本文關(guān)鍵詞：計(jì)算機(jī)中國(guó)象棋博弈中的二次估值方法及其優(yōu)化的研究，由筆耕文化傳播整理發(fā)布。

第五章用NSGA-II算法解決飼料配方問(wèn)題遺傳算；5.3本章小結(jié)；本章是本文的核心部分，也是本文的創(chuàng)新之處；飼料配方問(wèn)題主要目的就是控制成本和減少動(dòng)物的氨排；遺傳算法在豬飼料配方系統(tǒng)中的應(yīng)用研究第六章總結(jié)與；第六章總結(jié)與展望；6.1論文總結(jié)；隨著養(yǎng)殖業(yè)規(guī)模化和集成化的不斷提高，飼料對(duì)其的影；養(yǎng)殖為例，大規(guī)模的養(yǎng)殖場(chǎng)每天都要消耗大量的豬飼料；本文提出了用NSG

第五章 用NSGA-II算法解決飼料配方問(wèn)題 遺傳算法在豬飼料配方系統(tǒng)中的應(yīng)用研究

5.3本章小結(jié)

本章是本文的核心部分，也是本文的創(chuàng)新之處。本章中用NSGA-II算法來(lái)求解

飼料配方問(wèn)題主要目的就是控制成本和減少動(dòng)物的氨排放量。NSGA-II算法是在NSGA基礎(chǔ)上的改進(jìn)，提高效率和準(zhǔn)確性，本章還對(duì)NSGA-II算法的交叉策略、變異策略和排序策略進(jìn)行了相應(yīng)的改進(jìn)。通過(guò)和上一章的標(biāo)準(zhǔn)遺傳算法結(jié)果的對(duì)比，在經(jīng)濟(jì)成本相差不大的情況下，氨的排放量顯著降低，達(dá)到了預(yù)期目標(biāo)。

遺傳算法在豬飼料配方系統(tǒng)中的應(yīng)用研究 第六章 總結(jié)與展望

第六章 總結(jié)與展望

6.1論文總結(jié)

隨著養(yǎng)殖業(yè)規(guī)�；图苫牟粩嗵岣撸暳蠈�(duì)其的影響也越來(lái)越大。以豬的

養(yǎng)殖為例，大規(guī)模的養(yǎng)殖場(chǎng)每天都要消耗大量的豬飼料，飼料的成本在某種程度上將決定養(yǎng)殖戶的利潤(rùn)，因此，質(zhì)高價(jià)低的飼料能夠增加養(yǎng)殖戶的收入，促進(jìn)養(yǎng)殖業(yè)的發(fā)展。另外，數(shù)量龐大的豬群每天都會(huì)產(chǎn)生大量的氨氣，氨氣對(duì)動(dòng)物的生長(zhǎng)性能有很大的負(fù)面影響，它會(huì)降低機(jī)體的抵抗力，誘發(fā)各種疾病，影響疫苗的免疫效果。而且，氨氣還會(huì)危害周?chē)匀画h(huán)境和人體健康。

本文提出了用NSGA-II算法解決多目標(biāo)的飼料配方問(wèn)題，實(shí)驗(yàn)結(jié)果表明不僅能

降低飼料成本而且減少了氨氣的排放，主要做了如下工作：

(1)通過(guò)查閱文獻(xiàn)和其它資料，闡述了我國(guó)飼料工業(yè)的歷史和現(xiàn)狀和飼料工業(yè)的

重要性。通過(guò)分析現(xiàn)有的飼料配方系統(tǒng)，了解到目前通常使用線性規(guī)劃法設(shè)計(jì)飼料配方系統(tǒng)，本文指出了它的不足之處。

(2)闡述了遺傳算法和NSGA-II算法的歷史、發(fā)展進(jìn)程。重點(diǎn)介紹了它們的基

本原理及和運(yùn)行步驟。

(3)分別用線性規(guī)劃法、標(biāo)準(zhǔn)遺傳算法和NSGA-II算法來(lái)解決豬飼料配方設(shè)計(jì)

問(wèn)題，并進(jìn)行對(duì)比分析，實(shí)驗(yàn)表明，結(jié)果符合預(yù)期。NSGA-II算法配出的飼料，在成本相差不大的情況下，能顯著降低豬氨的排放量。

6.2未來(lái)展望

氨氣的防治措施有很多，除了在豬舍的硬件條件下功夫外，還可以從優(yōu)化飼料

配方，改善營(yíng)養(yǎng)水平方面，來(lái)減少氨氣的排放量。由于粗蛋白是氨氣產(chǎn)生的主要來(lái)源，因此本文在滿足豬營(yíng)養(yǎng)的前提下，盡可能的降低飼料中粗蛋白的含量。雖然本文完成了最初的設(shè)想，但未來(lái)還有很多地方值得去研究和完善：

(1)按照理想蛋白模式理論，在飼料配方中補(bǔ)充合成氨基酸，在保證豬的生產(chǎn)性

能的前提下，可以節(jié)省天然蛋白質(zhì)的量，從而減少豬的糞尿中氨的排放量。因此，

第六章 總結(jié)與展望 遺傳算法在豬飼料配方系統(tǒng)中的應(yīng)用研究 從這個(gè)角度來(lái)看，未來(lái)可以一方面減少粗蛋白的含量，另一方面可以適當(dāng)增加賴氨酸和色氨酸等合成氨基酸的量，達(dá)到進(jìn)一步降低豬氨排放量的目的。

(2)本文雖然以50-80kg豬飼料配方為研究對(duì)象,由于遺傳算法不需要標(biāo)準(zhǔn)的模

型，它對(duì)原料和約束條件的數(shù)量等因素的依賴性并不強(qiáng)，所以在實(shí)際的操作中，既可以對(duì)不同生長(zhǎng)階段的豬飼料配方進(jìn)行科學(xué)設(shè)計(jì)，也可以針對(duì)不同的畜禽的飼料配方進(jìn)行求解運(yùn)算。

遺傳算法在豬飼料配方系統(tǒng)中的應(yīng)用研究 參考文獻(xiàn)

參考文獻(xiàn)

[1] 吳文斗，曹志勇.利用優(yōu)化的遺傳算法解決飼料配方設(shè)計(jì)問(wèn)題.云南大學(xué)學(xué)報(bào)，

2009，31(3)：242-246.

[2] 王海峰，張健.遺傳算法及其在漁飼料配方中的應(yīng)用[J].上海水產(chǎn)大學(xué)學(xué)報(bào)，2004，

13(4)：339-342.

[3] 雷德明，嚴(yán)新平.多目標(biāo)智能優(yōu)化算法及其應(yīng)用[M].北京：科學(xué)出版社，，2009.

[4] 張宗華，趙霖，張偉.遺傳程序設(shè)計(jì)理論及其應(yīng)用綜述[J].計(jì)算機(jī)工程與應(yīng)用，2003，

39(13)：94-97.

[5] 張曉芳.基于Pareto多目標(biāo)優(yōu)化的SVM多類分類算法的實(shí)現(xiàn)[D].武漢：武漢科技

大學(xué)，2008.

[6] Rudolph G. Convergence Analysis of Canonical Genetic Algorithm[J].IEEE Trans on

Neural Networks,1994,5(1):96-101.

[7] 房好帥.帶精英策略NSGA的研究及其在區(qū)域水資源優(yōu)化配置中的應(yīng)用[D].太原：

中北大學(xué)，2008.

[8] 王海巖.建筑工程項(xiàng)目發(fā)包決策優(yōu)化研究[D].沈陽(yáng)：東北大學(xué)，2005.

[9] 張賾.計(jì)算機(jī)中國(guó)象棋博弈中的二次估值方法及其優(yōu)化的研究[D].沈陽(yáng)：東北大

學(xué)，2006.

[10] 王靜.冷連軋機(jī)軋制工藝規(guī)程遺傳優(yōu)化方法研究[D].秦皇島：燕山大學(xué),2010.

[11] Dr echsler D, Dr echsler R,Becher B. Multi objective optimization based on relation

favour[C]. Proc 1st Evolutionary Multi Criterion Optimization. Berlin: Springer –

Verlag,2001:154-166.

[12] 李福強(qiáng).基于ANSYS平臺(tái)的遺傳算法在結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的應(yīng)用[D].西安：西安

建筑科技大學(xué)，2008.

[13] 孫靖.用于區(qū)間參數(shù)多目標(biāo)問(wèn)題的遺傳算法[D].徐州：中國(guó)礦業(yè)大學(xué)，2012.

[14] Nadler D A .Tushman M L, Competing by Design[M].New York:Oxford,1997.

[15] 崔麗.基于免疫遺傳計(jì)算的鉆前工程多目標(biāo)優(yōu)化研究[D] .大連：大連海事大學(xué)，

參考文獻(xiàn) 遺傳算法在豬飼料配方系統(tǒng)中的應(yīng)用研究

2009.

[16] 竺瓊.遺傳算法在模擬電路故障診斷中的應(yīng)用[D].南京：南京航空航天大學(xué)，

2011.

[17] Handels H, Ross Th. Feature Selection for Optimized Skin Tumor Recognition

Using Genetic Algorithms[J]. Artificial Intelligence in Medicine,1999;16:283-297.

[18] Muhlenbein H, Schomish M, Born J. The parallel genetic algorithm as function

optimizer[J]. Parallel Computing,1991,17:619-325.

[19] 孟鑫.智能方法在火電機(jī)組運(yùn)行中的應(yīng)用[D].天津：天津大學(xué)，2008.

[20] 楊敬濤.水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行高級(jí)應(yīng)用軟件算法研究與實(shí)現(xiàn)[D].武漢：華中科技

大學(xué)，2004.

[21] 周代紅.遺傳聚類算法及其在醫(yī)學(xué)圖像分割中的應(yīng)用[D]. 曲阜：曲阜師范大學(xué)，

2007.

[22] While L.A new analysis of the Leb Measure algorithm for calculating the hyper

volume[C]. Proc of 3rd Int Conf on Evolutionary Multi Criterion Optimization.

Berlin: Springer-Verlag,2005:62-76.

[23] C.A.Colleo Coello, D.A.van Veldhuizen, and G.B.Lamont, Evolutionary Algorithms

for Solving Multi-Objective Problems.Norwell,MA:Kluwer,2002.

[24] 李海濤.基于遺傳算法的工程項(xiàng)目多資源均衡優(yōu)化研究[D] .大連：大連理工大學(xué)，

2012.

[25] 范淑梅.基于自適應(yīng)遺傳算法的航天器快速軌道機(jī)動(dòng)研究[D] .濟(jì)南：山東大學(xué)，

2008.

[26] Tanaka M, Tanino T. Global optimization by the genetic algorithm in a multi

objective decision support system[C]. Proc of the 10th Int Conf on Multiple

Criteria Decision.

[27] 鞠海華.基于NSGA-II作業(yè)車(chē)間調(diào)度研究[D].濟(jì)南：山東大學(xué)，2008.

[28] 高媛.非支配排序遺傳算法(NSGA)的研究與應(yīng)用[D].杭州：浙江大學(xué)，2006.

[29] Knowles,J,D and Corne,D,W.2000. Approximating the Non-dominated Front Using

the Pareto Archived Evolution Strategy. Evolutionary Computer,149-172.

最新搜索

遺傳算法在豬飼料配方系統(tǒng)中的應(yīng)用研究_圖文

農(nóng)業(yè)發(fā)展簡(jiǎn)史

甘肅省天水市2016年中考數(shù)學(xué)試卷(解析版)14

18中華詩(shī)詞之美作業(yè)(含答案)

湖南大學(xué)2003年研究生考試管理學(xué)試題

學(xué)科教學(xué)中,在媒體選擇時(shí)要考慮的因素有

明知故問(wèn)為哪般

38的認(rèn)定論網(wǎng)絡(luò)證據(jù)公開(kāi)性及公開(kāi)時(shí)間

初中數(shù)學(xué)教學(xué)中幾何解題思路分析_圖文26

天津電大《婚姻家庭法學(xué)》復(fù)習(xí)題

  本文關(guān)鍵詞：計(jì)算機(jī)中國(guó)象棋博弈中的二次估值方法及其優(yōu)化的研究，由筆耕文化傳播整理發(fā)布。