CN115860297B - 一种基于改进蚁群算法的牧场保养方法和系统 - Google Patents
一种基于改进蚁群算法的牧场保养方法和系统 Download PDFInfo
- Publication number
- CN115860297B CN115860297B CN202211512492.3A CN202211512492A CN115860297B CN 115860297 B CN115860297 B CN 115860297B CN 202211512492 A CN202211512492 A CN 202211512492A CN 115860297 B CN115860297 B CN 115860297B
- Authority
- CN
- China
- Prior art keywords
- node
- grazing
- flock
- cattle
- nodes
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012423 maintenance Methods 0.000 title claims abstract description 27
- 244000144992 flock Species 0.000 claims abstract description 163
- 241000283690 Bos taurus Species 0.000 claims abstract description 145
- 238000009304 pastoral farming Methods 0.000 claims abstract description 144
- 244000144980 herd Species 0.000 claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 230000003321 amplification Effects 0.000 claims description 30
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 30
- 230000009471 action Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000005012 migration Effects 0.000 claims description 12
- 238000013508 migration Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 description 14
- 241000196324 Embryophyta Species 0.000 description 6
- 239000003016 pheromone Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Housing For Livestock And Birds (AREA)
Abstract
本发明提出了一种基于改进蚁群算法的牧场保养方法和系统。所述牧场保养方法包括:利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点;利用改进后的蚁群算法模型获取节点之间的最短距离以及基于所述多个节点的最优放牧路径,并根据最优放牧路径进行牛群数量进行设置,获得符合最优放牧路径的牛群数量;利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理。所述系统包括与所述方法步骤对应的模块。
Description
技术领域
本发明提出了一种基于改进蚁群算法的牧场保养方法和系统,属于牧场保养保护技术领域。
背景技术
由于目前我国产业重心的转移,农林牧等第一产业劳动力逐渐流失,使得牧场、草场缺乏管理,采用无目标式的放牧方式,进而导致牧区草场出现严重过度放牧的区域,草地资源严重退化,经济发展与草地生态不平衡成为一大问题。而具有良好的寻找最短路径能力和搜索特征,且强鲁棒性等优点的蚁群算法,可以在一定程度上应对这一问题。
因为每个牧场上牛羊群偏好的植物种类不同,牛群会优先选择某类植物,导致这类植物所在的地方就成为了一个个节点,随着越来越多的牛群选择这类植物,会形成到各个节点之间的最短路径,之后的牛群也会更加倾向于选择到下一个节点距离较短的路径,这一路径上的大部分牧草品种则会让牛群践踏,造成大幅度减产,最终会导致节点处以及节点之间最短路径上的植物损失最大。目前解决这一问题的主要方式是收割后让牛采食,或寻找一片大面积荒山或草原种植牧草让牛自由采食。但通过这些方式解决上一问题又会造成新的问题如需要消耗大量人力物力以及时间成本,尤其是适宜放牧的牧场更是可遇不可求。所以,我们可以通过蚁群算法快速得知牛群在一个牧场中偏好的植物种类以及偏好的行走路线,根据得出的结果以及实际情况进行牛群数量的增减或者牧场种植的植物种类以及种植的区域范围的改进。
发明内容
本发明提供了一种基于改进蚁群算法的牧场保养方法和系统,用以解决现有蚁群算法的获取最优路径的准确率低,且,由于现有蚁群算法对于在多个节点中寻找最优路径的搜索效率寻路效率较低的问题,所采取的技术方案如下:
一种基于改进蚁群算法的牧场保养方法,所述牧场保养方法包括:
利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点;
利用改进后的蚁群算法模型获取节点之间的最短距离以及基于所述多个节点的最优放牧路径,并根据最优放牧路径进行牛群数量进行设置,获得符合最优放牧路径的牛群数量;
利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理。
进一步地,利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点,包括:
利用卫星定位系统获取牛群的行动轨迹,并实时采集牛群在一个放牧地点停留的时间长度;
当所述牛群在一个放牧地点停留的时间超过预设的时间阈值时,设定该放牧地点为牛群偏好节点;
将所述牛群偏好节点在卫星定位系统监控的牧场地图内进行标记,获取牛群在牧场内所偏好的多个节点。
其中,所述时间阈值通过如下公式获取:
Ty=T0+ΔT
其中,Ty表示时间阈值;T0表示牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留时长;T1表示牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留时长;T3表示牛群在一个放牧地点进行停留时,出现58%数量的牛出现迁移现象时对应的牛群停留时长;Tp0表示历史记录中牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留平均时长;Tp1表示历史记录中牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留平均时长;且,当Tp0-T0和Tp1-T1同为负数时,另(Tp0-T0)/(Tp1-T1)的符号为负号;当[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)≤(T2-T0),另[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)=1.08×(T2-T0)。
进一步地,所述改进后的蚁群算法模型如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数,可根据具体环境进行设置;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数;且有:
其中,dij表示目标节点i至待选节点j之间的欧氏距离。
进一步地,所述改进后的蚁群算法模型的获取过程如下:
步骤1、提取目标节点i至待选节点j之间的欧氏距离dij;其中,所述欧氏距离dij如下:
其中,q表示放大系数。
步骤2、利用步骤1中的公式(1)和公式(2)进行联立计算,计算过程如公式(3)至公式(5)所示:
步骤3、利用步骤2的(3)至公式(5)进行联立结算,获取距离启发式函数ηij如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数,可根据具体环境进行设置;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数。
进一步地,利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理,包括:
利用卫星定位系统实时监测牛群的行进节点位置和路径,并将所述牛群的行进节点位置和路径发送至管理员终端进行显示;
所述管理员终端在收到卫星定位系统实时监测的牛群的行进节点位置和路径后,将所述牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径进行比较;
判断牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径是否对应,并在牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径不对应时进行报警。
一种基于改进蚁群算法的牧场保养系统,所述牧场保养系统包括:
节点获取模块,用于利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点;
路径获取模块,用于利用改进后的蚁群算法模型获取节点之间的最短距离以及基于所述多个节点的最优放牧路径,并根据最优放牧路径进行牛群数量进行设置,获得符合最优放牧路径的牛群数量;
监控管理模块,用于利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理。
进一步地,所述节点获取模块包括:
行动轨迹获取模块,用于利用卫星定位系统获取牛群的行动轨迹,并实时采集牛群在一个放牧地点停留的时间长度;
节点设定模块,用于当所述牛群在一个放牧地点停留的时间超过预设的时间阈值时,设定该放牧地点为牛群偏好节点;
标记模块,用于将所述牛群偏好节点在卫星定位系统监控的牧场地图内进行标记,获取牛群在牧场内所偏好的多个节点。
其中,所述时间阈值通过如下公式获取:
Ty=T0+ΔT
其中,Ty表示时间阈值;T0表示牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留时长;T1表示牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留时长;T3表示牛群在一个放牧地点进行停留时,出现58%数量的牛出现迁移现象时对应的牛群停留时长;Tp0表示历史记录中牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留平均时长;Tp1表示历史记录中牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留平均时长;且,当Tp0-T0和Tp1-T1同为负数时,另(Tp0-T0)/(Tp1-T1)的符号为负号;当[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)≤(T2-T0),另[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)=1.08×(T2-T0)。
进一步地,所述改进后的蚁群算法模型如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数,可根据具体环境进行设置;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数;且有:
其中,dij表示目标节点i至待选节点j之间的欧氏距离。
进一步地,所述改进后的蚁群算法模型的获取过程如下:
步骤1、提取目标节点i至待选节点j之间的欧氏距离dij;其中,所述欧氏距离dij如下:
其中,q表示放大系数。
步骤2、利用步骤1中的公式(1)和公式(2)进行联立计算,计算过程如公式(3)至公式(5)所示:
步骤3、利用步骤2的(3)至公式(5)进行联立结算,获取距离启发式函数ηij如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数,可根据具体环境进行设置;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数。
进一步地,所述监控管理模块包括:
显示模块,用于利用卫星定位系统实时监测牛群的行进节点位置和路径,并将所述牛群的行进节点位置和路径发送至管理员终端进行显示;
比较模块,用于所述管理员终端在收到卫星定位系统实时监测的牛群的行进节点位置和路径后,将所述牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径进行比较;
判断模块,用于判断牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径是否对应,并在牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径不对应时进行报警。
本发明有益效果:
本发明提出了一种基于改进蚁群算法的牧场保养方法和系统通过改进后的蚁群算法模型进行最短路径的搜索,能够综合利用不同位置之间的信息素浓度和距离进行最优路径搜索,有效提高蚁群算法的搜索效率以及最终的寻路效果。同时,通过牛群停留地点的时间阈值的设定能够在节点未按照牛群自然周期形成时进行一定前瞻性的预判,能够进一步地有效提高最优路径获取的效率和准确性。
附图说明
图1为本发明所述方法的流程图一;
图2为本发明所述方法的流程图二;
图3为本发明所述系统的系统。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提出了一种基于改进蚁群算法的牧场保养方法,如图1所示,所述牧场保养方法包括:
S1、利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点;
S2、利用改进后的蚁群算法模型获取节点之间的最短距离以及基于所述多个节点的最优放牧路径,并根据最优放牧路径进行牛群数量进行设置,获得符合最优放牧路径的牛群数量;
S3、利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理。
上述技术方案的工作原理为:首先,利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点;然后,利用改进后的蚁群算法模型获取节点之间的最短距离以及基于所述多个节点的最优放牧路径,并根据最优放牧路径进行牛群数量进行设置,获得符合最优放牧路径的牛群数量;最后,利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理。
上述技术方案的效果为:本实施例提出了一种基于改进蚁群算法的牧场保养方法通过改进后的蚁群算法模型进行最短路径的搜索,能够综合利用不同位置之间的信息素浓度和距离进行最优路径搜索,有效提高蚁群算法的搜索效率以及最终的寻路效果。同时,通过牛群停留地点的时间阈值的设定能够在节点未按照牛群自然周期形成时进行一定前瞻性的预判,能够进一步地有效提高最优路径获取的效率和准确性,避免由自然方式形成的牛群偏好节点导致节点获取周期过长的问题发生。
本发明的一个实施例,如图2所示,利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点,包括:
S101、利用卫星定位系统获取牛群的行动轨迹,并实时采集牛群在一个放牧地点停留的时间长度;
S102、当所述牛群在一个放牧地点停留的时间超过预设的时间阈值时,设定该放牧地点为牛群偏好节点;
S103、将所述牛群偏好节点在卫星定位系统监控的牧场地图内进行标记,获取牛群在牧场内所偏好的多个节点。
其中,所述时间阈值通过如下公式获取:
Ty=T0+ΔT
其中,Ty表示时间阈值;T0表示牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留时长;T1表示牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留时长;T3表示牛群在一个放牧地点进行停留时,出现58%数量的牛出现迁移现象时对应的牛群停留时长;Tp0表示历史记录中牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留平均时长;Tp1表示历史记录中牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留平均时长;且,当Tp0-T0和Tp1-T1同为负数时,另(Tp0-T0)/(Tp1-T1)的符号为负号;当[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)≤(T2-T0),另[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)=1.08×(T2-T0)。
上述技术方案的工作原理为:首先,利用卫星定位系统获取牛群的行动轨迹,并实时采集牛群在一个放牧地点停留的时间长度;然后,当所述牛群在一个放牧地点停留的时间超过预设的时间阈值时,设定该放牧地点为牛群偏好节点;最后,将所述牛群偏好节点在卫星定位系统监控的牧场地图内进行标记,获取牛群在牧场内所偏好的多个节点。
上述技术方案的效果为:通过牛群停留地点的时间阈值的设定能够在节点未按照牛群自然周期形成时进行一定前瞻性的预判,能够进一步地有效提高最优路径获取的效率和准确性,避免由自然方式形成的牛群偏好节点导致节点获取周期过长的问题发生。同时,通过上述方式进行时间阈值的设定,能够针对每一个牛群停留地点进行针对性的唯一时间阈值的设置,能够有效提高每个地点的时间阈值设置的准确性,以及提高每个节点时间阈值设置与节点实际牛群放牧情况之间的匹配性,进而有效提高时间阈值对于节点是否具备偏好性的筛选准确性。防止统一不变的时间阈值导致其无法根据节点牛群停留实际情况进行自适应调整和针对性设置导致时间阈值设置不准确进而导致牛群偏好节点获取的准确性降低的问题发生。
本发明的一个实施例,所述改进后的蚁群算法模型如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数,可根据具体环境进行设置;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数;且有:
其中,dij表示目标节点i至待选节点j之间的欧氏距离。
其中,所述改进后的蚁群算法模型的获取过程如下:
步骤1、提取目标节点i至待选节点j之间的欧氏距离dij;其中,所述欧氏距离dij如下:
其中,q表示放大系数。
步骤2、利用步骤1中的公式(1)和公式(2)进行联立计算,计算过程如公式(3)至公式(5)所示:
步骤3、利用步骤2的(3)至公式(5)进行联立结算,获取距离启发式函数ηij如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数,可根据具体环境进行设置;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数。
上述技术方案的工作原理和效果为:通过改进后的蚁群算法模型进行最短路径的搜索,能够综合利用不同位置之间的信息素浓度和距离进行最优路径搜索,有效提高蚁群算法的搜索效率以及最终的寻路效果。
本发明的一个实施例,利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理,包括:
S301、利用卫星定位系统实时监测牛群的行进节点位置和路径,并将所述牛群的行进节点位置和路径发送至管理员终端进行显示;
S302、所述管理员终端在收到卫星定位系统实时监测的牛群的行进节点位置和路径后,将所述牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径进行比较;
S303、判断牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径是否对应,并在牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径不对应时进行报警。
上述技术方案的工作原理为:首先,利用卫星定位系统实时监测牛群的行进节点位置和路径,并将所述牛群的行进节点位置和路径发送至管理员终端进行显示;然后,所述管理员终端在收到卫星定位系统实时监测的牛群的行进节点位置和路径后,将所述牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径进行比较;最后,判断牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径是否对应,并在牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径不对应时进行报警。
上述技术方案的效果为:通过上述方式能够有效提高牛群检测效率和牛群放牧监管效率和监管力度。进而为牧场提供效率较高的放牧管理方式。
本发明实施例提出了一种基于改进蚁群算法的牧场保养系统,如图3所示,所述牧场保养系统包括:
节点获取模块,用于利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点;
路径获取模块,用于利用改进后的蚁群算法模型获取节点之间的最短距离以及基于所述多个节点的最优放牧路径,并根据最优放牧路径进行牛群数量进行设置,获得符合最优放牧路径的牛群数量;
监控管理模块,用于利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理。
上述技术方案的工作原理为:首先,通过节点获取模块利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点;然后,利用路径获取模块利用改进后的蚁群算法模型获取节点之间的最短距离以及基于所述多个节点的最优放牧路径,并根据最优放牧路径进行牛群数量进行设置,获得符合最优放牧路径的牛群数量;最后,利用监控管理模块利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理。
上述技术方案的效果为:本实施例提出了一种基于改进蚁群算法的牧场保养系统通过改进后的蚁群算法模型进行最短路径的搜索,能够综合利用不同位置之间的信息素浓度和距离进行最优路径搜索,有效提高蚁群算法的搜索效率以及最终的寻路效果。同时,通过牛群停留地点的时间阈值的设定能够在节点未按照牛群自然周期形成时进行一定前瞻性的预判,能够进一步地有效提高最优路径获取的效率和准确性,避免由自然方式形成的牛群偏好节点导致节点获取周期过长的问题发生。
本发明的一个实施例,所述节点获取模块包括:
行动轨迹获取模块,用于利用卫星定位系统获取牛群的行动轨迹,并实时采集牛群在一个放牧地点停留的时间长度;
节点设定模块,用于当所述牛群在一个放牧地点停留的时间超过预设的时间阈值时,设定该放牧地点为牛群偏好节点;
标记模块,用于将所述牛群偏好节点在卫星定位系统监控的牧场地图内进行标记,获取牛群在牧场内所偏好的多个节点。
其中,所述时间阈值通过如下公式获取:
Ty=T0+ΔT
其中,Ty表示时间阈值;T0表示牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留时长;T1表示牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留时长;T3表示牛群在一个放牧地点进行停留时,出现58%数量的牛出现迁移现象时对应的牛群停留时长;Tp0表示历史记录中牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留平均时长;Tp1表示历史记录中牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留平均时长;且,当Tp0-T0和Tp1-T1同为负数时,另(Tp0-T0)/(Tp1-T1)的符号为负号;当[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)≤(T2-T0),另[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)=1.08×(T2-T0)。
上述技术方案的工作原理为:首先,通过行动轨迹获取模块于利用卫星定位系统获取牛群的行动轨迹,并实时采集牛群在一个放牧地点停留的时间长度;然后,利用节点设定模块当所述牛群在一个放牧地点停留的时间超过预设的时间阈值时,设定该放牧地点为牛群偏好节点;最后,利用标记模块将所述牛群偏好节点在卫星定位系统监控的牧场地图内进行标记,获取牛群在牧场内所偏好的多个节点。
上述技术方案的效果为:上述技术方案的效果为:通过牛群停留地点的时间阈值的设定能够在节点未按照牛群自然周期形成时进行一定前瞻性的预判,能够进一步地有效提高最优路径获取的效率和准确性,避免由自然方式形成的牛群偏好节点导致节点获取周期过长的问题发生。同时,通过上述方式进行时间阈值的设定,能够针对每一个牛群停留地点进行针对性的唯一时间阈值的设置,能够有效提高每个地点的时间阈值设置的准确性,以及提高每个节点时间阈值设置与节点实际牛群放牧情况之间的匹配性,进而有效提高时间阈值对于节点是否具备偏好性的筛选准确性。防止统一不变的时间阈值导致其无法根据节点牛群停留实际情况进行自适应调整和针对性设置导致时间阈值设置不准确进而导致牛群偏好节点获取的准确性降低的问题发生。
本发明的一个实施例,所述改进后的蚁群算法模型如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数,可根据具体环境进行设置;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数;且有:
其中,dij表示目标节点i至待选节点j之间的欧氏距离。
具体的,所述改进后的蚁群算法模型的获取过程如下:
步骤1、提取目标节点i至待选节点j之间的欧氏距离dij;其中,所述欧氏距离dij如下:
其中,q表示放大系数。
步骤2、利用步骤1中的公式(1)和公式(2)进行联立计算,计算过程如公式(3)至公式(5)所示:
步骤3、利用步骤2的(3)至公式(5)进行联立结算,获取距离启发式函数ηij如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数,可根据具体环境进行设置;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数。
上述技术方案的工作原理和效果为:通过改进后的蚁群算法模型进行最短路径的搜索,能够综合利用不同位置之间的信息素浓度和距离进行最优路径搜索,有效提高蚁群算法的搜索效率以及最终的寻路效果。
本发明的一个实施例,所述监控管理模块包括:
显示模块,用于利用卫星定位系统实时监测牛群的行进节点位置和路径,并将所述牛群的行进节点位置和路径发送至管理员终端进行显示;
比较模块,用于所述管理员终端在收到卫星定位系统实时监测的牛群的行进节点位置和路径后,将所述牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径进行比较;
判断模块,用于判断牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径是否对应,并在牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径不对应时进行报警。
上述技术方案的工作原理为:首先,通过显示模块利用卫星定位系统实时监测牛群的行进节点位置和路径,并将所述牛群的行进节点位置和路径发送至管理员终端进行显示;然后,利用比较模块控制所述管理员终端在收到卫星定位系统实时监测的牛群的行进节点位置和路径后,将所述牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径进行比较;最后,采用判断模块判断牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径是否对应,并在牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径不对应时进行报警。
上述技术方案的效果为:通过上述方式能够有效提高牛群检测效率和牛群放牧监管效率和监管力度。进而为牧场提供效率较高的放牧管理方式。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种基于改进蚁群算法的牧场保养方法,其特征在于,所述牧场保养方法包括:
利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点;
利用改进后的蚁群算法模型获取节点之间的最短距离以及基于所述多个节点的最优放牧路径,并根据最优放牧路径进行牛群数量进行设置,获得符合最优放牧路径的牛群数量;
利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理;
其中,利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理,包括:
利用卫星定位系统实时监测牛群的行进节点位置和路径,并将所述牛群的行进节点位置和路径发送至管理员终端进行显示;
所述管理员终端在收到卫星定位系统实时监测的牛群的行进节点位置和路径后,将所述牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径进行比较;
判断牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径是否对应,并在牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径不对应时进行报警;
其中,利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点,包括:
利用卫星定位系统获取牛群的行动轨迹,并实时采集牛群在一个放牧地点停留的时间长度;
当所述牛群在一个放牧地点停留的时间超过预设的时间阈值时,设定该放牧地点为牛群偏好节点;
将所述牛群偏好节点在卫星定位系统监控的牧场地图内进行标记,获取牛群在牧场内所偏好的多个节点;
其中,所述时间阈值通过如下公式获取:
Ty=T0+ΔT
其中,Ty表示时间阈值;T0表示牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留时长;T1表示牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留时长;T2表示牛群在一个放牧地点进行停留时,出现58%数量的牛出现迁移现象时对应的牛群停留时长;Tp0表示历史记录中牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留平均时长;Tp1表示历史记录中牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留平均时长;且,当Tp0-T0和Tp1-T1同为负数时,令(Tp0-T0)/(Tp1-T1)的符号为负号;当[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)≤(T2-T0),令[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)=1.08×(T2-T0)。
2.根据权利要求1所述牧场保养方法,其特征在于,所述改进后的蚁群算法模型如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数;且有:
其中,dij表示目标节点i至待选节点j之间的欧氏距离。
3.根据权利要求1所述牧场保养方法,其特征在于,所述改进后的蚁群算法模型的获取过程如下:
步骤1、提取目标节点i至待选节点j之间的欧氏距离dij;其中,所述欧氏距离dij如下:
其中,q表示放大系数;
步骤2、利用步骤1中的公式(1)和公式(2)进行联立计算,计算过程如公式(3)至公式(5)所示:
步骤3、利用步骤2的(3)至公式(5)进行联立结算,获取距离启发式函数ηij如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数。
4.一种基于改进蚁群算法的牧场保养系统,其特征在于,所述牧场保养系统包括:
节点获取模块,用于利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点;
路径获取模块,用于利用改进后的蚁群算法模型获取节点之间的最短距离以及基于所述多个节点的最优放牧路径,并根据最优放牧路径进行牛群数量进行设置,获得符合最优放牧路径的牛群数量;
监控管理模块,用于利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理;
其中,利用卫星定位系统和管理员终端监控牛群放牧情况,并进行牛群放牧信息管理,包括:
利用卫星定位系统实时监测牛群的行进节点位置和路径,并将所述牛群的行进节点位置和路径发送至管理员终端进行显示;
所述管理员终端在收到卫星定位系统实时监测的牛群的行进节点位置和路径后,将所述牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径进行比较;
判断牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径是否对应,并在牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径不对应时进行报警;
其中,利用卫星定位系统获取牛群的行动轨迹,并通过所述行动轨迹获取牛群在牧场内所偏好的多个节点,包括:
利用卫星定位系统获取牛群的行动轨迹,并实时采集牛群在一个放牧地点停留的时间长度;
当所述牛群在一个放牧地点停留的时间超过预设的时间阈值时,设定该放牧地点为牛群偏好节点;
将所述牛群偏好节点在卫星定位系统监控的牧场地图内进行标记,获取牛群在牧场内所偏好的多个节点;
其中,所述时间阈值通过如下公式获取:
Ty=T0+ΔT
其中,Ty表示时间阈值;T0表示牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留时长;T1表示牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留时长;T2表示牛群在一个放牧地点进行停留时,出现58%数量的牛出现迁移现象时对应的牛群停留时长;Tp0表示历史记录中牛群在一个放牧地点进行停留时,出现12%数量的牛出现迁移现象时对应的牛群停留平均时长;Tp1表示历史记录中牛群在一个放牧地点进行停留时,出现46%数量的牛出现迁移现象时对应的牛群停留平均时长;且,当Tp0-T0和Tp1-T1同为负数时,令(Tp0-T0)/(Tp1-T1)的符号为负号;当[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)≤(T2-T0),令[1+(Tp0-T0)/(Tp1-T1)]×(T2-T0)=1.08×(T2-T0)。
5.根据权利要求4所述牧场保养系统,其特征在于,所述节点获取模块包括:
行动轨迹获取模块,用于利用卫星定位系统获取牛群的行动轨迹,并实时采集牛群在一个放牧地点停留的时间长度;
节点设定模块,用于当所述牛群在一个放牧地点停留的时间超过预设的时间阈值时,设定该放牧地点为牛群偏好节点;
标记模块,用于将所述牛群偏好节点在卫星定位系统监控的牧场地图内进行标记,获取牛群在牧场内所偏好的多个节点;
其中,所述监控管理模块包括:
显示模块,用于利用卫星定位系统实时监测牛群的行进节点位置和路径,并将所述牛群的行进节点位置和路径发送至管理员终端进行显示;
比较模块,用于所述管理员终端在收到卫星定位系统实时监测的牛群的行进节点位置和路径后,将所述牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径进行比较;
判断模块,用于判断牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径是否对应,并在牛群的行进节点位置和路径与牛群在牧场内所偏好的多个节点和最优放牧路径不对应时进行报警。
6.根据权利要求4所述牧场保养系统,其特征在于,所述改进后的蚁群算法模型如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数;且有:
其中,dij表示目标节点i至待选节点j之间的欧氏距离。
7.根据权利要求4所述牧场保养系统,其特征在于,所述改进后的蚁群算法模型的获取过程如下:
步骤1、提取目标节点i至待选节点j之间的欧氏距离dij;其中,所述欧氏距离dij如下:
其中,q表示放大系数;
步骤2、利用步骤1中的公式(1)和公式(2)进行联立计算,计算过程如公式(3)至公式(5)所示:
步骤3、利用步骤2的(3)至公式(5)进行联立结算,获取距离启发式函数ηij如下:
其中,表示目标节点i至待选节点j之间的距离放大函数;dje表示待选节点j与目标节点i之间的欧氏距离;dse表示牛群出发节点与目标节点i之间的欧式距离;ω和λ分别表示距离放大系数;Dmax和Dmin分别表示目标节点i与所有可选择的待选节点j之间的最大距离值和最小距离值;ηij表示蚁群算法中距离启发式函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211512492.3A CN115860297B (zh) | 2022-11-28 | 2022-11-28 | 一种基于改进蚁群算法的牧场保养方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211512492.3A CN115860297B (zh) | 2022-11-28 | 2022-11-28 | 一种基于改进蚁群算法的牧场保养方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115860297A CN115860297A (zh) | 2023-03-28 |
CN115860297B true CN115860297B (zh) | 2023-10-13 |
Family
ID=85667845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211512492.3A Active CN115860297B (zh) | 2022-11-28 | 2022-11-28 | 一种基于改进蚁群算法的牧场保养方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860297B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2016107263A (ru) * | 2016-02-29 | 2017-09-01 | Сергей Анатольевич Огарков | Способ управления курсом передвижения сельскохозяйственных животных |
CN110095122A (zh) * | 2019-05-10 | 2019-08-06 | 安徽工程大学 | 一种基于改进蚁群算法的移动机器人路径规划方法 |
CN110160546A (zh) * | 2019-05-10 | 2019-08-23 | 安徽工程大学 | 一种移动机器人路径规划方法 |
-
2022
- 2022-11-28 CN CN202211512492.3A patent/CN115860297B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2016107263A (ru) * | 2016-02-29 | 2017-09-01 | Сергей Анатольевич Огарков | Способ управления курсом передвижения сельскохозяйственных животных |
CN110095122A (zh) * | 2019-05-10 | 2019-08-06 | 安徽工程大学 | 一种基于改进蚁群算法的移动机器人路径规划方法 |
CN110160546A (zh) * | 2019-05-10 | 2019-08-23 | 安徽工程大学 | 一种移动机器人路径规划方法 |
Non-Patent Citations (3)
Title |
---|
"基于海量牧区羊群轨迹的区域属性挖掘研究";杜永兴 等;《计算机应用研究》;1033-1036 * |
"改进蚁群算法在AGV路径规划上的研究";岳春擂 等;《计算机工程与设计》;2533-2541 * |
杜永兴 ; 展镖 ; 李宝山 ; 秦岭 ; .无人值守放牧监测系统报警准确率的研究.测控技术.2016,(08),122-125. * |
Also Published As
Publication number | Publication date |
---|---|
CN115860297A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Poole et al. | DNA‐based population estimate for grizzly bears Ursus arctos in northeastern British Columbia, Canada | |
Harrison et al. | A comparison of population survey techniques for swift foxes (Vulpes velox) in New Mexico | |
Comer et al. | Fine‐scale genetic structure and social organization in female white‐tailed deer | |
Howe et al. | Combining data from 43 standardized surveys to estimate densities of female American black bears by spatially explicit capture–recapture | |
Sawaya et al. | Evaluation of noninvasive genetic sampling methods for cougars in Yellowstone National Park | |
Harms et al. | Habitat associations of secretive marsh birds in Iowa | |
Doyle et al. | New insights into the phylogenetics and population structure of the prairie falcon (Falco mexicanus) | |
Berry et al. | Genetic tagging reveals a significant impact of poison baiting on an invasive species | |
Vigilant et al. | Using genetics to understand the dynamics of wild primate populations | |
King et al. | Conservation genetics of the American horseshoe crab (Limulus polyphemus): allelic diversity, zones of genetic discontinuity, and regional differentiation | |
CN115860297B (zh) | 一种基于改进蚁群算法的牧场保养方法和系统 | |
Wilbert et al. | Non-invasive baseline genetic monitoring of the endangered San Joaquin kit fox on a photovoltaic solar facility | |
Rosengren et al. | Sexual reproduction in the phyllodioicous bryophyte Homalothecium lutescens (Hedw.) H. Rob. in relation to habitat age, growth conditions and genetic variation | |
Jordano | Frugivores, seeds and genes: analysing the key elements of seed shadows. | |
Kawaguchi | Risk factors for bacterial spot on peach in Okayama Prefecture, Japan | |
McMahon et al. | The influence of habitat heterogeneity on bird diversity in Irish farmland | |
Suzuki-Ohno et al. | Applying geographic profiling used in the field of criminology for predicting the nest locations of bumble bees | |
Hooker | Estimating population parameters of the Louisiana black bear in the Tensas River Basin, Louisiana, using robust design capture-mark-recapture | |
Beckmann | Carnivore conservation and search dogs: the value of a novel, non-invasive technique in the Greater Yellowstone Ecosystem | |
Horváth | Habitat-and prey-selection of imperial eagles (Aquila heliaca) | |
Achord et al. | Monitoring the migrations of wild Snake River spring/summer Chinook salmon juveniles, 2010-2011 | |
Campbell et al. | Origin and Extent of Rainbow Trout Hybridization and Introgression of Westslope Cutthroat Trout Populations in the Pend Oreille Drainage, Idaho: Completion Report | |
Keem et al. | Evaluating predator control using two non-invasive population metrics: a camera trap activity index and density estimation from scat genotyping | |
Narayan et al. | Genetic insights to assist management of the Critically Endangered hangul Cervus hanglu hanglu in the Kashmir Himalaya | |
Cleaver et al. | Limber pine and white pine blister rust monitoring and assessment guide for Rocky Mountain National Park |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |