Диссертация (1152212), страница 8
Текст из файла (страница 8)
Ограничения должны быть приняты во внимание при подготовке исходной смеси для домашних птиц, включающей сырой протеин (СР), обменную энергию (МЕ), кальций (Са), усвояемый фосфор (иР), натрий (Ма), метионин + цистин, лизин (П), треонин (Тге), триптофан (Тп), и линолевую кислоту (ЕА). В случае с другими животными, питающиеся комбикормами, следует учитывать содержание сырого протеина (СР), обменной энергии (МЕ), кальция (Са), фосфор (Р), натрия (Фа), сырой клетчатки (СС) и сырой золы (СА).
Компоненты, определенные здесь, могут быть изменены (441. В данном исследовании рассматривались две группы животных. Это группа домашних птиц и группа других животных. Количество питательных веществ, которое должно быть включено в подготовленную смесь, подсчитано в процентах с учетом потребности животного в питательных веществах, определенной в относительно периода их роста, продуктивного статуса и их ежедневного потребления пищи. В расчетах потребности животными в питательных веществах используются формулы, включающие такие параметры„как живой вес животных, показатель их продуктивности (увеличение массы, производство яиц), потребление пищи и температура окружающей среды (45, 571. Величины, полученные в конце этих расчетов, представляют ограничительные условия. В таблице 1.9 представлены значения ограничений на примере комбикорма для кроликов, которые необходимо учитывать при производстве кормовых смесей.
Табл. 1.9 Пищевые потребности питательных веществ кролика 1ограничения). МРЧ был разработан для решения нелинейных задач. Он используется для поиска решения многопараметрических задач, а также задач оптимизации. Самое главное особенность МРЧ в том, что в отличие от классических методов оптимизации, он не нуждается в какой-либо иной информации, чем определение целевой функции. Применение МРЧ в различных оптимизационных задачах значительно проще, благодаря ограниченному количеству параметров для настройки.
МРЧ может быть так же успешно применен во многих областях, таких как оптимизация функции, системы управления на основе нечетких регуляторов, искусственного обучения нейронной сети, а также при решении проблем контроля качества [42, 43, 47, 50, б21. В исследовании моделируется метод роя частиц 1МРЧ), который применяется при решении проблемы оптимизации приготовления комбикормов (рис. 1.1).
Ниже представлена подробная информация использования алгоритма в решении оптимизационных задач. Поскольку основная цель — приготовление и производство кормовых смесей, через оптимизацию добавления питательных веществ то зта оптимизация в исследовании реализована через ограничения. Ограничения вычисляются для каждой частицы, для того, чтобы реализовать контроль качества.
Данные ограничения рассчитываются при помощи следующих уравнений: я; = ~„'"; а(х; у;)/100 В этом уравнении переменная г = 1, 2, ..., п, показывает значение и-го ограничения соответствующее одной частице. Переменная х = 1, 2, показывает количество сырья 1-ой размерности для одной частицы. Переменная у = 1, 2..., и ссылается на общее значение и-го элемента ограничения для каждого пищевого сырья. Значения ограничений показаны в таблице 2, и полученные в ходе экспериментов результаты не должна превышать этих пределов значений. Ниже представлены интервалы этих ограничений (1.2): (1.2) гп т~п ~ га ~ гп тах В этом исследовании общие штрафные коэффициенты рассчитываются для каждой частицы как мера пресечения при переполнении минимальных и максимальных ограничений. Если переполнение ограничения отсутствует, то значение ограничения принимается как О.
Штрафные коэффициенты рассчитываются по данным формулам: если г„превышает г„х,то 6(2п — 1) = ((г„— га ) 100/г,так если г„превы иает га,п;„, то 6(2п) = ((г„~;„— г„) 100/г„~;„ (1.3) Помимо ограничений к общим штрафным показателям добавляется предельное значение. По окончании всех формализаций общая смесь корма должна быть эквивалентна 100 ке. Если существует разница между полученными результатами — это также должно быть добавлено к общей штрафным показателям. Ар = (100 — Х"; (х);))~ В (1.5) вычисляется разность сумм размеров )-ой частицы из ста в квадрате.
Общие штрафные показатели рассчитываются по формуле (1.5): зо ср (х) = ~~ 1(д~(х)12+ Ар. (1.5) В этой формуле (1.б), ) соответствует)'-ой частице. Значение х показывает количество обнаруженных штрафов. Частица с наименьшим показателем стоимости выбирается из частиц, которые имеют нулевые„либо приемлемые показатели штрафных коэффициентов. Значение стоимости вычисляется следующим образом: Ях) = ~"; 1 (х; с;) / 100 (1.б) скорости. Этот расчет производится следующим образом: ~ "= и + сс.гавдос'(рЪеьй;"-х; )+ с2 гапс12" (дЪев1' — х ) (1.7) с! и с2 — факторы обучения (1.7). При принятии факторов обучения за константу — 2, как правило, позволяет получить лучшие результаты.
Используется функция Й.апд, возвращающая случайное число в отрезке (О, 1]. РЬеа— переменная, содержащая локальные значение оптимального результата 1-ой зт Значение стоимости вычисляется путем умножения значения количества пищевого сырья, которое содержится в одной частице на значение цены этого сырья, а затем полученное значение делится на 100.
В ходе работы алгоритма вычисляются локальные и глобальные оптимальные значения. Локальные оптимальные значения являются оптимальным решением, соответствующие данной частицы в начале данной итерации. Глобальные оптимальные значения являются оптимальным решением до тех пор, пока итерация не завершилась. В следующих итерациях, если ни одна частица не попала в интервал соответствия, то выбирается наименьший штрафной коэффициент; если одна из хромосом попадает в интервал, то выбирается соответствующая частица; если обе хромосомы попадают в интервал, то выбирается та частица, у которой меньший показатель стоимости.
В соответствии с этим методом выбора оптимальные локальные и глобальные значения корректируются на каждой итерации. В МРЧ данные, отвечающие за значения размеров каждой частицы называются информацией о позиции. Информация о позиции обновляется на всех итерациях в зависимости от глобальных и локальных значений оптимальных показателей. Во время обновления процесса первоочередным является вычисление значение предыдущих итерациях.
а+! а а+! х; =х;+р; (1.8) Новое значение позиции находится путем сложения значения скорости к предыдущему значению положения (8). Начало параметров н окраниченнй Аиптаппк параметров к МРЧ Рис. 1.11 Блок-схема работы программы. Лучшие значения локальных и глобальных переменных обновляются прн каждой итерации, в ходе которой происходит новое вычисление. Процесс завершается только при достижении штрафных коэффициентов заданного предела, либо при достижении заданного количества итераций.
Были 52 частицы в Й-ой итерации, ОЬеюг - переменная, содержащая глобальное значение оптимального результата в й-ой итерации. Переменная р; — значение скорости в проанализированы дешевые кормовые смеси с помощью программного средства МЯ Ехсе1 БоЬег, который имеет методы линейного программирования. Генетические алгоритмы КСОА были использованы в оптимизации затрат, так как использование линейного программирования не могло достичь аналогичного результата в решении нелинейных задач.
В свою очередь генетические алгоритмы КСОА были не столь успешными, как линейное программирование в решении линейных задач, поэтому КСОА алгоритмы дали более эффективные результаты в решении нелинейных задач оптимизации, чем алгоритмы линейного программирования. Результаты использования данных алгоритмов при оптимизации стоимости кормовых смесей показывают, что выполнение КСОА алгоритмов происходит медленнее алгоритмов линейного программирования, а также а так же они не могут работать в стационарном режиме. В заключении исследования выяснилось, что МРЧ дает более эффективные и устойчивые результаты в решении нелинейных задач, также МРЧ выполняется быстрее, благодаря своей простой алгоритмической структуре. чАгьог асгеа» Комбнкорма бройдеры кролвков К0-4 недель) внд аивЬЬ агав Бройаеры К> 1.5кг) КО-10 дней) аи Комбнкорма дяя коров 1 О 1 О 1 0 О 464.92 О 55.92 59.33 49.46 1 53 1яа 2.ш 1634.53 О 46.73 ~ 26.73 1.36 1.42 Общая стоимость Ккурущ'кг) Затраченное время Кс) Штрафные коаф.
0.096 214.02 ~ 1.5'7е-010 342.27 1.16е-02 0.021 70.24 72.09 1.78 1.73 36.62 32.04 33,77 1.76 1.59 1.63 Общая стонмость Ккурущ кг) Затраченное время Кс) Штрафные коэф. 3,55е-113 3.84е-27 1.34е-20 0.0077 И9.31 131.76 9.15е-17 аЗКОе Общая стовмость Ккуруог'кг) Затраченное время Кс) 1.37 1.34 1.13 Табл.1.10 Результаты (Линейное прогр., )чССА, МРЧ) 1 — Сравнения соответственно выбранных ингредиентов, Π— Сравнения несоответственно выбранных ингредиентов. Все алгоритмы были реализованы при помощи программного обеспечения Ма11аЬ, для того, чтобы проверка осуществлялась в одинаковых условиях.
Было осуществлено десять экспериментов для каждого алгоритма для одинаковых видов животных. Самым выдающимся результатов исследования было то, что МРЧ алгоритм вел себя уверенно в решении нелинейных задач, в то время как генетический алгоритм не может быть в достаточной степени устойчивым. В исследовании все методы были просчитаны десять раз и было выявлено среднее значение результатов.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
