改进遗传算法在油茶果采摘机优化中的应用

　　摘要:为了提升算法在求解优化问题时的性能，提出了一种改进的实数遗传算法(ＲCGA)。算法的改进之处在于引入了一种新的交叉算子及替换操作:交叉算子通过增大算子的搜索范围来提升解的质量与算法收敛速度;替换操作则同时考虑了个体目标函数值与多样性贡献率两个特征，以方波函数的模式对种群进行周期性的局部初始化操作，从而增大种群多样性。将改进的算法应用于油茶果采摘机的优化设计中，通过一系列的对比实验验证了改进算法的性能优于其他先进有效的算法;同时，改进后的算法能够明显优化采摘机的工作空间与采摘臂的长度，使整体结果提升了63．49%。可见，改进后的算法是解决采摘机优化的一种有效方法。

　　关键词:油茶果采摘机;实数遗传算法;交叉算子;替换操作

　　0引言

　　遗传算法是一种特殊的元启发式优化算法，它以生物进化理论为基础，利用统计学方法对一个大而有限的解空间进行智能搜索，是目前最常用、最有效的进化算法，被成功地应用于多个领域［1－6］。遗传算法的搜索能力主要受两个因素影响，即种群竞争压力与多样性［5］。竞争压力过小，算法的搜索过程会变得随机，降低收敛速度;而如果迭代初期种群就失去多样性，会使算法搜索过程停滞，陷入局部最优区域。由此可知，种群竞争压力与多样性成反比关系，增大竞争压力会加速种群多样性的丧失，而维持种群多样性则抵消了竞争压力的影响［7］。因此，只有当种群同时具有多样性与竞争压力时，算法才会有较强的搜索能力。

　　1改进算法简介

　　1．1目标函数的构造方法

　　为了将有约束优化问题转化为无约束优化问题，引入罚函数概念［3］，通过惩罚不可行解将约束条件附加至原目标函数中形成一个增广目标函数，转换形式为F(x)=f(x)+MC(1)C=∑pi=1＜gi(x)＞2+∑qj=1［hj(x)］2(2)式中f(x)—约束优化问题的原目标函数;M—惩罚系数;C—惩罚项。惩罚系数通常选取一个足够的大的数，而惩罚项由p个不等式约束gi(x)与q个等式约束hj(x)构成。当gi(x)为负值时，符号‘＜＞’表示操作数的绝对值;当gi(x)为非负数时，则返回零值。

　　1．2选择算子

　　选择算子作用于整个种群，选择最具潜力的个体参与交叉操作，目的在于将有利基因遗传到下一代。本文选用排序分组选择，根据目标函数值将种群分为两组:一组由目标函数值较好的个体构成，另一组由目标函数值较差的个体构成。两组个体依次配对能够增大配对个体差异性，避免近亲繁殖［7］。

　　2实例分析

　　2．1油茶果采摘机优化模型建立

　　随着我国油茶果种植面积的不断扩增，油茶果采摘效率低下制约着其产业的发展，因此优化油茶果采摘机具有重大的研究意义［10］。油茶果采摘机的优化主要包括两方面:一是采摘臂长度的优化，二是采摘机工作空间的优化。油茶果采摘机的执行机构及油茶果分布空间的详细信息如文献所示［11］。采摘机优化过程中涉及的变量包括:主柱高L1，主臂长L2，副臂长L3，主臂的转角θ2，副主臂的转角θ3。通过固定限制角的分段作图法得出采摘机执行机构末端在二维平面内的工作空间图，如图5(a)所示。工作空间由4条曲线构成，曲线的方程依次为S1:L23=(x－L2cosθ2max)2+(y－L2sinθ2max－L1)2S2:L23+L22－2L2L3cosθ3max=x2+(y－L1)2S3:L23=(x－L2cosθ2min)2+(y－L2sinθ2min－L1)2S4:L23+L22－2L2L3cosθ3min=x2+(y－L1?2(5)

　　2．2优化计算结果分析

　　根据油茶果的生长范围对a、b、c、d进行赋值，依次为a=1．5、b=0．3、c=1．9、d=2．8。利用本文改进的算法进行求解，本文改进算法的参数设置如表1所示。

　　3结论

　　为了提升算法搜索性能，提出了一种简单的IX交叉算子及SSＲ替换操作。IX算子的特点在于通过增加交叉方向，扩大算子的搜索区域来提升解的质量与收敛速度。SSＲ操作的特点则是根据父代目标函数值与多样性贡献率两个因素更新种群，同时对种群进行周期性的初始化操作，以维持种群多样性。将改进后的算法应用于油茶果采摘机的优化问题上，通过对比实验可知:改进的算法性能优于其他先进的算法，且改进的算法能够明显优化采摘机模型，使采摘机能够在满足工作空间的前提下机械臂的长度最小。

　　参考文献:

　　［1］HoseinianFatemehSadat，AbdollahzadehAliakbar，ＲezaiBahram．Semi－autogenousmillpowerpredictionbyhybridneuralgeneticalgorithm［J］．JournalofCentralSouthUniversity，2018，25(1):151－158．

　　［2］吴刚，邱煜晶，王国仁．基于隐马尔可夫模型和遗传算法的地图匹配算法［J］．东北大学学报，2017，38(4):472－475．

　　［3］陈齐平，舒红宇，任凯，等．基于改进遗传算法的微型电动车轮毂电机优化设计［J］．中南大学学报:自然科学版，2012，43(8):130－135．

　　［4］何庆，吴意乐，徐同伟．改进遗传模拟退火算法在TSP优化中的应用［J］．控制与决策，2018(2):219－225．

《改进遗传算法在油茶果采摘机优化中的应用》

上一篇：基于模型的智慧农业平台的构建

下一篇：仿生多面体型几何结构镇压辊的设计与试验