在温室中优化地面环境因素,使用多目标适应性回火遗传算法
Ning Zhang1, Qinyue Tan1, Wancong Song2
1College of Water Resources and Architectural Engineering, Northwest A & F University, Yangling, Shaanxi Province, 712100, PR China.
Heliyon
|July 18, 2024
概括
本研究介绍了一种多目标适应性回火遗传算法,用于优化温室环境. 与传统方法相比,新的算法大大降低了能源消耗和基础设施需求.
科学领域:
- 农业工程 农业工程
- 环境控制系统环境控制系统
- 计算智能是一种计算智能.
背景情况:
- 温室环境是复杂的,非线性系统,需要多变量优化.
- 现有的方法与动态条件和用于加热和湿度控制的广泛基础设施作斗争.
研究的目的:
- 开发和验证一个多目标适应性回火遗传算法,以优化温室环境因素.
- 为了有效地应对控制温度,相对湿度和二氧化碳度的挑战.
主要方法:
- 开发了温室环境因素的多目标,多约束模型.
- 实现了一个带有多参数编码的遗传算法,一个健身函数和一个回火动态惩罚因子.
- 验证了算法与传统和单一目标遗传算法相比.
主要成果:
- 实现了平均温度上升 (20-34%) 和加湿 (2.39-3.9%) 的显著降低.
- 减少了加热和加湿管道长度,分别减少了2.99公里和0.443公里.
- 减少了170-240倍的必要代,节省了31-56%的运行时间.
结论:
- 多目标适应性回火遗传算法为温室环境提供了卓越的优化.
- 该算法增强了系统的稳定性,强度和能源效率.
- 这种方法为管理复杂的温室条件提供了更有效的解决方案.


