基于记忆模拟退火和A*算法的农业机器人 遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。     

改进RBF神经网络在我国大豆价格预测中的应用研究

我国大豆价格受国内外多种因素共同影响,具有非线性、随机性和高噪音等特点,采用传统数学模型进行预测,不仅分析难度大,预测误差也很大。RBF神经网络以其优良的逼近性能而被广泛应用于非线性时间序列预测之中。本文提出一种基于遗传算法优化RBF神经网络的我国大豆价格预测模型,该模型为多维输入单维输出的多变量预测模型,模型的初始输入由大豆价格的历史数据和相关影响因素数据组成。采用遗传算法对RBF神经网络输入层节点数、基函数中心、扩展常数和输出层权值进行优化,模型可以从初始输入变量中自主选择最合适的输入变量组合作为模型的输入。采用2009-2014年的大豆价格数据进行预测研究,用2009-2013年的数据作为训练集,2014年的数据作为测试集,改进RBF神经网络通过自主识别和选取中国大豆进口量、中国消费者信心指数和进口大豆到港分销价格3个因素作为相关影响因素的输入。结果表明:模型预测精度较高、泛化能力较强,能够很好捕捉大豆价格变化规律,可为大豆市场价格的准确预报提供参考借鉴。     

基于随机森林算法和气象因子的砀山酥梨始花期预报

准确预报始花期是制定砀山酥梨花期管理措施和赏花活动方案的重要基础。该文利用1983-2018年砀山酥梨始花期的定位观测物候数据和平行观测的气象资料，采用线性趋势法，揭示始花期演变趋势；采用相关分析，筛选影响始花期的关键气象因子，依据不同预报日期构成特征变量集；采用随机森林算法（Random Forest, RF），自3月11日开始预报到3月25日终止预报，每日训练1个预报模型。结果表明，1）1983－2018年始花期呈极显著提早发生趋势，每10a约提前2.750 d（P＜0.001）。2）16个逐日气象预报模型中，共计有200个气象因子与始花期早迟密切相关，相关系数在0.469～0.789之间；各气象预报模型的训练集与测试集的平均正确率（Nd）分别为92.9%和75.5%、平均均方根误差（RMSE）分别为1.693～2.870和2.240～7.237、平均决定系数（R2）分别为0.891和0.701。3）2019年试验预报中，提前15日准确预报出当年始花期。该文研究表明RF在梨树始花期逐日气象预报中有一定业务应用潜力，预报准确率基本满足气象服务需求。     

基于模糊神经网络的智能温室环境控制方案

针对农业温室环境的精确建模和控制问题,提出了一种基于模糊神经网络的智能控制方案。首先,在考虑室内外环境因素下,构建一个有效的温室环境数学模型,获得通风量、喷雾量和加热量的微分表达式;然后,利用一种自适应模糊神经推理系统(ANFIS),以温度和湿度差作为输入,通过神经网络自学习和模糊推理获得控制输出;最后,通过遗传算法优化控制器的输出比例因子,提高控制响应速度和稳定性。实验结果表明:该方案能够快速且稳定地追踪环境设置值,具有很好的控制效果。     

New Approaches to Modeling Methyl Jasmonate Effects on Pomegranate Quality during Postharvest Storage

Adaptive neuro fuzzy inference system (ANFIS) and genetic algorithm–artificial neural network (GA-ANN) models were used to predict the effect of methyl jasmonate (at three levels 0, 0.01, and 0.1 mM) and storage time (0, 14, 28, 42, 56, 70, and 84 days) on quality parameters and physiological changes of pomegranate fruits during storage. Methyl jasmonate reduced chilling injury and improved quality characteristics of pomegranates during postharvest storage. The GA-ANN and ANFIS were fed with two inputs of methyl jasmonate and storage time. The results showed that GA-ANN predictions agreed with experimental data and the GA-ANN with 14 neurons in one hidden layer can predict physiological changes and quality parameters of pomegranate (weight loss, pH, chilling injury index, ion leakage, ethylene, respiration, polyphenols, anthocyanins, and total antioxidant activity) with correlation coefficients equal to 0.87. The ANFIS model was trained by a hybrid method and agreement between experimental data and ANFIS predictions was significant (r = 0.90).     

基于改进萤火虫算法的投影寻踪太湖水质综合评价

针对水质评价中指标的多样性及不相容性,提出了基于改进的萤火虫算法的投影寻踪水质评价方法。该方法根据水质标准等级样本集所划分的标准,构建投影指标函数,并用改进的萤火虫算法进行优化,使搜索步长逐步减小,寻优后期也可具有良好的局部搜索能力,得到最佳投影方向,使综合评价结果能够客观准确地反映出水质状况。运用该方法对太湖的水质数据进行综合评价,并与传统方法综合评分法(F值法)得到的结果进行对比,评价结果更符合当地水质状况实际情况,且对水质等级划分更为清晰。     

分块子空间追踪算法

压缩传感理论是一种充分利用信号稀疏性或者可压缩性的全新信号采样理论。该理论表明，通过采集少量的信号测量值就能够实现可稀疏信号的精确重构。本文在研究现有经典重构算法的基础上，提出结合图像分块思想和回溯思想的分块子空间追踪算法（Block Subspace Pursuit, B_SP）用于压缩传感信号的重构。该算法以块结构获取图像，利用回溯过程实现支撑集的自适应筛选，最终实现图像信号的精确重构。实验结果表明，在相同测试条件下，该算法的重构效果无论从主观视觉上还是客观数据上都有不同程度的提高。     

改进的Dijkstra算法及其在网络中的应用

提高计算机网络网络传输速度的关键是找到最佳的路由实现算法,本文从节约存储空间和提高运算效率方面对传统Dijkstra算法进行了改进,通过分析与比较,这种改进算法的效率优于传统的Dijkstra算法,特别适用于大规模网络。     

论影响麻花钻切削因素之间的关系

学生搞不清楚麻花钻刃磨时几何角度之间的关系,导致麻花钻头的刃磨失败,最终使学生形成了麻花钻内容太难,麻花钻刃磨起来太麻烦的结论。用图示、口诀配合文字讲解的方式讲解标准麻花钻切削部分之间的关系,学生易于接受。     

Landscape Zonation, benefit functions and target-based planning: Unifying reserve selection strategies

The most widespread reserve selection strategy is target-based planning, as specified under the framework of systematic conservation planning. Targets are given for the representation levels of biodiversity features, and site selection algorithms are employed to either meet the targets with least cost (the minimum set formulation) or to maximize the number of targets met with a given resource (maximum coverage). Benefit functions are another recent approach to reserve selection. In the benefit function framework the objective is to maximize the value of the reserve network, however value is defined. In one benefit function formulation value is a sum over species-specific values, and species-specific value is an increasing function of representation. This benefit function approach is computationally convenient, but because it allows free tradeoffs between species, it essentially makes the assumption that species are acting as surrogates, or samples from a larger regional species pool. The Zonation algorithm is a recent computational method that produces a hierarchy of conservation priority through the landscape. This hierarchy is produced via iterative removal of selection units (cells) using the criterion of least marginal loss of conservation value to decide which cell to remove next. The first variant of Zonation, here called core-area Zonation, has a characteristic of emphasizing core-areas of all species. Here I separate the Zonation meta-algorithm from the cell removal rule, the definition of marginal loss of conservation value utilized inside the algorithm. I show how additive benefit functions and target-based planning can be implemented into the Zonation framework via the use of particular kinds of cell removal rules. The core-area, additive benefit function and targeting benefit function variants of Zonation have interesting conceptual differences in how they treat and trade off between species in the planning process.