一种基于遗传算法的烤烟培植决策方法及系统与流程

本发明涉及烤烟培植领域，更具体地说，涉及一种基于遗传算法的烤烟培植决策方法及系统。

背景技术：

烤烟是我国经济作物中一项重要的农产品，具有投资少和利润高等特点，在农业经济、国际贸易和财政收入中占有重要地位。烤烟是产、质量并重的作物，其产、质量是由烤烟品种、生态环境和培植过程共同作用的结果。烤烟品种作为烟叶生产的基础，通过培育出优良性状的品种可以从根本上提高烟叶的质量效益，但品种培育或改良需要相当长的时间。生态环境包括气候环境和土壤环境，属于烟区固有的条件，在短期内是很难改变的。不同于烤烟品种和产区生态环境，烤烟的培植过程是灵活可控的，可以从种植密度、留叶数、施肥量等多方面加以控制以提高烤烟的质量效益。

传统的烤烟培植决策往往依赖于烟农长期的培植经验。但由于不同品种烤烟以及各地区生态条件的差异，导致烟农在烤烟培植过程的决策中具有较大的主观性和不确定性，使得烤烟在产量和质量上无法达到最佳的综合生产目标。决策支持系统可以通过模型计算、列举可能方案等方式，为农业生产的管理者提供帮助，目前烤烟相关的决策支持系统中采用的方案一般都是通过模型计算并和实际的情况对比，给出可行的培植措施。本专利针对烤烟培植决策问题，提出了一种基于遗传算法的烤烟培植决策支持系统，该系统可以给出较合理的烤烟培植方案，用于指导烤烟生产。

技术实现要素：

本发明要解决的技术问题在于，针对最大化提高烤烟培植的产、质量，辅助烟农进行烤烟培植的决策，提供一种基于遗传算法的烤烟培植决策方法及系统。

本发明解决其技术问题所采用的技术方案是：构造一种基于遗传算法的烤烟培植决策方法，具体包括以下步骤：

s1、从数据库中获取烤烟培植过程的数据；

s2、对获取到的数据进行预处理，剔除数据中的异常数据和离群数据；

s3、利用步骤s2预处理后的数据，使用人工神经网络对烤烟的产量和质量进行建模，分别建立烤烟产量、质量评价模型；

s4、采用遗传算法建立以烤烟产区生态条件和烤烟培植过程为约束条件，以步骤s3中建立的烤烟产、质量评价模型作为适应度函数，建立以烤烟质量和产量为目标的优化模型；通过建立的优化模型，求得在最佳生产目标情况下的烤烟培植决策支持的结果。

进一步的，步骤s1中将获取到的数据分为影响因素数据集i和质量效益评价指标数据集o；其中，所述影响因素数据集i中包括若干项影响因素指标，所述质量效益评价指标数据集o中包括若干项评价指标。

进一步的，步骤s2中利用dbscan算法对获取的数据进行预处理，剔除数据中的异常数据和离群数据。

进一步的，步骤s3中，采用用指数和法，针对每项质量评价指标数据，烤烟质量评价模型为各项质量评价模型的叠加组合；其中，指数和法的表达式为：

其中，yi表示第i个质量评价指标的评价结果，ai表示第i个评价指标所占的权重，y表示质量综合评价结果；

烤烟的产量评价模型为z＝yn+1；其中，yn+1为烤烟的产量评价结果。

进一步的，步骤s4中通过遗传算法求解烤烟培植决策支持结果的步骤包括：

s41、获取待决策的烤烟品种、烤烟培植过程中的气候条件x1、土壤条件x2以及预期培植目标；所述预期培植目标包括预期烤烟质量ytarget和烤烟亩产量ztarget。

s42、根据烤烟产、质量评价模型，分别建立烤烟质量适应度函数fy和烤烟产量适应度函数fz；

s43、根据获取的待决策的烤烟品种、气候条件x1、土壤条件x2以及预期培植目标，对数据库中的数据进行筛选，找出历史数据中当前烤烟品种同等生态环境下满足预期培植目标的培植措施，并建立初代种群m0；

s44、利用步骤s42中建立的烤烟质量适应度函数fy和烤烟产量适应度函数fz，对初代种群m0的个体进行适应度评估，分别计算得出初代种群m0中每个个体的预期质量和预期产量；

s45、根据步骤s41中输入的预期培植目标，使用遗传算法对初代种群m0进行选择、变异、交叉计算后，形成与初代种群m0相对应的子代m1；

s46、重复执行步骤s44-s45，且迭代次数定义为n次；迭代n次后，最终得到子代mn；

s47、利用步骤s42中建立的烤烟质量适应度函数fy和烤烟产量适应度函数fz，对子代mn进行适应度评估，并结合步骤s44计算得到的初代种群m0中每个个体的预期质量和预期产量，找出在满足预期目标的基础下，子代mn中预期质量或预期产量最大的个体；将该个体的培植参数和预期烤烟质、产量作为烤烟培植决策支持的最终结果。

进一步的，在初代种群m0中个体数量不足的情况下，以烤烟品种、气候条件x1、土壤条件x2和预期培植目标作为边界约束条件；根据所述边界约束条件，随机生成若干个个体，扩充初代种群m0的规模。

进一步的，步骤s45中使用遗传算法计算得到新的种群的过程为：首先，利用轮盘赌法从初代种群m0中选择接近预期培植目标的个体，构成若干对父代和母代；其次，通过交叉概率系数依次对每对父代和母代进行交叉，得到与每对父代和母代相对应的若干个个体；最后，根据变异概率系数对交叉产生的每个个体进行变异操作，得到子代m1。

本发明提供的一种基于遗传算法的烤烟培植决策系统，具体包括：

数据库模块，用于存储烤烟培植数据、烤烟培植评价模型、烤烟培植决策的结果；

数据获取模块，用于从数据库模块中获取烤烟培植过程相关的数据；

数据预处理模块，用于对获取到的数据进行预处理，剔除数据中的异常数据和离群数据；

服务器后台模块，用于对其内部所包括的模块进行封装，并利用计算机编程语言编写成动态链接库来实现其内部包括的所有模块所具备的功能；

前端界面模块，用于在显示设备上显示从服务器后台模块调取的数据。

进一步的，服务器后台模块还包括烤烟产、质量建模模块和烤烟培植决策模块，其中：

烤烟产、质量建模模块，用于使用人工神经网络对烤烟的产量和质量进行建模，建立烤烟产、质量评价模型；

烤烟培植决策模块，用于采用遗传算法建立以烤烟产区生态条件和烤烟培植过程为约束条件，以烤烟质量和产量为目标的优化模型；求得在最佳生产目标情况下的烤烟培植决策支持的结果。

进一步的，服务器后台模块中还设置了定期自动更新模型的更新功能；在使用烤烟培植决策功能时，直接调用烤烟产、质量建模模块中的烤烟评价模型；服务器后台模块中，采用c#语言编写动态链接库。

在本发明所述的一种基于遗传算法的烤烟培植决策方法中，采用遗传算法建立以烤烟产区生态条件和烤烟培植过程为约束条件，以烤烟质量和产量为目标的优化模型；通过给定烤烟产区的气候环境、土壤环境和期望达到的烤烟培植目标，计算得出栽培措施参数和可以达到的产量和质量，为烟农提供有效的决策支持。

实施本发明的一种基于遗传算法的烤烟培植决策方法及系统，具有以下有益效果：

1、通过对获取的烤烟培植数据进行预处理，剔除异常数据，建立完整的烤烟培植影响因素和产量、质量等评价指标数据库；

2、设计烤烟产量和质量评价模型，根据案例库中的数据建立模型库。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是基于遗传算法的烤烟培植决策的方法流程图；

图2是基于遗传算法的烤烟培植决策的系统结构图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

请参考图1，其为基于遗传算法的烤烟培植决策的方法流程图，具体包括以下步骤：

s1、从数据库中获取烤烟培植过程的数据；其中，步骤s1中将获取到的数据分为影响因素数据集i和质量效益评价指标数据集o；所述影响因素数据集i中包括若干项影响因素指标，所述质量效益评价指标数据集o中包括若干项评价指标。

s2、本实施例中利用dbscan算法对获取到的数据进行预处理，剔除数据中的异常数据和离群数据。

s3、利用步骤s2预处理后的数据，使用人工神经网络对烤烟的产量和质量进行建模，分别建立烤烟产量、质量评价模型；本实施例中，采用指数和法，针对每项质量评价指标数据，烤烟质量评价模型为各项质量评价模型的叠加组合；其中，指数和法的表达式为：

其中，yi表示第i个质量评价指标的评价结果，ai表示第i个评价指标所占的权重，y表示质量综合评价结果；

烤烟的产量评价模型为z＝yn+1；其中，yn+1为烤烟的产量评价结果。

本实施例中，针对不同质量评价指标，其权重设定为：

表1

最终建立的评价模型可以表示为：

其中，参数x1、x2和x3代表烤烟培植过程中气候、土壤和栽培措施三个部分的影响因素值，f1(·)代表烤烟栽培过程影响因素和烤烟质量之间的关系，f2(·)代表烤烟栽培过程影响因素和烤烟产量之间的关系。

s4、根据步骤s42建立的评价模型，本实施例中，将决策支持问题转换为：给定烤烟产区的气候x1和土壤环境x2，将烤烟预期质量y取值为85，即为85分；利用遗传算法，当烤烟预期质量y接近85时，使得烤烟的预期产量z达到最大值；具体步骤包括为：

s41、获取待决策的烤烟品种、烤烟培植过程中的气候条件x1、土壤条件x2以及预期培植目标；所述预期培植目标包括预期烤烟质量ytarget和烤烟亩产量ztarget；本实施例中将预期烤烟质量ytarget取值为80；

s42、根据烤烟产、质量评价模型，分别建立烤烟质量适应度函数fy和烤烟产量适应度函数fz；

s43、根据获取的待决策的烤烟品种、气候条件x1、土壤条件x2以及预期培植目标，对数据库中的数据进行筛选，找出历史数据中当前烤烟品种同等生态环境下烤烟预期质量约为85分时的培植措施，并建立初代种群m0；其中，种群中个体记录的信息即为烤烟的培植措施参数x3；

若初代种群m0中个体数量不足，本实施例中，以烤烟品种、气候条件x1、土壤条件x2和预期培植目标作为边界约束条件；根据所述边界约束条件，随机生成若干个个体，进一步扩充初代种群m0的规模；

s44、利用步骤s42中建立的烤烟质量适应度函数fy和烤烟产量适应度函数fz，对初代种群m0的个体进行适应度评估，分别计算得出初代种群m0中每个个体的预期质量和预期产量；

s45、根据步骤s41中输入的预期烤烟质量ytarget，在初代种群m0中优先选择预期质量接近80的个体；其中，选择个体的过程为：

首先，考虑预期质量在[80*0.95，80*1.05]之间的个体，在此基础上，利用轮盘赌法选择m0的个体，构成父代和母代。若预期质量在[80*0.95，80*1.05]之间的个体的数量较小，会导致所选的父代和母代重复比例大，因此当符合上述区间的个体数量较少时再将区间扩大至[80*0.9，80*1.1]；初代种群m0中个体数量为m(m为偶数，本实施例中m取值为60)，则根据该方法可以构成对父代和母代的集合；

其次，根据交叉概率系数依次对每对父代和母代进行交叉，产生两个子代，最终可以产生m个个体；

最后，根据变异概率系数对每个个体进行变异操作，最终产生具有m个个体的子代m1；一般来说，交叉概率可选但不限于0.8，变异概率可选但不限于0.05，变异概率远小于交叉概率。

s46、重复执行步骤s44-s45，且迭代次数定义为n次；迭代n次后，最终得到子代mn；

s47、利用步骤s42中建立的烤烟质量适应度函数fy和烤烟产量适应度函数fz，对子代mn进行适应度评估，并结合步骤s44计算得到的初代种群m0中每个个体的预期质量和预期产量，找出在满足预期目标的基础下，子代mn中预期质量或预期产量最大的个体；将该个体的培植参数和预期烤烟质、产量作为烤烟培植决策支持的最终结果。

请参考图2，其为本发明提供的基于遗传算法的烤烟培植决策的系统结构图，所述烤烟培植决策系统包括数据库模块l1、数据获取模块l2、数据预处理模块l3、服务器后台模块l4、前端界面模块l5；其中，服务器后台模块l4中还包括烤烟产、质量建模模块l41和烤烟培植决策模块l42，下面对每个模块的功能做具体说明：

所述数据库模块l1用于存储烤烟培植数据、烤烟培植评价模型、烤烟培植决策的结果；

所述数据获取模块l2用于从数据库模块中获取烤烟培植过程相关的数据；

所述数据预处理模块l3用于对获取到的数据进行预处理，剔除数据中的异常数据和离群数据；

所述服务器后台模块l4用于对其内部所包括的模块进行封装，本实施中利用采用c#语言编写成动态链接库来实现其内部包括的所有模块所具备的功能；其中，烤烟产、质量建模模块l41用于使用人工神经网络对烤烟的产量和质量进行建模，建立烤烟产、质量评价模型；烤烟培植决策模块l42用于采用遗传算法建立以烤烟产区生态条件和烤烟培植过程为约束条件，以烤烟质量和产量为目标的优化模型；求得在最佳生产目标情况下的烤烟培植决策支持的结果；

所述前端界面模块l5用于在显示设备上显示从服务器后台模块调取的数据。

在完成上述各个功能模块的开发后，对每个功能模块依次设计接口程序，最后完成系统的整合。

用户在前端界面上操作期间，当需要调用烤烟培植决策模块时，服务器后台中的烤烟产、质量建模模块l41和烤烟培植决策模块l42调用数据库模块中的数据，其计算得到的结果一方面保存到数据库模块中，另一方面通过前端界面完成计算结果的回显。

通过测试，烤烟培植决策的系统所得的决策结果由下表所示(此处省略了烤烟品种、烤烟产区气候条件和土壤条件等参数，培植措施仅考虑种植密度、留叶数和施氮量)：

表2

表3

其中，表2为采用烤烟培植决策系统后，在输入预期烤烟培植目标的情况下，系统给出的栽培措施和种植结果，表3为预期烤烟培植目标的实际栽培措施和种植结果；将系统得出的结果和实际结果对比后，可以看出该烤烟培植决策可以在保证预期烤烟培植目标的同时，在实施系统给出的合理栽培措施情况下，能够进一步提高烤烟的产量和质量。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。