多目标遗传算法在饲料配方设计中的应用.pdf

《多目标遗传算法在饲料配方设计中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第30卷第3期河南工业大学学报(自然科学版)Vo1．30．No．32009年6月JournalofHenanUniversityofTechnology(NaturalScienceEdition)Jun．2009文章编号：1673-2383(2009)03--0075～04多目标遗传算法在饲料配方设计中的应用牛理想，王高平(河南工业大学信息科学与工程学院，河南郑州450001)摘要：有别于传统的单目标方法，将饲料配方设计问题描述成为一个多目标最优化问题，并提出了一种改进的多目标遗传算法，应用模拟退火算法

2、解决多目标遗传算法的局部搜索能力差和易早熟问题．实验结果表明，该算法能有效地求解饲料配方设计问题并为设计者提供了强有力的决策支持．关键词：遗传算法；多目标优化；模拟退火；饲料配方设计中图分类号：TS251文献标识码：B采用了以一定概率接受扰动，跳到比当前解还劣0引言的解的方法，这就一定程度上避免了陷入局部最优的问题．另外锦标赛选择算法有效的减小种在饲养业中，要发挥饲养对象的最大生产潜群选择压力，用它代替常用的赌轮选择操作，可以能、提高饲料转化效率、增加产量、降低成本，关键克服传统遗传算法容易陷入早熟的缺陷

3、，同时还的技术措施是配制营养完善和平衡的饲料．高效、可提高算法的全局及局部解的搜索能力．在进先进的算法是计算机在饲料配方设计的实际应用化过程中又采用了基于聚集密度的群体多样性保中发挥作用的前提．作者引进改进的多目标遗传持策略，以保证进化结果朝均匀分布的非劣解算法用于解决在在饲料配方设计中的最优化前端演化，应用结果验证了该方法的有效性．问题．由于多个目标函数之间可能存在的冲突，多1问题描述个目标函数不可能同时达到各自的最优解，因此多目标优化就是找出互相协调的满意解，而不饲料配方决策的优化问题是一个组合优化问

4、是完全意义上的最优解．基于Pareto的优化方法题，它需要将一组原料按一定比例组合成满足特一般将多个目标值直接映射到适应度函数中，通定营养需求的配方且市场价格最低并且满足饲料过比较函数值的占优关系来搜索问题的有效解中的各营养成分含量．设有种原料和m种的饲集，可以得到一系列的非劣解，是一类很有效的方料营养需求，原料中各营养成分含量分别为o，。，法．由于遗传算法隐含的并行性、随机性和高度的0l2，⋯，01爪；0；21，0；2．2，⋯，0；2m；口H1，0n2，⋯，口nm·鲁棒性，所以在基于Pareto优化方法

5、的实现上应饲料中的各营养成分含量分别为b，b：，⋯，b．各用最为广泛，先后出现了一系列经典的算法J，原料的价格分别为c。，C，⋯，C．求设计的配合饲并得到成功的应用．然而，这些算法仍存在一些问料优化函数厂()为最小时，各原料的配合率(％)题，如局部搜索能力差，易产生早熟现象，即陷入，：，⋯，．配合饲料的组合优化问题为：局部最优，从而导致算法收敛性能差，无法找到全目标函数：局最优解或需要很长时间才能找到全局最优解．而模拟退火算法不仅具有局部搜索能力强，而且其中()=cli+c22+⋯+Cn戈收稿日期：200

6、9-0l_08fi()=(=作者简介：牛理想(1981一)，男，河南周[j人，硕士研究生，研究方向为智能优化决策．2，3，⋯，m)76河南工业大学学报(自然科学版)第3O卷t序集，并把前Ⅳ一IP1个个体填充P中．，>0(=1，2，⋯，n)求解过程就是在这些参数约束中寻找满足条Step6：在P．+．上执行选择，交叉和变异操作件的最优组合．生成新一代Q，若终止条件满足则结束，输出P⋯，否则t=t+1转Step2．2多目标优化问题解决算法2．2遗传操作描述2．2．1编码2．1加入模拟退火局部搜索的多目标遗传算法

7、使用二进制多参数映射编码，其基本思想是2．1．1算法的基本流程图把每个参数先进行二进制编码得到子串，再把这算法的基本流程如图1所示，首先初始化种些子串按一定顺序连成一个完整的染色体．如果群得到一定规模的个体，终止条件一般采用一定在饲料配方中用到了玉米，高粱，大麦，麦麸，豆的代数限制，如果超出代数则输出优化结果，否则饼，葵仁饼，菜籽饼和苜蓿草粉这些原料，则用8计算出目标函数值，再根据目标函数值进行非劣位二进制表示它们的重量．分层，并对处于一级和二级的非劣解进行局部搜如：玉米100(O1100100)高粱76

8、(01001100)索．根据个体所处的层数和聚集距离来确定选择大麦56(00111000)麦麸25(00011001)豆饼36概率，然后进行传统的选择、交叉、变异．(00100100)葵花仁饼65(01000001)菜籽饼55(00110111)苜蓿草粉12(00001100)其编码如下：01100100101001100f00011001100011001l00100100101000001l00l10111100001l0