基于NSGAII饲料配方设计.docVIP

基于NSGAII饲料配方设计 　　摘要：饲料配方在禽畜养殖业中有着重要的意义，现有的手工计算方法很难满足实际的需要，而目前很多计算机优化的方法只能解决约束较少，规模较小的问题。该文将饲料配方设计问题描述为多目标最优化问题。首先把目标最优化问题转换为相应的数学模型，然后用NSGA-II进行求解，最后进行仿真实验，得出结果。该方法克服了传统算法的局限性， 通过对NSGA-II进行优化改进提高算法的收敛速度和种群的多样性。实验结果表明，该算法可以有效地解决饲料配方设计问题。 　　关键词：饲料配方；多目标优化；数学模型；NSGA-II；算法改进 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2013）20-4692-04 　　1 概述 　　饲料是发展养殖业的物质基础，发展质量效益型养殖业离不开优质高效的饲料。因此，科学合理地设计饲料配方对养殖业生产获得最大的经济效益将具有十分重要的意义。饲料配方设计就是应用一定的数学计算方法，根据原料的营养成分和配方的规格要求产生配方中各原料比例的一种运算过程。就现在饲料配方而言，基本分为手工计算法和计算机配方法。传统的手工计算配方法主要有[1]：代数法、试差法、十字交叉法、联立方程法等，计算机配方法所采用最常用的是线性规划法和目标规划法。采用优化方法的配方营养成分能满足畜禽的营养需要，但是这些方法只能解决约束较少、规模较小的问题。由于遗传算法能够解决因子较多，非线性程度高的问题，从而得出的饲料能更好的符合营养含量标准。 　　王海峰、张健[1]将遗传算法用来优化鱼饲料配方，研究结果表明，在鱼饲料配方优化中应用遗传算法要优于目前饲料配方软件中大多采用的常规应用数学的优化方法。吴文斗、曹志勇[2]利用优化的遗传算法来解决猪饲料的配方设计问题，取得了预期的结果。然而，在目前大多数的算法中，仅仅以成本作为衡量饲料配方优劣的唯一标准，该文在把经济成本作为衡量饲料配方标准的同时，增加了另外一个重要标准，即氨气标准。过量的氨气会降低动物机体的抵抗能力、诱发疾病 、影响疫苗的免疫效果且会对自然环境造成危害。因此，除了建立合理的通风换气制度等硬件环境的改善，我们还应该考虑优化饲料配方，改善营养水平，减少氨气的排放量。这样既能达到减少经济成本的问题，而且能改善猪的生存环境，减少对猪的疾病危害。 　　2 饲料配方问题模型 　　饲料配方决策的优化问题是一个组合优化问题，它需要将一组原料按一定比例组合成满足特定营养需求的配方且市场价格最低并且满足饲料中的各营养成份含量。设有n种原料和m种的饲料营养需求，则可以形成一个n×m的矩阵S（[aij]）其中[aij]表示第i种原料所含第j种营养成份的百分量。设饲料中的标准营养成份含量分别为[b1]，[b2]，...[bm]。其中[bi]（1≤i≤m）表示标准营养成份中第i种营养成份的含量。各原料的价格分别为[c1]，[c2]...[cn].求设计的配合饲料优化3 NSGA-II介绍 　　NSGA-II[3]是在NSGA的基础上进行改进的，主要是提出快速非支配集构造算法以降低整个算法的时间复杂度且加入了精英保留机制提高算法性能。 　　对种群R构造快速非支配集的具体过程：（1）计算种群R中每个个体p的[np]值和向量[sp]，其中[np]为R中支配个体p的个体数目，[sp]为被p支配的个体的集合。（2）把所有[np]=0的个体放入到Pareto前端[F1]中。（3）[F1]中每个个体对应的[sp]中个体的[np]=[np]-1，把[np]=0的个体放入到[F2]中。（4）根据[F2]中的重复上述操作确定[F3]中的个体，如此类推，直到所有的个体排序完成。 　　NSGA-II的具体过程如下：（1）随机产生初始种群[P0]，当前进化代数为t=0。（2）对[P0]进行选择、交叉和变异产生子代种群[Qt]。（3）合并进化种群及其子代种群：[Rt]=[Pt][?][Qt]。（4）构造的边界集[Rt]，精英保留产生下代进化种群[Pt+1]（5）若达到最大进化代数：[t≥T]时结束，T为最大进化代数，否则跳转到（2）。 　　4 改进的NSGA-II算法 　　4.1 新交叉策略 　　其中α为[0，1]之间的随机数。该策略的全局搜索性能相对较弱，不能很好地保证种群的多样性。由于SBX交叉算子局限性，该文使用算术交叉算子替代SBX交叉算子，其定义如下： 　　其中A.rank 为个体A 的非支配排序级别，B.rank 代表个体B 的非支配排序级别。由定义可知，在计算初期，α变化较大，Pareto 非支配排序值小的个体在后代个体中占据较大的比例。但随着进化的发展，群体中个体都趋于同一Pareto 前沿上，α趋于常数0.5。 　　4.2 新变异策略