一个两个阶段的混合NSGA-III与BWO用于路径规划和任务分配在农业土地准备
Manxian Yang1,2,3, Yanhong Chen1,2,3, Yongke Li1,2,3
1College of Computer and Information Engineering, Xinjiang Agricultural University, Urumqi, P.R. China.
PloS one
|January 8, 2025
概括
本研究介绍了一种先进的路径规划方法,用于使用无人机数据和一种新的BNSGA-III算法进行自动化农田准备. 该方法优化了能源使用,减少了旅行,并改善了工作负载分配,以实现高效,智能农业.
科学领域:
- 农业工程 农业工程
- 人工智能的人工智能
- 运营研究 运营研究
背景情况:
- 自动化大规模农田准备在路径规划效率和资源分配方面面临挑战.
- 提高农业生产效率和降低运营成本是关键目标.
研究的目的:
- 提出一个改进的方法来规划土地准备路径,以提高效率和资源分配.
- 为单个和多个领域的业务开发一个多目标优化方法.
主要方法:
- 使用无人机 (UAV) 来收集农场数据和建模.
- 开发了一种路径规划方法,最大限度地降低能源消耗,以最佳的角度和转向策略为单场操作.
- 引入了BNSGA-III算法,将NSGA-III与白优化 (BWO),自适应参数调整和自适应逆向交叉 (AIC) 集成为多机器,多场调度.
主要成果:
- 与随机方向相比,拟议的方法减少了路径长度 (1.9%-3.1%),转频率 (19.5%-24.0%),并改善了覆盖率 (1.0%-1.4%).
- 在多机器调度方面,BNSGA-III算法表现优于NSGA-II,NSGA-III和MOEA/D,改善了总行程距离 (12.3%-34.4%),路径平衡 (60.9%-66.2%) 和工作负载分配 (78.7%-92.9%).
- BNSGA-III在融合 (IGD),溶液质量 (HV) 和多样性 (Spread) 方面表现出卓越的表现.
结论:
- 开发的路径规划方法和BNSGA-III算法有效地解决了自动化农田准备方面的挑战.
- 这些发现支持通过优化运营效率和资源管理来推进智能农业.
