【目的】作为农业智能化生产的核心决策模块，作物模型的精确模拟取决于模型参数的高效准确优化。为了提高调参效率，提升作物模型的性能和精确度，本研究通过改进优化算法对旱地春小麦籽粒生长子模型进行单目标参数优化，为中国西北部黄土丘陵区旱地春小麦的适应性研究提供参考，扩大模型的应用范围，以便于模型更好地指导农业生产。【方法】立足于2015—2021年甘肃省定西市安定区凤翔镇安家坡村的田间试验，结合1970—2021年的天气数据和年鉴产量数据，在发挥传统混合蛙跳算法（SFLA）全局交流、局部深度搜索的基础上，使用轮盘赌选择策略对旱地小麦籽粒生长阶段的6个参数进行进一步的优化，进行算法改进前后产量实测值与模拟值的误差计算与对比，对APSIM-Wheat模型进行检验。【结果】（1）在相同的迭代次数下，传统混合蛙跳算法在200次左右收敛，改进后的混合蛙跳算法在100次左右收敛；（2）旱地春小麦籽粒生长阶段的参数优化结果为小麦茎部分的每克籽粒数为26.0；开花至开始灌浆阶段的潜在籽粒灌浆速率为0.00119 grain/d；灌浆阶段的潜在籽粒灌浆速率为0.00174 grain/d；氮限制下的潜在籽粒灌浆速率为6.20×10~(-5) g grain/d；氮限制下的最小籽粒灌浆速率为1.90×10~(-5) g grain/d；单株小麦籽粒部分的最大干重值为0.0437 g;(3)分别使用传统混合蛙跳算法优化后所得参数值和改进混合蛙跳算法优化后所得参数值模拟小麦产量，参数优化后，产量实测值与模拟值的均方根误差（RMSE）从363.22 kg·hm~(-2)降至57.85 kg·hm~(-2)，标准均方根误差（NRMSE）从21.78%降至3.47%。【结论】相较于传统的混合蛙跳算法，改进后的混合蛙跳算法增加了种群和子群的多样性，收敛速度快，提高了优化效率和精度，优化后的结果符合旱地春小麦的生长发育过程，适用性较高，明显改善了中国西北部黄土丘陵农业区APSIM-Wheat模型的性能。

针对混合蛙跳算法在迭代后期收敛速度变慢的现象,提出一种改进的混合蛙跳算法。该算法引入混沌优化机制,取代随机搜索,对当前群体中的最差个体实施混沌搜索,并替换群体中的部分个体,改善算法摆脱局部极值点的能力。仿真结果表明:改进的蛙跳算法的全局寻优能力明显优于基本的混合蛙跳算法。

【目的】由于文本数据存在许多与分类不相关的冗余词项,引入混合蛙跳算法进行特征选择优化,提高分类准确率。【方法】分别使用CHI和IG预选出不同维度的特征集合,再引入改进后的混合蛙跳算法对预选特征集合进行二次优选,每只青蛙的位置代表一种特征选择规则,将分类准确率作为算法的适应度函数。SVM和KNN分类器用于实验中分类准确率的计算。【结果】引入改进后的蛙跳算法比CHI和IG能得到更好的分类效果,最大提升幅度达到12%。【局限】在少部分特征维度下出现过拟合现象。【结论】采用特征词预选和改进后的蛙跳算法相结合的特征

【目的】将改进的粒子群优化算法应用于BOD-DO水质模型参数求解,为水质模型参数求解提供支持。【方法】通过差异演化算法对各个体历史最佳位置进行变异,以保持种群多样性,并在搜索后期加入局部搜索能力强的单纯形算法,建立改进的粒子群优化算法,并用该算法对BOD-DO水质模型参数进行求解。【结果】改进的粒子群优化算法能有效地确定BOD-DO水质模型参数;参数取值范围的放宽对算法的收敛性影响较小,但迭代次数有所增加;均匀分布法生成的初始种群可以有效地提高算法的收敛率,加快收敛速度;交叉概率和缩放因子的随机选取策略,

【目的】模型的有效应用依赖于参数的快速、准确估算。本研究拟解决作物生长模型参数本土化率定过程中运算量大、耗时长、精度低、效率低的问题。【方法】依据甘肃省定西市安定区2个试验点(李家堡镇麻子川村和凤翔镇安家沟村),多年(2002—2005年和2015—2017年)大田试验数据以及定西市安定区1971—2017年气象资料,利用混合蛙跳算法智能的迭代搜索原理,对APSIM模型旱地小麦叶面积指数相关参数进行了优化,并采用相关性分析方法对模型校正结果进行检验。【结果】利用青蛙群体即相对独立又合作协调的子群内局部深度搜索与子群间全局信息交流生物进化学习策略,有效提高了运算的速度,实现了对APSIM模型中与旱地小麦叶面积指数相关参数的快速、准确估算。相关参数主要包括:主茎上节出现所需的热时间间隔、小麦出苗后初始化的节数、小麦出苗后初始化的叶片数、小麦出苗后初始化的叶面积指数、某日正在生长的节数和最大比叶面积。分别使用穷举试错法所得参数值和混合蛙跳算法所得参数值模拟叶面积指数,参数优化后,叶面积指数模拟值和实测值之间的RMSE(root mean square error)平均值由0.069降低到0.027,NRMSE(normalized root mean square error)平均值由8.09%降低到4.56%,M_E(model effective index)平均值由0.979提高到0.993。【结论】相对于参数率定常用穷举试错法,混合蛙跳算法具有自发学习特征的智能迭代行为,实现了参数的自动率定,提高了效率。基于该算法进行APSIM模型旱地小麦叶面积指数相关参数的优化,使得模型对叶面积指数的模拟精度显著提高,证明该算法的使用对作物生理生态系统复杂模型的校正效果良好,为改善模型参数率定过程存在的运算量大、耗时长、精度低、效率低的缺点提供了一种行之有效的方法。

【目的】针对小麦籽粒性状参数获取需要脱粒后测量，测量程序繁杂、费时费力的缺点，提出基于深度学习的小麦在穗籽粒表型参数测试方法。【方法】采集镇麦25、宁麦13和农麦88这3个品种小麦穗两侧正视图像，利用小麦穗正视图像构建图像增强数据集，提出深度学习与形态学处理相结合的小麦在穗籽粒表型参数测试方法。首先，建立基于改进Mask R-CNN网络的麦穗颖壳分割模型，模型以ResNet和FNP为特征提取网络并引入坐标注意力（CA）模块、聚合模块和半卷积模块，实现麦穗图像中颖壳的准确定位、分割和籽粒计数。其次，利用分割的麦穗颖壳掩膜图经形态学处理方法提取麦穗颖壳的5个表型参数，并建立麦穗颖壳表型参数与颖壳内籽粒表型参数之间的线性相关关系。最后，利用麦穗颖壳表型参数与籽粒表型参数之间的线性相关关系预测籽粒表型参数。【结果】（1）基于改进Mask R-CNN网络的麦穗颖壳分割模型的平均精确率AP为94.13%,F1值为91.12%，召回率为88.30%，单幅图像平均检测耗时97 ms，可以快速、精准地识别单粒麦穗颖壳。模型的籽粒计数的均方根误差和平均相对误差分别为0.94个和0.65%，可见模型分割籽粒的精度较高。（2）麦穗颖壳与籽粒之间的表型参数粒长、粒厚、面积、周长、长径比线性相关关系式为：y=0.7258x、y=0.5166x、y=0.3748x、y=0.6756x、y=1.4085x，其决定系数（R~2）均在0.85以上。（3）利用图像获取的麦穗颖壳参数数据对上述相关性模型进行验证并预测籽粒表型参数，粒长、粒厚、面积、周长、长径比5个参数的均方根误差和平均相对误差分别为0.17 mm、0.08 mm、0.46 mm~2、0.33 mm、0.12和0.02%、0.02%、0.02%、0.02%、0.03%，每个参数的预测数据与实际数据之间的决定系数（R~2）均在0.85以上，说明本文提出的籽粒表型预测方法可行。【结论】基于深度学习的小麦在穗籽粒表型测试方法能够通过麦穗颖壳表型参数精确预测小麦在穗籽粒的表型参数，为快速简便提取小麦籽粒表型参数提供了新的方法。

针对蚁群算法的一些缺点提出改进的策略,包括状态转移和信息素更新策略,进一步提高了算法的计算能力。对蛙跳算法提出改进策略,包括高斯变异及柯西变异策略,然后提出蛙跳-蚁群算法的混合框架。最后将蛙跳算法与蚁群算法进行结合并进行实验验证,实验结果表明混合算法有效。

【目的】基于小麦籽粒品质预测模型和GIS技术,探索主要籽粒品质指标区域模拟与空间变异分析的方法。【方法】首先利用文献资料对已有小麦籽粒品质预测模型进行验证和评价,并基于江苏省40个生态点2000-2003年逐日气象数据和5个生态点、6个品种类型的小麦田间试验数据,对籽粒品质预测模型进行先计算后插值(calculate first,interpolate later,CI)和先插值后计算(interpolate first,calculate later,IC)两种升尺度方法的研究与评价;在此基础上进行小麦籽粒蛋白质含量、湿面筋含量和沉降值3项籽粒品质指标的区域模拟;最后,运用GIS和地统计学方...

文章首先构建了一个有关先发国家与后发国家之间技术扩散的正规模型,该模型将制度背景作为一个参数引入,借以从形式上分析制度背景对技术进步及经济增长过程的影响;模型的动态分析从形式上展现了后发国家在技术水平上超越先发国家("蛙跳")的全过程,并推论出后发国成功实现"蛙跳"的先决条件是:后发国由制度参数与经济规模参数所决定的综合参数能够由比先发国低的值跃升为比先发国高的值。此外,文章还基于经济制度由相关利益主体间制度博弈均衡所决定的这一分析框架,进一步尝试性地解释了制度参数变化的非均匀性,并对中国未来实现"蛙跳"的可能性进行了分析。

为完善项目群工期-费用优化模型和提高模型求解的精确性及有效性,研究并构建基于混合粒子群算法的集时间、资源和费用的工期压缩模型。首先,根据承包商一致性将工程项目群分成若干个子网络,通过对基于子网络的项目群工期压缩机理分析,剖析资源约束下工期压缩对业主支付费用的影响。其次,以业主支付费用最低为目标,构建单一资源约束下工程项目群工期压缩模型,并进行模型求解的算法设计。最后,结合南水北调江苏段东线一期工程,对其工期进行压缩,通过模型的应用和求解,得到业主支付费用最低的项目群资源调配方案和工期调整方案。研究结果显示:将资源要素考虑在内的工期-费用优化模型更加全面、详细分析工期压缩给项目群、承包商和业主带来的影响,以及人工智能算法在该目标规划模型求解中的有效应用,为项目群工期压缩问题解决提供思路和方法参考。

混合t-分布模型是分析重尾数据的重要建模工具之一,不易受离群点、异常值点的影响,比混合高斯分布模型具有更好的稳健性。文章研究了两总体一元混合t-分布模型,基于EM算法给出了该模型参数极大似然估计的迭代步骤,并采用k-means方法进行算法初始化,然后分别在三类模拟数据下对比验证了该模型的有效性以及在拟合重尾数据上的优势。

在HIV纵向数据的分析中常采用混合效应模型。模型中协变量可部分解释个体间的差异,但其往往带有测量误差。同时,由于人体耐药性或治疗方案的失败,病毒载量后期可能会出现反弹。为此,文章提出了含变点和测量误差的半参数非线性混合效应模型,其中,变点表示病毒载量的反弹时刻,反弹后的病毒载量轨迹用非参数函数描述。采用多重估算法对此联合模型的参数进行估计。实例分析表明所提方法具有更可靠的参数估计和较好的拟合效果。

为了在提高弱小运动目标的检测准确度的同时满足实时性要求,提出了一种基于SVD的改进混合高斯模型弱小运动目标检测算法。针对普通混合高斯模型阈值选取没有针对性的问题,运用基于奇异值分解(SVD)的动态阈值调整更新方法,提高混合高斯模型对弱小运动目标检测准确度。实验结果表明,该算法能够准确、高效地检测特定弱小运动目标。

为了降低复杂路网条件下的物流配送成本,通过对物流配送路径选择问题的研究和分析,建立了基于混合智能算法的物流配送路径优化模型,该模型利用Floyd算法计算出路网节点间的最短路径,并在此基础上使用节约法进行配送路径合并,再运用遗传算法对配送路径集合进行优化。实例应用结果表明,该模型能有效降低物流配送成本,证明了该模型的实用性和有效性。

针对小样本情况下混合型参数的复杂作用关系过程建模及优化问题，文章提出基于高斯过程回归和B样条曲线相结合的建模及优化方法。首先采用B样条基函数与其控制顶点的加权求和建立函数型参数模型，然后运用超拉丁方设计对控制顶点与标量型参数进行采样并建立高斯过程回归模型，最后对所构建的模型进行遗传算法寻优。仿真与实证研究表明，该方法能够在可行域内较好地对具有复杂作用关系的混合型参数建模，与传统的实验设计方法相比，该方法能够在可行域内实现全局性最优。