تبریز: دانشگاه تبریز، دانشکده کشاورزی، گروه ماشینهای کشاورزی
۱۱۰ص
چاپی
کارشناسی ارشد
کشاورزی، گروه ماشینهای کشاورزی
۱۳۹۰/۰۶/۱۵
تبریز: دانشگاه تبریز، دانشکده کشاورزی، گروه ماشینهای کشاورزی
بازده عملیات زراعی عاملی بسیار مهم در کاهش هزینههای عملیاتی است .استفاده از روشهای پیشرفته برنامهصریزی در اجرای عملیات کشاورزی، بهویژه در بهینه سازی پوشش زمین و دور زدنها، میتواند سبب بهبود بازده گردد .اخیرا نوعی از الگوهای پوشش زمین معرفی شده است که از روند بهینهسازی ترکیبی منتج میگردد .این الگوها، مولفههای ارزیابی عملیات از جمله مدت زمان انجام عملیات، میزان مسافت طی شده بدون انجام عملیات، میزان مصرف سوخت و غیره را کمینه میکنند .در این پژوهش یک رویکرد الگوریتمی برای ایجاد الگوهای حرکت ماشینی در مزرعه، براساس روش بهینهسازی کلونی مورچگان ارائه شد .فرااکتشاف بهینهسازی کلونی مورچگان برای حل مسئله مسیریابی وسیله نقلیه مستتر در فرایند تعیین الگوهای تردد مزرعهای انتخاب گردید .الگوریتم مسئله در محیط برنامهنویسی متلب نوشته و اجرا شد .نتایج حاصل از ارزیابیهای انجام شده بر روی چهار قطعه زمین آزمایشی، کارایی و سودمندی رویکرد پیشنهاد شده را تایید نمودند .همچنین نتایج نشان دادند که الگوریتم ارائه شده، جهت استفاده در اراضی مختلف و نیز مزارع دارای موانع از قابلیت بالایی برخوردار است .نتایج به دست آمده امکان استفاده از بهینهسازی کلونی مورچگان را به منظور تولید مسیرهای بهینه برای پوشش کامل زمین توسط ماشینهای کشاورزی مجهز به سامانههای هدایت خودکار تصدیق کردند .
Farming operations efficiency is the most important factor to reduce the overall operational cost. Improved efficiency can be achieved by implementing advanced planning methods for the execution of field operations dealing, especially, with the routing and area coverage optimization aspects. Recently, a new type of field area coverage patterns has been introduced. These patterns are the result of a combinatorial optimization process that minimizes operational measures such as, the operational time, non-working travelled distance, fuel consumption etc. In this study an algorithmic approach for the generation of field traversal patterns based on ant colony optimization is presented. Ant colony optimization metaheuristic was chosen for the solution of the vehicle routing problem inherent in the generation of traversal patterns. The approach has been implemented using the MATLAB technical programming language. Experimental results on four example fields were presented for the demonstration of the effectiveness of the proposed approach. Moreover, results shown that the algorithm can handle any field, including obstacles. Results have proven that it is feasible to use ant colony optimization for the generation of optimal routes for field area coverage while tests made on the resulting routes indicated that they can be followed by any