.png){kind=icon}
返回
An optimization method for corn planting parameters based on mutation breeding sea horse optimization algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.compag.2025.110417.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对优化玉米种植参数的黑箱问题，并考虑到传统方法（如拟合精度低、易陷入局部最优等）的不足，提出了一种基于变异育种海马优化算法（MBSHO）和反向传播神经网络（BPNN）的MBSHO-BPNN方法。首先，介绍了标准海马优化算法（SHO）及其改进的MBSHO，包括控制参数改进、螺旋运动更新和变异育种机制。随后，进行了一系列广泛的数值实验，系统评估了MBSHO各组件及相关参数的有效性。同时，采用CEC 2017测试对不同规模问题进行了MBSHO与其他算法的比较。结果表明，MBSHO表现出更优的性能。在MBSHO-BPNN的有效性验证中，该方法在无约束和线性约束优化问题的拟合精度及优化结果方面优于其他对比方法。最终，将MBSHO-BPNN应用于玉米种植参数优化，获得的最优参数组合为：种植密度9.23×10⁴/hm²，氮肥施用量138.72 kg/hm²，磷肥施用量86.53 kg/hm²，钾肥施用量70.32 kg/hm²。在此配置下，玉米产量达到16,303.56 kg/hm²，显著高于其他方法，实际平均产量的相对误差仅为-0.6757%。该方法不仅为农业黑箱优化问题提供了高效解决方案，也展现出在更广泛非线性优化挑战中的潜力。
Keyword:
Corn yield
Sea horse optimization algorithm
BP neural network
Black-box optimization method
期刊
IF:
8.9
论文数:
1.0W
被引数:
4.8W
机构
引用论文
Sequential approximation optimization assisted particle swarm optimization for expensive problems
PREAI
分享收藏Prediction of Pork Supply Based on Improved Mayfly Optimization Algorithm and BP Neural Network.png)
SUSTAINABILITY
OAAI
SUSTAINABILITYIF3.3
OAAI分享收藏Research on the Capability Maturity Evaluation of Intelligent Manufacturing Based on Firefly Algorithm, Sparrow Search Algorithm, and BP Neural NetworkCOMPLEXITYOAAI
COMPLEXITYIF1.7
OAAI分享收藏A partition cum unification based genetic- firefly algorithm for single objective optimizationSādhanā
SādhanāIF0
PREAI
分享收藏分享收藏The Use of Ranks to Avoid the Assumption of Normality Implicit in the Analysis of Variance使用秩来避免方差分析中隐含的正态性假设
PREAI
分享收藏
查看更多内容