；

所述生猪养殖系统关联经济效益数据包括生猪支出f(X_养殖规模)和生猪收益g(X_养殖规模)；

生猪支出f(X_养殖规模)用下式表示为：

f(X_养殖规模)＝＝(a_猪仔+a_物资+a_人工成本+a_谷粒饲料)·X_养殖规模+f(X_外购饲料)

式中，a_猪仔、a_物资、a_人工成本、a_谷粒饲料分别为每头猪投入的猪仔、消耗物资、人工成本以及玉米加工饲料，f(X_外购饲料)为生猪外购饲料支出，X_养殖规模为生猪养殖系统的规模；

生猪收入为g(X_养殖规模)源自商品猪出售获得商品猪总收益A_收益，采用下式表示为：

g(X_养殖规模)＝A_收益＝a_收益·X_养殖规模

式中，a_收益为平均每头商品猪的收益；

所述玉米种植系统关联经济效益数据包括玉米支出f(X_种植规模)和玉米收益g(X_种植规模)；玉米支出f(X_种植规模)用下式表示为：

f(X_种植规模)＝(b_种子+b_农药+b_其他费用+b_人工)·X_种植规模

式中，b_种子、b_农药、b_其他费用、b_人工分别为单位面积种植玉米的种子、农药、玉米种植生产的开销以及人工，X_种植规模为玉米种植系统的规模；

玉米收入g(X_种植规模)为产出的谷粒秸秆和根系完全投入循环，无直接经济收入，即g(X_种植规模)＝0；

步骤四、根据步骤一构建的理想模型和步骤二选取的评价参数，建立农业生产资料与氮平衡数据的关联；

设定堆肥系统中氮肥完全供给玉米种植系统氮肥的平衡，即：

[(n_粪+n_尿)·X_养殖规模+n_秸秆X_种植规模]～(n_谷粒+n_秸秆)·X_种植规模

式中，n_粪、n_尿为每头猪生命周期内产出粪尿中含氮量；n_谷粒、n_秸秆为单位面积谷粒和秸秆内含氮量；

生猪养殖系统的氮平衡：

(n_商品猪+n_粪+n_尿)·X_养殖规模～(n_谷粒饲料·X_种植规模+n_饲料·X_外购饲料)+n_猪仔·X_养殖规模

其中，n_商品猪每头商品猪体内所含氮量，n_谷粒饲料为由玉米谷粒转化的谷粒饲料中氮的单位含量、n_饲料单位质量商用饲料所含氮量，n_猪仔每头猪仔体内所含氮量，玉米转化为玉米饲料氮养分无损失，则n_谷粒＝n_谷粒饲料；X_外购饲料为外购商用饲料规模；

步骤五、收集与所述循环农业生产理想模型相关的氮平衡数据与经济效益数据；

步骤六、根据步骤三建立的农业生产资料与经济效益数据的关联以及步骤五收集的经济效益数据，构建经济效益目标函数；

步骤七、根据步骤四建立的农业生产资料与氮平衡数据的关联和步骤五收集的氮平衡数据，构建氮平衡约束条件；

所述玉米种植系统平衡公式为：

{[(n_粪+n_尿)·X_养植规模·L_堆肥损失]+n_秸秆X_种植规模}·L_{水土流失氮}·S_{玉米氮吸收率}＝(n_谷粒+n_秸秆)·X_养殖规模

L_堆肥损失为堆肥损失氮，L_{水土流失氮}为水土流失氮损失，S_{玉米氮吸收率}为玉米吸收氮效率，

生猪养殖系统平衡公式为：

(n_商品猪+n_粪+n_尿-n_猪仔)·X_养殖规模＝

(n_谷粒饲料·X_种植规模+n_饲料·X_外购饲料)S_{生猪养殖氮}

式中，S_{生猪养殖氮}为生猪氮有效吸收量；

步骤八、根据步骤六构建经济效益目标函数和步骤七构建氮平衡约束条件，利用粒子群优化算法，计算每个粒子的适应度值，更新每个粒子的个体最优位置和全局最优位置，以及更新粒子速度和位置，判断是否达到最优条件，实现猪生产规模与玉米种植规模的分配优化；具体过程为：

初始化种群；

位置初始化：P＝Initialize(X_Di)

速度初始化：V＝Initialize(V_1i,V_2i,V_3i)

式中，D＝3，所述生猪养殖系统的规模为X_养殖规模＝X_1i，玉米种植系统的规模为X_种植规模＝X_2i、外购商用饲料为X_外购饲料＝X_3i；V_1i,V_2i,V_3i,分别对应粒子速度X_1i,X_2i,X_3i,的初始速度；

将目标函数与约束条件转化为适应度函数：

S_fitness＝maxF(X_1i,X_2i,X_3i)

计算粒子的适应度值，根据适应度函数确定种群内每个粒子的自适应度值，更新个体极值pbest_i、全局极值gbest、惯性权重ω和加速常数c₁、c₂，并记录粒子i的个体极值位置Pbest_i＝(p_i1,p_i2,…p_iD)、种群的全局极值位置Gbest＝(g₁,g₂,…g_D)；

迭代循环，设置最大迭代次数2000，通过下式更新粒子速度与位置速度变换公式：

v_iD(t+1)＝

ω*v_iD(t)+c₁*rand*(pbest_iD-x_iD(t))+c₂*rand*(gbest_iD-x_iD(t))

位置变换公式：x_iD(t+1)＝x_iD(t)+v_iD(t)

式中，v_i为第i个粒子在t+1次迭代中第D维上的速度，rand是在0到1的随机数；迭代结束获得最优的结果为：种群的全局极值P_best和全局极值位置G_best最优。

2.根据权利要求1所述的基于粒子群算法的循环农业多目标种养规模分配优化方法，其特征在于：步骤一中，所述理想模型中包括氮元素的损失，具体为：生猪养殖系统中氨气排放造，堆肥氮损失，农田水土流失氮损以及玉米对养分吸收效率。

3.根据权利要求1所述的基于粒子群算法的循环农业多目标种养规模分配优化方法，其特征在于：步骤二中，依据循环农业评价方法，选取经济效益和生态效益作为生产目标；经济效益由循环农业生产理想模型的中投入的生产成本，以及销售收益构成；生态效益由农业生产理想模型中的氮元素效率表示。

4.根据权利要求1所述的基于粒子群算法的循环农业多目标种养规模分配优化方法，其特征在于：步骤六中，所述经济效益数据s由生猪养殖系统中的生猪收益g(X_养殖规模)与玉米种植系统中玉米收益g(X_种植规模)构成；

s＝F(X_养殖规模，X_种植规模，X_外购饲料)

＝[g(X_养殖规模)-f(X_养殖规模)]+[g(X_种植规模)-f(X_种植规模)]-f(X_外购饲料)

所述经济效益目标函数为：S＝max F(X_养殖规模,X_种植规模,X_外购饲料)。

Images