張 璠，滕桂法，苑迎春，王克儉，范鐵鋼，張昱婷

0 引 言

中國是農(nóng)業(yè)大國，農(nóng)業(yè)機(jī)械是現(xiàn)代農(nóng)業(yè)發(fā)展的物質(zhì)基礎(chǔ)和科技載體。如何提升農(nóng)機(jī)作業(yè)組織化程度、信息化水平，確保糧食顆粒歸倉是當(dāng)前中國農(nóng)業(yè)的首要任務(wù)，如何增加機(jī)手和農(nóng)戶收益是擺在我們面前的重要課題[1-2]。三夏時節(jié)大量聯(lián)合收割機(jī)跨區(qū)作業(yè)，當(dāng)惡劣天氣來臨前或有緊急作業(yè)需求時，迫切需要緊急調(diào)配農(nóng)機(jī)進(jìn)行搶收搶種工作。由于時間緊迫，當(dāng)?shù)剞r(nóng)機(jī)管理部門無法獲取可用農(nóng)機(jī)的GPS位置、作業(yè)能力、作業(yè)位置等實時信息，一般采用打電話、發(fā)短信、貼通告等形式，召集可用農(nóng)機(jī)來參與搶收任務(wù)，通過人為指派或憑經(jīng)驗調(diào)配農(nóng)機(jī)無法保證整個調(diào)配方案的合理。常出現(xiàn)一些農(nóng)田作業(yè)點任務(wù)完成后農(nóng)機(jī)有閑置，另一些農(nóng)田作業(yè)點由于缺少農(nóng)機(jī)，不能及時完成搶收任務(wù)，使農(nóng)田遭受損失。因此合理的農(nóng)機(jī)應(yīng)急調(diào)配方案對順利完成搶收任務(wù)起決定作用。為使損失和成本降到最低，需要整合農(nóng)機(jī)和農(nóng)田信息，提出科學(xué)合理的緊急調(diào)配方案[3]。

大多數(shù)歐洲國家、美國、加拿大、澳大利亞等國家土地經(jīng)營規(guī)模較大，經(jīng)濟(jì)條件好，配有大型農(nóng)業(yè)機(jī)械，不僅能保證農(nóng)業(yè)生產(chǎn)需求，并且機(jī)具利用率相對較高。國外對農(nóng)機(jī)跨區(qū)作業(yè)研究較少，國外農(nóng)田和農(nóng)機(jī)一般都是農(nóng)場主自有，很少組織大規(guī)模農(nóng)機(jī)跨區(qū)作業(yè)，重點考慮的是收獲機(jī)械和運輸車輛之間的配合問題[4-14]。在國內(nèi)調(diào)度算法的研究中，文獻(xiàn)[15]構(gòu)建基于時間窗的農(nóng)機(jī)資源時空調(diào)度數(shù)學(xué)模型，通過動態(tài)規(guī)劃的思想完成對每個決策的最優(yōu)解的計算。文獻(xiàn)[16]建立了應(yīng)急車輛調(diào)度模型,提出基于遺傳算法的模型求解方法。文獻(xiàn)[17]針對復(fù)雜災(zāi)害情景，采用自適應(yīng)免疫克隆選擇文化算法[18]和勢能抵消算法進(jìn)行求解。上述文獻(xiàn)的研究成果對農(nóng)機(jī)緊急調(diào)配有一定啟發(fā)，但農(nóng)機(jī)緊急調(diào)配不同于車輛應(yīng)急調(diào)度問題，農(nóng)機(jī)作為緊急調(diào)配的資源可重復(fù)利用，需要考慮多農(nóng)機(jī)多階段調(diào)配。文獻(xiàn)[19-22]提出了基于機(jī)主選擇的農(nóng)機(jī)調(diào)配模式，設(shè)計了基于啟發(fā)式優(yōu)先級規(guī)則的調(diào)配算法，通過不斷改進(jìn)，驗證了算法的有效性，但并未對農(nóng)機(jī)緊急調(diào)配問題進(jìn)行深入研究。文獻(xiàn)[23]根據(jù)極端天氣導(dǎo)致的災(zāi)害分布情況，設(shè)計了農(nóng)機(jī)調(diào)配最佳反應(yīng)函數(shù)，根據(jù)粒子群算法得到極端天氣下農(nóng)機(jī)調(diào)度離散種群映射，實現(xiàn)粒子群更新并獲取最優(yōu)的調(diào)度。文獻(xiàn)[24-29]通過GIS、GPRS及GPS等技術(shù)采集農(nóng)機(jī)作業(yè)數(shù)據(jù)，建立了農(nóng)機(jī)作業(yè)信息管理或決策系統(tǒng)。農(nóng)機(jī)信息服務(wù)平臺[30-31]僅為機(jī)手、農(nóng)機(jī)合作社等提供作業(yè)過程中各類供需信息，并未給出可行的調(diào)度方案。當(dāng)有緊急作業(yè)需求時，農(nóng)機(jī)管理部門迫切需要緊急作業(yè)方案來指導(dǎo)搶收搶種。現(xiàn)有調(diào)度模型或系統(tǒng)不適合解決緊急調(diào)配問題，無法提供科學(xué)有效的智能決策服務(wù)。本文主要研究農(nóng)機(jī)跨區(qū)作業(yè)緊急調(diào)配問題，綜合地塊位置、地塊面積、時間期限等因素和可用農(nóng)機(jī)信息，以最小化損失和成本為目的，通過緊急調(diào)配算法計算得到可行的緊急調(diào)配方案，為農(nóng)機(jī)管理部門決策分析提供科學(xué)依據(jù)。

1 智慧農(nóng)機(jī)平臺下的緊急調(diào)配問題

1.1 問題分析

緊急調(diào)配要在時間期限內(nèi)做出科學(xué)合理的決策，涉及到多地農(nóng)機(jī)資源需要在多受災(zāi)點間進(jìn)行調(diào)配。因此需要將各受災(zāi)點的信息和各地農(nóng)機(jī)資源整合起來協(xié)同應(yīng)對。智慧農(nóng)機(jī)利用物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)和北斗定位等新一代信息技術(shù)，為種植戶、機(jī)手、合作社、政府管理部門等提供智能決策與信息化服務(wù)。當(dāng)有緊急任務(wù)時，各地通過互聯(lián)網(wǎng)上報待作業(yè)農(nóng)田地塊信息，主要包括農(nóng)機(jī)作業(yè)緊急調(diào)度區(qū)域內(nèi)的地塊面積、地塊經(jīng)緯度信息等。安裝在農(nóng)機(jī)上的智能終端實時采集的經(jīng)緯度信息、作業(yè)能力、油耗、行駛速度等信息上傳到智慧農(nóng)機(jī)平臺。

農(nóng)機(jī)跨區(qū)緊急調(diào)配問題要在多農(nóng)機(jī)和多作業(yè)點間建立一種映射關(guān)系。根據(jù)地塊位置信息，智能搜索出農(nóng)田附近的可用農(nóng)機(jī)信息，綜合地塊位置、地塊面積、時間期限等因素，組織適當(dāng)?shù)男熊嚶肪€，使農(nóng)機(jī)有序地為農(nóng)田作業(yè)點服務(wù)，以最小化調(diào)配成本和損失為目標(biāo)，計算得到最優(yōu)的緊急調(diào)配方案，供政府、農(nóng)機(jī)管理部門或者合作社等部門參考。圖 1為基于智慧農(nóng)機(jī)的緊急調(diào)配示意圖。

圖1 智慧農(nóng)機(jī)緊急調(diào)配示意圖Fig.1 Schematic diagram of emergency scheduling and allocating of intelligent agricultural machinery

1.2 農(nóng)機(jī)緊急調(diào)配模型

1.2.1 調(diào)配問題形式化描述

根據(jù)對緊急調(diào)配問題的分析，本節(jié)將對緊急調(diào)配問題進(jìn)行形式化描述。

式中， a reai表示農(nóng)田i的面積,hm2；

LOCFi={表示農(nóng)田 i的位置信息，LNGFi分別表示農(nóng)田i的經(jīng)緯度信息。

式中 a bilityj表示農(nóng)機(jī)j的工作能力， ve locityj表示農(nóng)機(jī)j的行駛速度；

cos tj=｝表示從農(nóng)機(jī) j到農(nóng)田 i的成本，其中 c os t Ij表示每公里的油耗成本，元； c os t Sj表示每天的作業(yè)成本，元。

LOCMj=｝表示農(nóng)機(jī) j的位置信息，和 L ATMj分別表示農(nóng)機(jī)j的經(jīng)緯度信息。

的到達(dá)時刻， tsji表示農(nóng)機(jī)j到農(nóng)田i的開始作業(yè)時刻，表示農(nóng)機(jī)j到農(nóng)田i的結(jié)束時刻；s cji表示農(nóng)機(jī)j為農(nóng)田i作業(yè)的面積，hm2； dji表示農(nóng)機(jī)j到農(nóng)田i的實際距離，km； Tdeadline表示緊急調(diào)配任務(wù)的截止時刻。

1.2.2 調(diào)配模型建立

1）調(diào)配目標(biāo)

式（1）中 Emin 表示緊急調(diào)配的總成本，包括農(nóng)機(jī)的運輸成本和作業(yè)成本，運輸成本與每公里的油耗和行駛距離有關(guān)，作業(yè)成本與作業(yè)油耗和人工作業(yè)成本有關(guān)；min L 表示緊急調(diào)配中的損失，損失是指到緊急調(diào)配任務(wù)的截止期時，仍有未作業(yè)完的農(nóng)田就會產(chǎn)生損失。損失通過單位面積的損失乘以未作業(yè)完的農(nóng)田面積計算得到，其中p表示單位面積的損失。式（3）表示緊急調(diào)配的成本由路上成本和人工成本2部分組成；式（4）表示從農(nóng)機(jī)j到達(dá)農(nóng)田i的時間等于農(nóng)機(jī)j出發(fā)去農(nóng)田i的時間加上路上的運輸時間；式（5）表示所有到農(nóng)田i作業(yè)的農(nóng)機(jī)所完成的面積小于等于農(nóng)田i的面積；式（6）表示農(nóng)機(jī)j為農(nóng)田i作業(yè)結(jié)束時間小于等于任務(wù)的截止時間。

2 多機(jī)多任務(wù)緊急調(diào)配算法

多機(jī)多任務(wù)的緊急調(diào)配問題是一類多階段決策優(yōu)化問題，多臺農(nóng)機(jī)要分多階段完成多塊農(nóng)田緊急任務(wù)。當(dāng)可用農(nóng)機(jī)足以完成所有農(nóng)田作業(yè)任務(wù)時，調(diào)配目標(biāo)是最小化農(nóng)機(jī)調(diào)配成本；當(dāng)可用農(nóng)機(jī)不足以完成所有農(nóng)田作業(yè)任務(wù)時，調(diào)配目標(biāo)首先是最小化農(nóng)田作業(yè)點損失，然后是最小化農(nóng)機(jī)調(diào)配成本。基于上述分析，本文提出了基于優(yōu)先策略的多機(jī)多任務(wù)緊急調(diào)配算法，一種是基于距離最近優(yōu)先的策略，一種是基于貢獻(xiàn)度最大優(yōu)先的策略。為方便描述，本文首先做出定義。

2.1 相關(guān)定義

定義1實際距離

實際距離是指根據(jù)農(nóng)機(jī)和農(nóng)田經(jīng)緯度信息，調(diào)用百度地圖接口計算得到的距離。

定義2最短距離

從當(dāng)前每臺可用農(nóng)機(jī)到每塊待作業(yè)農(nóng)田間的實際距離中最短的一個稱為最短距離。

定義3貢獻(xiàn)度

農(nóng)機(jī)對農(nóng)田貢獻(xiàn)度是指某農(nóng)機(jī)在時間期限內(nèi)可以為某農(nóng)田服務(wù)的面積，即該農(nóng)機(jī)對該農(nóng)田的貢獻(xiàn)度越大，說明該農(nóng)機(jī)為該農(nóng)田的服務(wù)面積就越大。如下為農(nóng)機(jī) j對農(nóng)田i貢獻(xiàn)度的計算公式。

2.2 基于最短距離優(yōu)先的緊急調(diào)配算法

該算法根據(jù)定義 2，搜索距離最短的一對農(nóng)機(jī)和農(nóng)田，優(yōu)先分配并計算成本，若農(nóng)田作業(yè)任務(wù)完成，而該農(nóng)機(jī)仍可用則繼續(xù)把該農(nóng)機(jī)分配給最近的農(nóng)田；若該農(nóng)田未完成，則記錄該農(nóng)機(jī)不可用，繼續(xù)搜索當(dāng)前距離最短農(nóng)機(jī)和農(nóng)田，直到所有農(nóng)田均被完成，或所有農(nóng)機(jī)被分配完為止。其中uncompletedcount為未完成的農(nóng)田數(shù)量，unusedcount為可用農(nóng)機(jī)數(shù)量，具體算法步驟如下圖2所示。

2.3 基于貢獻(xiàn)度最大優(yōu)先的緊急調(diào)配算法研究.

該算法根據(jù)公式（7），計算各農(nóng)機(jī)到各農(nóng)田貢獻(xiàn)度，搜索貢獻(xiàn)度最大的一組農(nóng)機(jī)和農(nóng)田進(jìn)行優(yōu)先分配。若農(nóng)田作業(yè)任務(wù)完成，而該農(nóng)機(jī)仍可用，則計算該農(nóng)機(jī)到各農(nóng)田的貢獻(xiàn)度，把該農(nóng)機(jī)分配給貢獻(xiàn)度最大的農(nóng)田；若該農(nóng)田未完成，則記錄該農(nóng)機(jī)不可用，繼續(xù)搜索當(dāng)前貢獻(xiàn)度最大的農(nóng)機(jī)和農(nóng)田，直到所有農(nóng)田均被完成，或所有農(nóng)機(jī)被分配完為止。具體算法步驟如下圖3所示。

圖2 基于最短距離優(yōu)先的緊急調(diào)配算法流程Fig.2 Flow chart of emergency allocation algorithmwith rules of shortest-distance first

圖3 基于貢獻(xiàn)度最大優(yōu)先的緊急調(diào)配算法流程Fig.3 Flowchart of emergency allocation algorithm with rules of max-ability first

3 算法比較

3.1 試驗數(shù)據(jù)準(zhǔn)備

本文以河北省邯鄲市的小麥聯(lián)合收割機(jī)為研究對象，數(shù)據(jù)來源于智慧農(nóng)機(jī)平臺。農(nóng)田面積、位置等信息由農(nóng)機(jī)管理部門發(fā)布，農(nóng)機(jī)位置、工作能力等信息由安裝在農(nóng)機(jī)上的智能終端盒子采集。緊急農(nóng)田和可用農(nóng)機(jī)的信息如下表1、表2和表3所示。表1為緊急作業(yè)農(nóng)田的基本信息，主要包括農(nóng)田面積以及農(nóng)田的經(jīng)緯度信息；表 2為可用聯(lián)合收割機(jī)的基本信息，包括聯(lián)合收割機(jī)類型以及聯(lián)合收割機(jī)當(dāng)前的經(jīng)緯度信息，表 3為聯(lián)合收割機(jī)的作業(yè)能力信息。

表1 緊急作業(yè)農(nóng)田的基本信息Table 1 Basic information of farmland in emergency scheduling and allocating

表2 可用聯(lián)合收割機(jī)的基本信息Table 2 Basic information of available combine harvesters

表3 聯(lián)合收割機(jī)的作業(yè)能力信息Table 3 Operation ability of combine harvesters

3.2 算法計算結(jié)果

基于最短距離優(yōu)先的緊急調(diào)配算法（shortest-distance first algorithm）記為SDFA，基于最大貢獻(xiàn)度的緊急調(diào)配算法（max-ability first algorithm）記為MAFA。表4從農(nóng)機(jī)為農(nóng)田作業(yè)的面積、作業(yè)時間和行駛距離 3方面記錄了算法SDFA和MAFA的調(diào)配方案。表5從緊急任務(wù)的損失比例、成本、調(diào)配距離、完成比例等方面，對 2種算法調(diào)配結(jié)果進(jìn)行比較。

表4 最短距離優(yōu)先的緊急調(diào)配和大貢獻(xiàn)度的緊急調(diào)配算法的調(diào)配結(jié)果Table 4 Scheduling and allocating results of shortest-distance first algorithm (SDFA) and max-ability first algorithm (MAFA)

表5 2種算法調(diào)配結(jié)果比較Table 5 Comparison results of two algorithms

從表4可知，算法SDFA和MAFA的調(diào)配方案包括為農(nóng)田作業(yè)的每個農(nóng)機(jī)、農(nóng)機(jī)為農(nóng)田作業(yè)的面積、作業(yè)時間等信息。從表5的比較可知，2種算法損失均為0，作業(yè)完成比例為100%，可用農(nóng)機(jī)足以完成緊急農(nóng)田作業(yè)任務(wù)。在此情況下，算法MAFA的調(diào)配成本和調(diào)配距離分別為13 936.50元和682.00km，算法SDFA的調(diào)配成本和調(diào)配距離分別為 14 648.50元和716.80km。即在農(nóng)機(jī)充足時，算法MAFA的調(diào)配成本和調(diào)配距離均低于算法SDFA，MAFA的調(diào)配結(jié)果更優(yōu)。

3.3 試驗分析

3.3.1 農(nóng)機(jī)數(shù)量對算法的影響

為進(jìn)一步驗證2種緊急調(diào)配算法的可行性和適用性，本文分別模擬5組農(nóng)機(jī)充足的數(shù)據(jù)和5組農(nóng)機(jī)不足的數(shù)據(jù)，每組包含6塊待作業(yè)農(nóng)田、12臺可用聯(lián)合收割機(jī)。通過上述2種算法計算得到結(jié)果如表6和表7所示。通過算法MAFA計算出的損失、成本和調(diào)配距離分別記為LOSSm、 C OSTm和 D ISTANCEm，通過算法SDFA計算出的損失、成本和調(diào)配距離標(biāo)記為 L OSSs、 C OSTs和DISTANCEs。當(dāng)農(nóng)機(jī)充足時，算法SDFA和MAFA的損失均為0，即 R atio1= 0 ； R atio2是指當(dāng)農(nóng)機(jī)充足時，表示算法MAFA的成本比SDFA成本的下降比例； R atio3是指當(dāng)農(nóng)機(jī)充足時，算法MAFA的調(diào)配距離比SDFA調(diào)配距離的下降比例，R atio4是指當(dāng)農(nóng)機(jī)不足時，算法SDFA的損失比MAFA損失的下降比例； R atio5是指當(dāng)農(nóng)機(jī)不足時，算法SDFA的成本比MAFA成本的下降比例；R a tio6是指當(dāng)農(nóng)機(jī)不足時，算法SDFA的調(diào)配距離比MAFA調(diào)配距離的下降比例。具體定義如下所示。

表6 農(nóng)機(jī)充足時2種緊急調(diào)配方案的比較Table 6 Comparison of emergent scheduling and allocating schemes with adequate farm machinery

表7 農(nóng)機(jī)不足時2種緊急調(diào)配算法的結(jié)果比較Table.7 Comparison of emergent scheduling and allocating schemes with insufficient farm machinery

從表6可知，當(dāng)農(nóng)機(jī)數(shù)量充足時，算法SDFA的調(diào)配成本和距離要高于算法MAFA，算法MAFA的調(diào)配成本和距離要比算法SDFA的平均降低了4.34% 和3.79%。從表7中可知，當(dāng)農(nóng)機(jī)數(shù)量不充足時，算法MAFA的損失、成本和調(diào)配距離要高于算法SDFA，算法SDFA的損失、成本和調(diào)配距離要比算法 MAFA的平均降低了12.79%、4.11%和4.96%。通過5組隨機(jī)數(shù)據(jù)的計算結(jié)果進(jìn)一步驗證得出如下結(jié)論，當(dāng)農(nóng)機(jī)數(shù)量充足時，基于最大貢獻(xiàn)度優(yōu)先的緊急調(diào)配算法的計算結(jié)果更優(yōu)。當(dāng)農(nóng)機(jī)不足時，基于最短距離優(yōu)先的緊急調(diào)配算法的計算結(jié)果更優(yōu)。

3.3.2 農(nóng)田數(shù)量對算法的影響

為進(jìn)一步驗證算法性能，討論農(nóng)機(jī)數(shù)量為 12，農(nóng)田數(shù)量分別為6、10、15和30時，采用上述2種算法來計算調(diào)配方案，并從平均運算時間的角度對SDFA和MAFA 2種算法與文獻(xiàn)[22]中提出的基于非合作博弈應(yīng)急調(diào)配算法(algorithm based on non-cooperative game, NCGA)進(jìn)行比較。通過計算得到結(jié)果如表8所示。其中SDFA、MAFA和 NCGA 3種算法的平均運算時間，分別記為 A CTs、ACTm和 A CTn。算法SDFA和MAFA的下降率分別記為DRs和 D Rm， D Rs是指算法SDFA平均運算時間比算法NCGA平均運算時間的下降比例， D Rm是指算法MAFA平均運算時間比算法NCGA平均運算時間的下降比例，DRs和 D Rm的公式具體如下。

表8 3種算法的平均運算時間比較Table 8 Comparison of average calculating operationtime among threealgorithms

由表8可知，農(nóng)田數(shù)量為6時，NCGA算法的平均運行時間為3.215 s，本文SDFA和MAFA 2種算法的平均運行時間均不超過2.4 s，運算性能均提升25%以上。農(nóng)田數(shù)量為10時，NCGA算法的平均運行時間為4.286 s，本文2種算法的平均運行時間均不超過2.7 s，運算性能分別提升37%以上。農(nóng)田數(shù)量為15時，NCGA算法的平均運行時間為5.369 s，本文的2種算法的均不超過3.3 s，運算性能分別提升39%以上。農(nóng)田數(shù)量為30時，NCGA算法的平均運行時間為6.485 s，本文的2種算法的均不超過3.8 s，運算性能分別提升41%以上。

由此可知，隨著農(nóng)田數(shù)量的增加，本文提出 2種算法的平均運算時間要明顯低于比文獻(xiàn)[22]中算法的運行時間。本文 2種算法的平均運算時間基本持平，均具有較好的性能。

4 結(jié) 論

多機(jī)多任務(wù)緊急調(diào)配問題以最小化調(diào)配成本和損失為目標(biāo)，根據(jù)多臺農(nóng)機(jī)要分多階段完成多塊農(nóng)田緊急任務(wù)的特點，本文提出了 2種基于優(yōu)先策略的多機(jī)多任務(wù)緊急調(diào)配算法，分別為算法SDFA和算法MAFA。通過隨機(jī)試驗分析可得出如下結(jié)論。

當(dāng)可用農(nóng)機(jī)充足時，算法 MAFA的調(diào)配成本要比SDFA的成本降低了4.34%，當(dāng)農(nóng)機(jī)不足時，SDFA的調(diào)配成本要比MAFA的損失和調(diào)配成本分別下降了12.79%和4.11%。由此可知基于最大貢獻(xiàn)度優(yōu)先的緊急調(diào)配算法更適用于農(nóng)機(jī)數(shù)量充足的情況，基于最短距離優(yōu)先的緊急調(diào)配算法更適用于農(nóng)機(jī)不足的情況。

當(dāng)農(nóng)機(jī)數(shù)量為6時，本文提出的2種算法比筆者之前提出的NCGA的平均運算性能均提升25%以上。當(dāng)農(nóng)機(jī)數(shù)量為30時，本文的2種算法的平均性能均提升41%以上。隨著農(nóng)田數(shù)量的增加，本文提出 2種算法的平均運算時間基本持平，2種算法均具有較好的性能。本文研究成果可為緊急調(diào)配決策分析科學(xué)依據(jù)。

本文農(nóng)機(jī)緊急調(diào)配的總成本主要包括農(nóng)機(jī)運輸成本和作業(yè)成本 2部分。運輸成本主要與農(nóng)機(jī)行駛油耗和行駛距離有關(guān)。為簡化問題方便計算，本文中假定各農(nóng)機(jī)的行駛油耗相同。作業(yè)成本與作業(yè)油耗和機(jī)手的人工成本有關(guān)。本文假定單位時間的作業(yè)油耗和行駛油耗是固定的。然而農(nóng)機(jī)的行駛油耗和作業(yè)油耗均為動態(tài)變量，跟農(nóng)機(jī)動力、地塊形狀、大小、農(nóng)機(jī)手駕駛習(xí)慣和熟練程度等多因素有關(guān)，在后續(xù)的研究中將會進(jìn)一步研究行駛油耗和作業(yè)油耗的影響因素。

[1] 中國農(nóng)業(yè)年鑒[Z]. 2016.

[2] 河北農(nóng)村統(tǒng)計年鑒[Z]. 2016.

[3] 張璠. 農(nóng)機(jī)調(diào)配策略研究[D]. 保定：河北農(nóng)業(yè)大學(xué)，2012.Fan Zhang. Study on Farm Machinery Scheduling and Allocating Strategies[D]. Baoding: Agricultural University of Hebei, 2012. (in Chinese with English abstract)

[4] Sorensen C G, Bochtis D D. Conceptual model of fleet management in agriculture[J]. Biosystems Engineering, 2010,105(1): 41－50.

[5] Bochtis D D, Dogoulis P, Busato P, et al. A flow-shop problem formulation of biomass handling operations scheduling.Computers and Electronics in Agriculture, 2013, 49(5): 49－56.

[6] Zhiguo S, Hui X, Wensheng W. An architecture for the agricultural machinery intelligent scheduling in cross-regional work based on cloud computing and internet of things[C]. //International Conference on Computer and Computing Technologies in Agriculture. Springer, Berlin, Heidelberg,2011, 344: 9－15.

[7] A Orfanou, P Busato, DD Bochtis, et al. Scheduling for machinery fleets in biomass multiple-field operations[J].Computers & electronics in agriculture, 2013, 94(11): 12－19.

[8] Wayan Astika, Akira Sasao, Kenshi Sakai , et al. Stochastic farm work scheduling algorithm based on short range weather variation[J]. Journal of JSAM, 1999, 61(2): 157－164.

[9] Dionysis Bochtisa, ClausG C, Sorensena, et al. Advances in agricultural machinery management: A review[J]. Biosystems-Engineering, 2014, 126(39): 69－81.

[10] Spekken M, & de Bruin, S Optimized routing on agricultural fields by minimizing maneuvering and servicing time. Precision Agriculture, 2013, 14(2): 224－244.

[11] Bochtis D D, Dogoulis P, Busato P, et al. A flow-shop problem formulation of biomass handling operations scheduling.Computers and Electronics in Agriculture, 2013, 49(5): 49－56.

[12] Jensen M A, Bochtis D, Sorensen C G, et al. In-field and inter-field path planning for agricultural transport units.Computers & Industrial Engineering, 2012, 63(4): 1054－1061.[13] Hameed I A, Bochtis D D, Sorensen CG. Driving angle and track sequence optimization for the operational path planning using genetic algorithms. Applied Engineering in Agriculture,2011, 27(6): 1077－1086.

[14] Jin J, Tang L. Optimal coverage path planning for arrable farming on 2D surfaces. Transactions of the ASABE, 2010,53(1): 283－295.

[15] 吳才聰，蔡亞平，羅夢佳，等. 基于時間窗的農(nóng)機(jī)資源時空調(diào)度模型[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2013，44(5)：237－241.Wu Caicong, Cai Yaping, Luo Mengjia, et al. Time-windows based temporal and spatial scheduling model for agricultural machinery resources[J]. Transactions of The Chinese Society of Agricultural Machinery, 2013, 44(5): 237－241. (in Chinese with English abstract)

[16] 楊海強(qiáng)，陳衛(wèi)明. 存在不確定災(zāi)害點的交通運輸網(wǎng)絡(luò)應(yīng)急車輛調(diào)度研究[J]. 安全與環(huán)境工程，2017，24(5)：26－30.Yang Haiqiang, Chen Weiming.Study on emergency vehicle scheduling under transportation network with uncertain disaster points[J]. Safety and Environmental Engineering.2017, 24(5): 26－30. (in Chinese with English abstract)

[17] 葛洪磊，劉南. 復(fù)雜災(zāi)害情景下應(yīng)急資源配置的隨機(jī)規(guī)劃模型[J]. 系統(tǒng)工程理論與實踐，2014，(12)：3034－3042.Ge Honglei, Liu Nan. A stochastic programming model for relief resources allocation problem based on complex disaster scenarios[J]. Systems Engineering-Theory & Practice, 2014(12):3034－3042. (in Chinese with English abstract)

[18] 郭一楠，王輝，程健. 自適應(yīng)免疫克隆選擇文化算法[J]，電子學(xué)報，2010，38(4)：966－972.GuoYinan, Wang Hui, Chen Jian. Adaptive immune clonal selection cultural algorithm[J]. Acta Electronica Sinica, 2010,38(4): 966－972. (in Chinese with English abstract)

[19] 張璠，滕桂法，馬建斌，等. 基于啟發(fā)式優(yōu)先級規(guī)則的農(nóng)機(jī)調(diào)配算法[J]. 農(nóng)業(yè)工程學(xué)報，2012，28(10)：78－85.Zhang Fan, Teng Guifa, Ma Jianbin, et al. Farm machinery scheduling and allocating based on heuristic priority rules[J].Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2012, 28(10): 78－85. (in Chinese with English abstract)

[20] Zhang Fan, Teng Guifa, Chang Shuhui, et al. Study on farm machinery scheduling and allocating problem with heuristic priority rules[J], ICIC Express Letters, 2012, 6(7): 1797－1802, 2012.

[21] Zhang Fan, Li Yueli, Chen Chen. Research on search-based scheduling and allocating algorithm[J], International Journal of Grid and Distributed Computing, 2016, 9(5): 167－180.

[22] Zhang Fan, Gao Yuan, Li Yueli. Research on cross-regional emergency scheduling and allocating strategies[J]. International Journal of Grid and Distributed Computing, 2016, 9(5): 89－98.

[23] 李婷. 極端天氣下的農(nóng)機(jī)應(yīng)急調(diào)配仿真模型[J]. 科技通報.2014，12：193－195.Li Ting, Simulation modeling of agricultural machinery emergency deployment under extreme weather[J]. Bulletin of Science and Technology, 2014, 12: 193－195. (in Chinese with English abstract)

[24] 楊立國，李傳友，賈生，等. 北京市農(nóng)機(jī)管理調(diào)度系統(tǒng)設(shè)計與實現(xiàn)[J]. 農(nóng)學(xué)學(xué)報，2014，4(8)：96－100.Yang Liguo, Li Chuanyou, Jia Sheng, et al. Design and implementation of Beijing agricultural machinery management system[J]. Journal of Agriculture, 2014, 4(8): 96－100. (in Chinese with English abstract)

[25] 劉碧貞，黃華，祝詩平等. 基于北斗/GPS的谷物收割機(jī)作業(yè)綜合管理系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報，2015，31(10)：204－210.Liu Bizhen, Huang Hua, Zhu Shiping, Xiang Biwang. Integrated management system of grain combine harvester based on Beidou & GPS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015,31(10): 204－210. (in Chinese with English abstract)

[26] 李洪，姚光強(qiáng)，陳立平. 基于GPS，GPRS和GIS的農(nóng)機(jī)監(jiān)控調(diào)度系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報，2008，24(2)：119－112.Li Hong, Yao Guangqiang, Chen Liping. Farm machinery monitoring and scheduling system based on GPS, GPRS and GIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2008, 24(2): 119－122. (in Chinese with English abstract)

[27] 王壯，陳立平，劉永生. 農(nóng)機(jī)監(jiān)控調(diào)度系統(tǒng)的設(shè)計與實現(xiàn)[J].計算機(jī)工程，2010，36(11)：232－234，237.Wang Zhuang, Chen Liping, Liu Yongsheng. Design and implementation of agricultural machinery monitoring and scheduling system[J]. Computer Engineering, 2010, 36(11):232－234, 237. (in Chinese with English abstract )

[28] 王少農(nóng)，莊衛(wèi)東，王熙. 農(nóng)業(yè)機(jī)械遠(yuǎn)程監(jiān)控管理信息系統(tǒng)研究[J]. 農(nóng)機(jī)化研究，2015，37(6)：264－268.Wang Shaonong, Zhuang Weidong, Wang Xi. Research on agricultural machinery remote control management system[J].Journal of agricultural mechanization research, 2015, 37(6):264－268. (in Chinese with English abstract)

[29] Zhu XiaoNing, Yan Rui, Wang HongLi. Harvesting scheduling operations for the machinery owners under multi-farmland,multi-type situation with time window-an empirical study arising in agricultural contexts in China[J]. INMATEHAgricultural Engineering, 2015, 46(2): 175－182.

[30] 農(nóng)機(jī)跨區(qū)作業(yè)供求信息查詢. [EB/OL]2017 [2017-10-01]http://kq.amic.agri.gov.cn/nxtwebfreamwork/kq/more.do?typ esort=2

[31] 福田雷沃重工：信息化支撐服務(wù)化. [EB/OL]2012 [2012- 08-20]https://www.nongjitong.com/news/union/2012/600429. html