基于双向迪杰斯特拉算法移栽机补栽路径规划及仿真

为提高移栽机补栽作业的自动化水平,对移栽机补栽路径规划进行研究。首先,对移栽机补栽进行分析并建立路径规划仿真地图;然后,提出一种双向迪杰斯特拉算法,并进行二次优化实现节点排序,配合A*算法的避障功能实现路径;最后,基于C++编程及OpenCV实现算法功能并进行图像绘制实现算法仿真。仿真结果表明:采用改进后的双向迪杰斯特拉算法规划路径,路径移动距离平均下降14.74%,转向次数平均减少8%,移动时间平均减少13.41%。双向迪杰斯特拉算法,相比迪杰斯特拉算法规划的目标节点顺序更优。因此,改进后的算法能实现移栽机补栽更优的路径规划,提升移栽机补栽效率,为补栽路径规划问题的研究提供重要参考。

基于山东省不同模型的物流需求预测比较研究

目的过对不同预测方法的误差对比研究,选取预测生鲜农产品物流需求量更精准方法,为疫情情况下山东省生鲜农产品市场进行科学性、合理化决策提供参考。方法公路货物周转量、互联网普及率、GDP、人口数量、第一产业增加值等十大影响因素作为自变量,以生鲜农产品的需求量作为因变量,分别将小波神经网络、人工神经网络(BP)、遗传算法优化神经网络(GA−BP)、粒子群优化神经网络(PSO−BP)、长短时记忆网络(LSTM)等5种方法的数据预测进行对比分析。结果波神经网络和BP神经网络的预测值明显低于真实值,且平均相对误差接近20%,而优化后的GA−BP、PSO−BP、LSTM算法误差均小于5%,分别为4.06%、1.162%、0.45%,因此,LSTM预测精度最高,效果最好。结论来山东省的生鲜农产品需求量将持续增长,LSTM算法以其精确度更高,学习能力更强的优点,将会被更多地应用到物流领域研究中。