基于遗传和蚁群交互算法的穴盘苗稀植移栽路径优化

摘要

针对穴盘苗移栽到低密度穴盘路径规划效率低下问题，基于遗传算法和蚁群算法提出蚁群-遗传(ant colony-genetic optimization algorithm,ACGO)和遗传-蚁群(genetic-ant colony optimization algorithm,GACO)交互算法进行稀植移栽路径优化。通过仿真试验，使用固定顺序法和其他5种算法计算从72-32、72-50、128-50、128-32孔穴盘的移栽路径长度，对比分析不同算法在优化路径长度和计算时间上的差异，并通过相对标准差评估算法的稳定性。结果显示，在72孔到32孔穴盘移栽中，对比固定顺序法，GACO算法的平均路径长度缩短59.3%，平均计算时间为5.15 s，相对标准差约为1.5%;ACGO算法的平均路径长度缩短19.2%，平均计算时间为13.50 s，相对标准差约为1%。进一步研究显示，ACGO算法在200孔移栽至72孔和105孔场景的优化效果弱于贪婪算法，而GACO算法在不同孔数组合和缺苗数下展现出更高的普适性和稳定性。研究表明，ACGO和GACO 2种交互算法均可提升原算法的性能，但GACO算法在处理复杂稀植移栽路径规划问题时表现更为优越。

关键词

穴盘苗 / 稀植移栽 / 路径优化 / 交互算法 / 遗传-蚁群算法