进化计算在作物生长模型优化中的应用研究
|
摘要
现代数字精准农业是由信息技术支持的能够根据作物的生长发育需求和空间变异，考虑自然环境的供应能力和变化规律，精确计算作物实时所需，定位、定时、定量地实施精确供应作物生长所需物质和环境，达到高产、优质、高效目的的一整套的现代化智能控制管理决策系统。其中，作物生长模拟模型的准确建立是系统管理决策的依据和基础之一，是发展现代数字精准农业、农业智能化控制的重要环节。作物生长模型在不同的环境条件下模型参数大多需要重新估计和优化。作物生长模型的优化是高维、非线性的复杂优化问题。已有的优化方法例如Gauss-Newton、模拟退火以及简单的进化计算等均存在过早收敛到局部最优或优化参数受限、精度受限等问题和不足。
本文针对上海市农业科学院温室黄瓜生长模型，从分析模型结构特征、作物生长模型参数优化的特殊性和进化计算的特点入手，提出一种改进的进化计算——种群竞争消亡算法模型。该算法模型模拟自然界和人类社会分种群独立进化和种群间相互竞争结合的法则，引入小生境进化计算的思想，以浮点编码为基础，从染色体提取分类特征，使用动态聚类技术进行全部个体的分类，自适应调整适应度函数值和种群数目，采用种群内、间交互竞争进化的方式，减少过早收敛到局部最优的可能性；在此基础上，算法依据个体适应值动态调整变异幅度和搜索步长，改善了算法的局部寻优性能，加快了算法收敛速度。本文使用模拟数据在PC平台上验证了算法有效性和可行性，与简单进化计算相比，种群竞争消亡算法以时间为代价获得了温室黄瓜生长模型参数估计的更高的精确度和稳定性；PC平台的仿真实验还就算法对搜索区间和采样区间变化的敏感程度进行了分析和论证。
本文的研究成果不仅为温室黄瓜生长模型的参数优化提供了算法依据，也为应用在不同环境中(温室、田间等)各种作物生长模型(小麦、黄瓜、番茄等)的参数重估和优化提供了一种新的方法。
Modern Digital Precision Agriculture is a whole modern intelligent management decision-making system which is supported by information technology and able to accurately count the real time requirements of the crop considering the providing capability, place variation and change rule of environment, and with orientation, timing, and ration accurately provides the matter and conditions needed by the crop, in order to get high yield, high quality and good efficiency of agriculture. The nicety crop growth simulation model is the base of the intelligent management and decision-making system and an important part of the development of Modern Digital Precision Agriculture. Usually, it needs to re-estimate and optimize the model parameters when a model is used in different conditions. The parameter optimization of crop growth models is a multi-dimension, nonlinear and complicated optimization problem. Most modern optimization means, for example Gauss-Newton, Simulated Annealing and simple Evolutionary Computation, a
ll exist premature convergence, limit of the number of parameters, precision limit or other disadvantages.
Analyzing model structure characters, the particularity of crop growth model parameters optimization, and Evolutionary Computation characters, this thesis aims at the greenhouse cucumber growth model of Shanghai Agriculture Academy of Sciences and brings an improved Evolutionary Computation algorithm: Species Compete-Die out algorithm. Simulating the natural and human rule of the alternant and combinative process between the independent evolution in every species and the evolution among different species, based on Niche thought and floating-point genes, this algorithm model classifies all population into some species through picking-up chromosome characters and Dynamic Clustering, adaptively adjusts fitness and the number of species, and makes a combination of evolution in every species and among all species to reduce the possibility of premature convergence. Besides, Species Compete-Die out algorithm adaptively adjusts mutation step, in order to improves local searching performance and accelerates convergen
ce efficiency .The algorithm result on the platform of PC by simulation data shows a better performance compared
with simple Evolutionary Computation and a good stability.
The research of this thesis not only provides a parameter optimization algorithm model for greenhouse cucumber growth model, but also provides a new method for the parameters re-estimate and optimization of different crops(wheat, cucumber, tomato)growth models applying to different environment(greenhouse, farm).
本文针对上海市农业科学院温室黄瓜生长模型，从分析模型结构特征、作物生长模型参数优化的特殊性和进化计算的特点入手，提出一种改进的进化计算——种群竞争消亡算法模型。该算法模型模拟自然界和人类社会分种群独立进化和种群间相互竞争结合的法则，引入小生境进化计算的思想，以浮点编码为基础，从染色体提取分类特征，使用动态聚类技术进行全部个体的分类，自适应调整适应度函数值和种群数目，采用种群内、间交互竞争进化的方式，减少过早收敛到局部最优的可能性；在此基础上，算法依据个体适应值动态调整变异幅度和搜索步长，改善了算法的局部寻优性能，加快了算法收敛速度。本文使用模拟数据在PC平台上验证了算法有效性和可行性，与简单进化计算相比，种群竞争消亡算法以时间为代价获得了温室黄瓜生长模型参数估计的更高的精确度和稳定性；PC平台的仿真实验还就算法对搜索区间和采样区间变化的敏感程度进行了分析和论证。
本文的研究成果不仅为温室黄瓜生长模型的参数优化提供了算法依据，也为应用在不同环境中(温室、田间等)各种作物生长模型(小麦、黄瓜、番茄等)的参数重估和优化提供了一种新的方法。
Modern Digital Precision Agriculture is a whole modern intelligent management decision-making system which is supported by information technology and able to accurately count the real time requirements of the crop considering the providing capability, place variation and change rule of environment, and with orientation, timing, and ration accurately provides the matter and conditions needed by the crop, in order to get high yield, high quality and good efficiency of agriculture. The nicety crop growth simulation model is the base of the intelligent management and decision-making system and an important part of the development of Modern Digital Precision Agriculture. Usually, it needs to re-estimate and optimize the model parameters when a model is used in different conditions. The parameter optimization of crop growth models is a multi-dimension, nonlinear and complicated optimization problem. Most modern optimization means, for example Gauss-Newton, Simulated Annealing and simple Evolutionary Computation, a
ll exist premature convergence, limit of the number of parameters, precision limit or other disadvantages.
Analyzing model structure characters, the particularity of crop growth model parameters optimization, and Evolutionary Computation characters, this thesis aims at the greenhouse cucumber growth model of Shanghai Agriculture Academy of Sciences and brings an improved Evolutionary Computation algorithm: Species Compete-Die out algorithm. Simulating the natural and human rule of the alternant and combinative process between the independent evolution in every species and the evolution among different species, based on Niche thought and floating-point genes, this algorithm model classifies all population into some species through picking-up chromosome characters and Dynamic Clustering, adaptively adjusts fitness and the number of species, and makes a combination of evolution in every species and among all species to reduce the possibility of premature convergence. Besides, Species Compete-Die out algorithm adaptively adjusts mutation step, in order to improves local searching performance and accelerates convergen
ce efficiency .The algorithm result on the platform of PC by simulation data shows a better performance compared
with simple Evolutionary Computation and a good stability.
The research of this thesis not only provides a parameter optimization algorithm model for greenhouse cucumber growth model, but also provides a new method for the parameters re-estimate and optimization of different crops(wheat, cucumber, tomato)growth models applying to different environment(greenhouse, farm).
引文
1．高亮之，农业模型研究与21世纪的农业科学，山东农业科学，2001年第01期。
2．郑文钵，21世纪的新型农业模式——数字农业，农业科技通讯，2000年第02期。
3．金继运，“精准农业”及其在我国的应用前景，植物营养与肥料学报，1998年第01期。
4．杨邦杰，精准农业技术体系及其展望，农村实用工程技术，1999年第06期。
5．高亮之，数字农业与我国农业发展，计算机与农业，2001年第10期。
6．李存东，曹卫星，李旭，严美春，论作物信息技术及其发展战略，农业现代化研究，1998年第01期。
7．曹卫星，李旭，严美春，作物模型与农业生产综合管理系统，中国农业科技导报，1999年第01期。
8．杨京平，王兆骞，作物生长模拟模型及其应用，应用生态学报，1999年第04期。
9．李玉琪，《数学建模》前言，数学通报，1995年第05期。
10．韦革，数学建模的基本原则和基本方法，广西大学学报(自然科学版)，2003年第02期。
11．周平，汪亚明，赵匀，模型参数优化中的混合方法及其应用，浙江工程学院学报，2004年第01期。
12．曹卫星，李存东，李旭，严美春，基于作物模型的专家系统预测和决策功能的结合，计算机与农业，1998年第02期
13．唐世浩，朱启疆，闫广建，周晓东，吴门新，关于数字农业的基本构想，农业现代化研究，2002年第03期。
14．俞菊生，上海“数字农业”框架构筑与发展对策——都市型农业要抢占高科技制高点，上海农业学报，2002年第02期。
15．曹卫星，作物系统模拟及智能管理，北京华文出版社，2001年11月。
16．曹永华，农业决策支持系统研究综述，中国农业气象，1997年第04期。
17．胡瑞平，数学建模及应用的发展趋势，世界科学，1994年第02期。
18．卜玉康，刘静，非线性系统的识别和模型反演，云南大学学报(自然科学版)，1994年第01期。
19．熊银键，嵇启春，演化算法在非线性参数估计中的应用，西安建筑科技大学学报(自然科学版)，1999年第01期。
20．董文永，刘南平，李元香，郑波尽，一种基于空间结构的数值优化演化算法，武汉大学学报(理学版)，2002年05期。
21．刘毅，陈吉宁，杜鹏飞，环境模型参数优化方法的比较，环境科学，2002年第02期。
22．蔡煜东，陈德辉，生态学数学模型参数优化估计的遗传算法，生物数学学报，1995年第04期。
23．唐淑琴，武颖琪，基于遗传算法的非线性参数估计器，系统仿真学报，1995年04期。
24．潘正君，康立山，陈毓屏，演化计算，清华大学出版社，广西科学技术出版社，1998年。
25．陈宝林，数值优化方法的理论与应用，清华大学出版社，北京，1989年。
26．方开泰，张金廷，非线性回归模型参数估计的一个新算法，应用数学学报，Vol.16(3)，1993。
27. Aarts E H L,Korst J H M, Simulated Annealing and Boltzmann Machine. John Wiley and Sons,1989
28. Adler D. Genetic Algrithm and Simulated Annealing: A Marriage Proposal. Proc. of IEEE Int'l. Conf. on Neural networks, 1993.
29．王正志、薄涛著，进化计算，国防出版社 2000年11月。
30．周明，孙树栋编著，遗传算法原理及应用，国防工业出版社，北京，1999年7月。
31. Holland J H. Adaptation in Nature and Artificial Systems. MIT Press, 1992.
32. Goldberg D E. Genetic Algorithm is Search, Optimization and Machine Learning. Addison-Wesley, 1989.
33．陈国良，遗传算法及其应用，人民邮电出版社，1996年。
34．[日]水谷英二著，张平安，高春华等译，神经-模糊和软计算，西安交大出版社 2000年6月。
35．Michalewicz Z.演化程序-遗传算法和数据编码的结合，科学出版社，2000年。
36．张文修、梁怡，遗传算法的数学基础，西安交通大学出版社，2000年。
37. M.Pei, E.D.Goodnam, W.F.Punch, Further Research On Feature Selection And Classification Using Genetic Algorithms, Proc. Fifth ICGA, June 1993.
38. Jianjun, Hu, Erik D. Goodman, Kisung Seo, Min. Pei, Adaptive Hierarchical Fair Competition(AHFC) Model for Parallel Evolutionary Algorithms, Genetic Algorithms Research and Applications Group, Michigan State University.
39. Genetic Algorithms, First Pacific-Asia Conference on Knowledge Discovery
&Data Mining, Feb. 1997.
40. Back T. & Schwefel H-P., An overview of evolutionary algorithms for parameter optimization. Evolutionary Computation 1(1), pp.1-23, 1993
41. Metselaar.K., Auditing predictive models: a case of study in crop growth. PhD Thesis Wageningen Agricultural University., Wageningen, The Netherlands,1999.
42. Srinivas, M. and Patnaik, L. M., Adaptive probabilities of crossover and mutation in genetic algorithms, IEEE Transactions on System, Man and Cybernetics, vol.24(4), 1994.
43. Seginer.I., Buwalda, F. & Van Straten G., Nitrate concentration in greenhouse lettuce: a modelling study, Acta Horticulturae, 1998.
44. Goudriaan.J., The bare bones of leaf angle distribution in radiation models for canopy photosynthesis and radiation exchange.Agricultural and ForestMeteorology., 1988.
45. Vn Keulen.H.,Wolf.J., Modelling of agricultural production:Weather, soils and crops. Wageningen,Pudoc., 1986.
46. Penning de Vries,et al, Simulation of ecophysiological processes of growth in several annual crops IRRI Los Banos,1989.
47. Goudriaan.J., A simple and fast numerical method for the computation of daily totals of crop photosynthesis.Agr, and For.Mete, 1987.
48. McCree,K.J.,Equations for the rate of dark respiration of white clover and grain sorghum,as functions of dry weight,photosynthetic rate and temperature,Crop Science, 1974.
49. Marcelis LFM., The dynamics of growth and dry matter distribution in cucumber, Annals of Botany, 1992.
50. E.Heuvelink.,Growth,development and yield of a tomato: periodic destructive measurements in a greenhouse, 1995.
51. E.Heuvelink,N.Bertin.,Dry matter partitioning in a tomato crop:Comparison of two simulation models. J.of Hor.Sci, 1994.
52. J.J.longuenesse,C.Gary,,M.Tchamitchian.,Modeling CO2 exchanges of greenhouse crops: a matter of scales and boundaries.
53. K.J.Leutscher., A crop growth simulation model for operational management support in pot plant procuction.Agricultural Systems, 1990.
54. Dayan.E., Developmet, calibration and validation of a greenhouse tomato growth
model, description of the model,Agriculture System, 1993.
55. Van Henten.E.J., Greenhouse climate management,An optimal control approach, PhD Thesis, Wageningen Agricultural University.,Wageningen, The Netherlands,1994.
56. L.F.M. Marcelis, E. Heuvelink, J.Goudriaan., Modelling biomass production and yield of horticultural crops: a review, Scientia Horticulturae, August 1997.
57. Rasmus K. Ursem, Bogdam and Thiemo Krink, Exploring the Performace of an Evolutionary Algorithm for Greenhouse Control.
58. Applications of Evolutionary Algorithms to the Optimal Control of Greenhouse Cultivation
59. Goldberg D.E.,Richardson J., Genetic Algorithm with sharing for Multi-modal Function Optimization. In: Proc. of 2nd Int. Conf. on Genetic Algorithms, Lawrence Erlbaum Associates, 1987.
60. Wright S., Genetic Algorithm for Real Parameter Optimization., 1991
61. Goldberg D E., Real-coded Genetic Algorithm, Virtual Alphabets, and Blocking, University of Illinois at Urana-Chanpaign, Technical Report No.90001,September 1990.
62. Wright, A.H., Genetic Algorithm for Real Parameter Optimization.
63．边肇祺，张学工等编著，《模式识别》，清华大学出版社，北京，2000年1月。
64. R.O.Duda and P.E.Hart, Pattern Classification and scene Analysis, New York: John Wiley&Sons, 1973.
65. P.A.Devijver and J.Kittler, Pattern Recognition: A Statistical Approch, New York: Prentice-Hall, 1982.
66．王江峰，沈静珠，李有润，胡山鹰，基于种群分类的进化算法，计算机与应用化学，2003年第01期。
67．刘铁男，陈广义，刘延力，徐宝昌，模拟生物种群形成的进化算法和多峰函数优化，Control and Decision,1999年5月。
68．鄢烈祥，麻德贤，连续变量函数全局优化列队竞争算法，湖北工学院学报，1999年6月。
69．任丽香等，TMS320C6000系列DSPs的原理与应用，电子工业出版社，2000年。
70．谢祝捷，陈春宏，余纪柱，李世诚，上海自控温室黄瓜干物质生产和分配模拟模型研究，上海农业学报，2004年。
71．谢祝捷、曹卫星、罗卫红，园艺作物生长模拟模型在上海精准农业和温室工程中的运用及前景，上海农业学报，2001年。
2．郑文钵，21世纪的新型农业模式——数字农业，农业科技通讯，2000年第02期。
3．金继运，“精准农业”及其在我国的应用前景，植物营养与肥料学报，1998年第01期。
4．杨邦杰，精准农业技术体系及其展望，农村实用工程技术，1999年第06期。
5．高亮之，数字农业与我国农业发展，计算机与农业，2001年第10期。
6．李存东，曹卫星，李旭，严美春，论作物信息技术及其发展战略，农业现代化研究，1998年第01期。
7．曹卫星，李旭，严美春，作物模型与农业生产综合管理系统，中国农业科技导报，1999年第01期。
8．杨京平，王兆骞，作物生长模拟模型及其应用，应用生态学报，1999年第04期。
9．李玉琪，《数学建模》前言，数学通报，1995年第05期。
10．韦革，数学建模的基本原则和基本方法，广西大学学报(自然科学版)，2003年第02期。
11．周平，汪亚明，赵匀，模型参数优化中的混合方法及其应用，浙江工程学院学报，2004年第01期。
12．曹卫星，李存东，李旭，严美春，基于作物模型的专家系统预测和决策功能的结合，计算机与农业，1998年第02期
13．唐世浩，朱启疆，闫广建，周晓东，吴门新，关于数字农业的基本构想，农业现代化研究，2002年第03期。
14．俞菊生，上海“数字农业”框架构筑与发展对策——都市型农业要抢占高科技制高点，上海农业学报，2002年第02期。
15．曹卫星，作物系统模拟及智能管理，北京华文出版社，2001年11月。
16．曹永华，农业决策支持系统研究综述，中国农业气象，1997年第04期。
17．胡瑞平，数学建模及应用的发展趋势，世界科学，1994年第02期。
18．卜玉康，刘静，非线性系统的识别和模型反演，云南大学学报(自然科学版)，1994年第01期。
19．熊银键，嵇启春，演化算法在非线性参数估计中的应用，西安建筑科技大学学报(自然科学版)，1999年第01期。
20．董文永，刘南平，李元香，郑波尽，一种基于空间结构的数值优化演化算法，武汉大学学报(理学版)，2002年05期。
21．刘毅，陈吉宁，杜鹏飞，环境模型参数优化方法的比较，环境科学，2002年第02期。
22．蔡煜东，陈德辉，生态学数学模型参数优化估计的遗传算法，生物数学学报，1995年第04期。
23．唐淑琴，武颖琪，基于遗传算法的非线性参数估计器，系统仿真学报，1995年04期。
24．潘正君，康立山，陈毓屏，演化计算，清华大学出版社，广西科学技术出版社，1998年。
25．陈宝林，数值优化方法的理论与应用，清华大学出版社，北京，1989年。
26．方开泰，张金廷，非线性回归模型参数估计的一个新算法，应用数学学报，Vol.16(3)，1993。
27. Aarts E H L,Korst J H M, Simulated Annealing and Boltzmann Machine. John Wiley and Sons,1989
28. Adler D. Genetic Algrithm and Simulated Annealing: A Marriage Proposal. Proc. of IEEE Int'l. Conf. on Neural networks, 1993.
29．王正志、薄涛著，进化计算，国防出版社 2000年11月。
30．周明，孙树栋编著，遗传算法原理及应用，国防工业出版社，北京，1999年7月。
31. Holland J H. Adaptation in Nature and Artificial Systems. MIT Press, 1992.
32. Goldberg D E. Genetic Algorithm is Search, Optimization and Machine Learning. Addison-Wesley, 1989.
33．陈国良，遗传算法及其应用，人民邮电出版社，1996年。
34．[日]水谷英二著，张平安，高春华等译，神经-模糊和软计算，西安交大出版社 2000年6月。
35．Michalewicz Z.演化程序-遗传算法和数据编码的结合，科学出版社，2000年。
36．张文修、梁怡，遗传算法的数学基础，西安交通大学出版社，2000年。
37. M.Pei, E.D.Goodnam, W.F.Punch, Further Research On Feature Selection And Classification Using Genetic Algorithms, Proc. Fifth ICGA, June 1993.
38. Jianjun, Hu, Erik D. Goodman, Kisung Seo, Min. Pei, Adaptive Hierarchical Fair Competition(AHFC) Model for Parallel Evolutionary Algorithms, Genetic Algorithms Research and Applications Group, Michigan State University.
39. Genetic Algorithms, First Pacific-Asia Conference on Knowledge Discovery
&Data Mining, Feb. 1997.
40. Back T. & Schwefel H-P., An overview of evolutionary algorithms for parameter optimization. Evolutionary Computation 1(1), pp.1-23, 1993
41. Metselaar.K., Auditing predictive models: a case of study in crop growth. PhD Thesis Wageningen Agricultural University., Wageningen, The Netherlands,1999.
42. Srinivas, M. and Patnaik, L. M., Adaptive probabilities of crossover and mutation in genetic algorithms, IEEE Transactions on System, Man and Cybernetics, vol.24(4), 1994.
43. Seginer.I., Buwalda, F. & Van Straten G., Nitrate concentration in greenhouse lettuce: a modelling study, Acta Horticulturae, 1998.
44. Goudriaan.J., The bare bones of leaf angle distribution in radiation models for canopy photosynthesis and radiation exchange.Agricultural and ForestMeteorology., 1988.
45. Vn Keulen.H.,Wolf.J., Modelling of agricultural production:Weather, soils and crops. Wageningen,Pudoc., 1986.
46. Penning de Vries,et al, Simulation of ecophysiological processes of growth in several annual crops IRRI Los Banos,1989.
47. Goudriaan.J., A simple and fast numerical method for the computation of daily totals of crop photosynthesis.Agr, and For.Mete, 1987.
48. McCree,K.J.,Equations for the rate of dark respiration of white clover and grain sorghum,as functions of dry weight,photosynthetic rate and temperature,Crop Science, 1974.
49. Marcelis LFM., The dynamics of growth and dry matter distribution in cucumber, Annals of Botany, 1992.
50. E.Heuvelink.,Growth,development and yield of a tomato: periodic destructive measurements in a greenhouse, 1995.
51. E.Heuvelink,N.Bertin.,Dry matter partitioning in a tomato crop:Comparison of two simulation models. J.of Hor.Sci, 1994.
52. J.J.longuenesse,C.Gary,,M.Tchamitchian.,Modeling CO2 exchanges of greenhouse crops: a matter of scales and boundaries.
53. K.J.Leutscher., A crop growth simulation model for operational management support in pot plant procuction.Agricultural Systems, 1990.
54. Dayan.E., Developmet, calibration and validation of a greenhouse tomato growth
model, description of the model,Agriculture System, 1993.
55. Van Henten.E.J., Greenhouse climate management,An optimal control approach, PhD Thesis, Wageningen Agricultural University.,Wageningen, The Netherlands,1994.
56. L.F.M. Marcelis, E. Heuvelink, J.Goudriaan., Modelling biomass production and yield of horticultural crops: a review, Scientia Horticulturae, August 1997.
57. Rasmus K. Ursem, Bogdam and Thiemo Krink, Exploring the Performace of an Evolutionary Algorithm for Greenhouse Control.
58. Applications of Evolutionary Algorithms to the Optimal Control of Greenhouse Cultivation
59. Goldberg D.E.,Richardson J., Genetic Algorithm with sharing for Multi-modal Function Optimization. In: Proc. of 2nd Int. Conf. on Genetic Algorithms, Lawrence Erlbaum Associates, 1987.
60. Wright S., Genetic Algorithm for Real Parameter Optimization., 1991
61. Goldberg D E., Real-coded Genetic Algorithm, Virtual Alphabets, and Blocking, University of Illinois at Urana-Chanpaign, Technical Report No.90001,September 1990.
62. Wright, A.H., Genetic Algorithm for Real Parameter Optimization.
63．边肇祺，张学工等编著，《模式识别》，清华大学出版社，北京，2000年1月。
64. R.O.Duda and P.E.Hart, Pattern Classification and scene Analysis, New York: John Wiley&Sons, 1973.
65. P.A.Devijver and J.Kittler, Pattern Recognition: A Statistical Approch, New York: Prentice-Hall, 1982.
66．王江峰，沈静珠，李有润，胡山鹰，基于种群分类的进化算法，计算机与应用化学，2003年第01期。
67．刘铁男，陈广义，刘延力，徐宝昌，模拟生物种群形成的进化算法和多峰函数优化，Control and Decision,1999年5月。
68．鄢烈祥，麻德贤，连续变量函数全局优化列队竞争算法，湖北工学院学报，1999年6月。
69．任丽香等，TMS320C6000系列DSPs的原理与应用，电子工业出版社，2000年。
70．谢祝捷，陈春宏，余纪柱，李世诚，上海自控温室黄瓜干物质生产和分配模拟模型研究，上海农业学报，2004年。
71．谢祝捷、曹卫星、罗卫红，园艺作物生长模拟模型在上海精准农业和温室工程中的运用及前景，上海农业学报，2001年。