来源：市场资讯
（来源：智慧农业期刊）
引用格式：
朱天文, 王旭, 张波, 杜歆桐, 吴春笃. 基于改进遗传算法的多机协同作业调度和规划方法[J]. 智慧农业(中英文), 2026, 8(1): 226-236.
DOI： 10.12133/j.smartag.SA202508010
ZHU Tianwen, WANG Xu, ZHANG Bo, DU Xintong, WU Chundu. Multi-Machine Collaborative Operation Scheduling and Planning Method Based on Improved Genetic Algorithm[J]. Smart Agriculture, 2026, 8(1): 226-236.
DOI： 10.12133/j.smartag.SA202508010
基于改进遗传算法的多机协同作业调度和规划方法
朱天文1， 王旭2， 张波3， 杜歆桐3， 吴春笃2，3，4*
（1.江苏大学 计算机科学与通信工程学院，江苏镇江 212013，中国； 2.江苏大学 农业工程学院，江苏镇江 212013，中国； 3.江苏大学 环境与安全工程学院，江苏镇江 212013，中国； 4.江苏大学智能农机装备理论与技术重点实验室，江苏镇江 212013，中国）
摘要：
［目的/意义］为解决收获作业中存在的作业效率低下问题，以多台收割机在多个田块上的协同作业为研究对象，统筹考虑机群地块间调度与单机田块内路径规划的一体化需求。
［方法］在作业负载均衡与时间窗等约束条件上，提出了一种改进型多旅行商遗传算法（Improved Multi-Traveling Salesman Problem Genetic Algorithm, IMTSP_GA）。该算法采用双层染色体编码结构：第1部分表示任务点序列，第2部分为任务分割方案，从而形成多收割机的作业路径。种群初始化结合顺序与随机策略，在遗传操作中引入基于Q-learning的自适应变异机制，以最小化总作业时间为优化目标，逐步改进调度方案，根据调度方案，完成了收割机全流程路径规划。核心创新在于引入基于Q-learning的自适应变异机制，该机制通过学习搜索与变异算子效果之间的关系，自适应选择合适的变异策略，以克服传统遗传算法易早熟收敛、局部搜索能力不足等问题，提升全局探索与局部开发性能。
［结果和讨论］ 所提方法有效地实现了收割机作业调度和规划，其中，IMTSP_GA算法在总作业时间上，相比遗传算法（Genetic Algorithm, GA）、粒子群算法（Particle Swarm Optimization, PSO）和蚁群算法（Ant Colony Optimization, ACO）分别减少了4.48%、5.32%、9.87%，迭代次数为85，运行时间为5.82 s，相比GA、PSO和ACO算法收敛性能更优、运行时间更快。
［结论］研究结果可为无人农场的多收割机作业调度和规划方法提供科学依据。
关键词： 多机协同；负载均衡；时间窗；作业调度和规划；改进型多旅行商遗传算法
文章图片
Fig. 1 Schematic diagram of harvester scheduling operation
Fig. 2 IMTSP_GA algorithm flow chart
Fig. 3 Chromosome encoding method of IMTSP algorithm
Fig. 4 Schematic diagram of harvester operation mode
Fig. 5 The simulation scenario of the task plots that need to be worked on in a smart farm in Jiangsu province
Fig. 6 Schematic diagram of optimal solution evolution process for IMTSP_GA， GA， PSO， and ACO
注：0表示车库，数字1~49表示农机作业点，农机数量为4，得到了4条作业路线；红色路线为收割机H1，蓝色路线为收割机H2，紫色路线为收割机H3，绿色路线为收割机H4。
图7 仿真场景中收割机协同调度的作业调度路线图
Fig. 7 Operational scheduling route map of combine harvester collaborative scheduling in the simulation scenario
注： 0表示车库，1~11表示任务单元编号，红色边框表示田块边界，黄色路线表示收割机H1的全流程作业路径（包括道路路径规划和田内路径规划），黑色圆点表示农机位置。
图8 收割机H1全流程路径规划
Fig. 8 Whole-process path planning of harvester H1
作者介绍
吴春笃 教授
吴春笃，教授、博导。现任江苏大学副校长。江苏省“六大人才高峰计划”A类资助人选，江苏省有突出贡献中青年专家，享受国务院政府特殊津贴专家。江苏省“青蓝工程”水污染控制与农业环境保护科技创新团队带头人。国家科技奖励评审专家，全国环境保护职业教育指导委员会和测绘地理信息职业教育教学指导委员会委员，教育部高职院校人才培养工作评估骨干专家，全国国土资源职业教育和职工教育研究会副会长。
长期从事污染控制工程、水环境修复、农业环境保护工程等领域的科研和教学工作。主持国家科技攻关项目、国家科技支撑计划、国家“863”重点项目、国家重大科技专项、国家自然科学基金项目、江苏省自然科学基金项目、江苏省科技攻关项目等国家、省级科研项目20多项；获省部级科技进步奖一、二、三等奖14项，江苏省教学成果一等奖1项，其它成果奖多项；获国家授权发明专利50多件；出版著作、教材10余部；在国内外学术刊物和学术会议上公开发表论文200多篇，其中SCI、EI收录100多篇。
来源：《智慧农业（中英文）》2026年第1期
转载请联系编辑部授权
本期支持单位
特别支持单位
支持单位
热门跟贴