当前位置:主页 > 农业论文 > 农业工程论文 >

农村信息化中农机调配策略及调配算法研究

发布时间:2020-04-09 19:40
【摘要】:伴随着中国城镇化进程的不断加快,广大农村传统农田作业方式也随之发生着变化。同时,农田块作业对农机服务也提出了新的要求。在市场经济环境下,农机主期望用最低的成本投入,得到最大经济收益,怎么样达到这个目标,是解决农机主选择农机首要考虑因素。传统的农机作业形式,还是依赖农机主以往的经验和个人喜好来选择要作业的农田块,并不能保证每次作业都是科学合理和利益最大化;另外一种途径,依靠农村社区收集和管理农田块作业信息,向农机主发布作业需求信息,农机主被动等待农机作业任务,缺乏主动性。研究农机主选择农田作业和农村社区主导的农机调配作业具有很强的现实意义。通过分析调配问题,以能够为农机主提供合理的农机调配方案为目的,研究农机调配策略和农机调配算法。本文主要内容如下:1)分析了两种农机调配问题,建立了基于农机主选择的调配模型分析当前农村对农机需求,分析了两种农机调配问题。第一个是基于农机主选择的农机调配问题,客户向服务端反馈自己当前的农机信息和农田块信息,服务端经过调配分析,反馈农机主调配方案供农机主选择;第二个是农村社区为主导的应急调配问题,主要为应对即将到来的极端自然天气对农作物收获的影响,提出及时有效的农机调配方案,降低农田损失,完成应急农田任务。基于农机主选择的农机调配问题分析基础上,建立了基于农机主调配模型。2)基于农机主选择的农机调配模型,提出了相应的农机调配策略为了达到基于农机主选择的农机调配模式低成本高收益的目标,本文首先分析农机作业中各种影响因子,并建立了农机调配收益模型;紧接着研究了并行任务、可行调配路线图和组合调配规则,根据农作物成熟时间窗,对农田作业点分层,构造出可行调配路线图,再结合组合调配规则,生成调配路线。3)构造了农机调配算法农机主有多辆农机同时作业的情况,提出了组合协同调配算法和启发式规则调配算法。组合协同调配算法主要针对当前农田块作业时间窗情况,当前农机主能否提供出符合要求的农机作业能力而提出的;启发式规则调配算法主要是针对当前农机作业状况,将当前的作业信息从新规划,生成新的农机调配路径。4)算法实验分析对农机主调配算法进行实验分析。模拟当前待作业农田块信息和农机信息,结合提出的算法,得到路径可行解供农机主选择。综上所述,本文概述了相关调配技术,比较系统地分析了当前农村农机调配问题,针对这些问题,提出了农机调配策略和调配算法并进行了实验分析。对现实中农机作业有着较强的理论指导和借鉴意义,同时也为其他调配问题提供了参考。
【学位授予单位】:河南大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:S232

【相似文献】

相关会议论文 前1条

1 董家瑞;王精业;潘丽君;;改进的Dijksta算法在装备保障系统中的应用[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

相关博士学位论文 前9条

1 高卫峰;人工蜂群算法及其应用的研究[D];西安电子科技大学;2013年

2 张捷;进化算法及智能数据挖掘若干问题研究[D];西安电子科技大学;2013年

3 程世娟;改进蚁群算法及其在结构系统可靠性优化中的应用[D];西南交通大学;2009年

4 杨振宇;基于自然计算的实值优化算法与应用研究[D];中国科学技术大学;2010年

5 郭庆昌;均值移动算法及在图像处理和目标跟踪中的应用研究[D];哈尔滨工程大学;2008年

6 金劲;群集智能算法在网络策略中的研究及其应用[D];兰州理工大学;2011年

7 郑乐;宽频带雷达目标跟踪理论与算法研究[D];北京理工大学;2015年

8 刘剑;非圆信号波达方向估计算法研究[D];国防科学技术大学;2007年

9 张瑞秋;面向SMT的锥束CT图像重构关键理论与BGA焊点检测算法[D];华南理工大学;2014年

相关硕士学位论文 前10条

1 马萌萌;基于深度学习的极限学习机算法研究[D];中国海洋大学;2015年

2 王依章;基于吸引子传播聚类算法的若干改进方法及其应用[D];吉林财经大学;2016年

3 胡月淼;软件执行轨迹中相似路径挖掘算法研究[D];燕山大学;2016年

4 高延庆;基于多商品流的网络能耗模型与智能算法研究[D];山东大学;2016年

5 蒋昊林;基于辅助微分方程法的CN-FDTD-PML算法研究[D];天津工业大学;2016年

6 万谦;非线性代数方程组求解的布谷鸟算法及其改进算法研究[D];哈尔滨工业大学;2016年

7 李敬敬;基于多元优化过程记忆算法(MOA)的聚类研究[D];云南大学;2016年

8 庞闪闪;萤火虫群优化算法的改进及应用[D];合肥工业大学;2016年

9 刘明明;混合整数非线性规划算法及多阶段随机优化应用[D];湘潭大学;2016年

10 王舒卓;并行蚁群算法的研究[D];东北大学;2013年



本文编号:2621183

资料下载
论文发表

本文链接:https://www.wllwen.com/nykjlw/nygclw/2621183.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e5e3c***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com