基于改进模拟退火海鸥优化算法的局部沉降风险农田多机协同全覆盖路径规划

本文推荐：本研究针对丘陵山区深松作业中湿软沉降区导致的路径规划难题，创新性地提出融合机器入土角度和作业序列双决策变量的异构农机群抗沉降路径规划框架。通过建立以能耗最小化和作业时间最短为目标的多目标优化模型，并开发改进模拟退火海鸥优化算法(ISOASA)，相较传统算法缩短最优作业时间10.797%-25.574%，田间实验验证其能耗降低4.23%、作业效率提升27.704%，为复杂地形精准农业提供创新解决方案。

　　

Highlight

本研究亮点在于开发了融合模拟退火机制的改进海鸥优化算法(ISOASA)，通过双重决策变量（机器入土角α和作业序列U_i）的协同优化，在保证大型农机规避沉降区（subsidence zones）的同时，实现农田作业区域的全覆盖（full-coverage）。

Problem description

问题描述

丘陵山区农田受季节性气候影响，夏季土壤结构松散，冬春季节因排水不畅形成湿软沉降区（图1a绿色网格为正常作业区，红色为沉降风险区）。这些区域对大型深松机具构成陷车风险，但小型机具仍可正常作业，形成典型的异构农机协同作业场景。

Field operation model

田间作业模型

深松机组在田块内的作业模式分为四类（图2）：直线作业、连续垄间转向、非连续转向和地头作业。关键参数包括：入土角α、田块转向边界顶点P_M、作业频次k和作业行序位U_i，这些参数共同影响总能耗E_total和作业时间T_operation。

Solution algorithm

求解算法

提出的ISOASA算法通过三阶段改进：1) 采用动态控制参数A替代固定值；2) 引入柯西变异算子增强全局搜索；3) 融合模拟退火（Simulated Annealing）的Metropolis准则避免局部最优。该算法在Pareto解集覆盖率和收敛速度上显著优于传统SOA、MOWOA和NSGA-II算法。

Simulation experiments

仿真实验

采用西南大学自主研发的3台异构深松机（参数见表3），在6个智能农场试验田开展测试。结果显示：ISOASA规划路径使大型机具完全避开沉降区，小型机具覆盖率达100%，平均转弯次数减少37.2%，验证了算法的工程实用性。

Conclusions

结论

本研究建立的抗沉降路径规划模型，通过ISOASA算法实现：1) 大型农机沉降区规避率100%；2) 作业时间缩短27.704%；3) 能耗降低4.23%。创新性地将农机入土动力学与智能算法结合，为复杂地形精准农业作业提供了新范式。