技术特征：
1.一种饲料配方优化方法，其特征在于，包括以下步骤：s1、结合实际情况选择饲料配方的原料；s2、通过查阅饲料成分及营养价值表获取步骤s1选择得到的原料的营养成分含量；s3、根据喂养的动物结合参考文献确定该动物的营养需求量；s4、建立饲料配方优化模型；s5、对步骤s4建立的饲料配方优化模型进行求解；s6、通过改进的禁忌搜索算法对步骤s5求解得到的结果进行优化，最终得到最优的饲料配方。2.根据权利要求1所述的一种饲料配方优化方法，其特征在于，所述步骤s1结合实际情况选择饲料配方原料时，需要考虑的情况包括原料的种类、原料的体积、原料的特性、原料的混合情况以及原料的单价；所述原料的单价包括原料本身的价值和运费。3.根据权利要求1所述的一种饲料配方优化方法，其特征在于，所述步骤s4建立饲料配方优化模型的过程如下：设有m种原料和n种饲料营养需求，则构建一个n*m的矩阵p(a
ij
)，i＝1，2，...，n；j＝1，2,...,m；假设饲料成本为e，则定义饲料配方优化模型中的目标函数为如下所示：mine＝c1x1+c2x2+...+c
m
x
m
ꢀꢀꢀꢀꢀꢀꢀ
(1)式(1)中，x
i
(i＝1,..,m)为每个原料在配方中所占的含量，x1+x2+...+x
m
等于饲料配方的总重量，c1,c2,...,c
m
为每个原料的单价；对于饲料的相关约束条件，用以下的不等式方程组进行刻画：式(2)中，a
ij
为第i种原料含有的第j种营养成分的含量；b
i
为喂养的动物所需的各项营养成分的最低标准。4.根据权利要求3所述的一种饲料配方优化方法，其特征在于，所述步骤s5通过传统优化算法或智能优化算法对步骤s4建立的饲料配方优化模型进行求解；其中，传统优化算法采用穷举法或线性规划法；智能优化算法采用遗传算法、粒子群算法或模拟退火算法。5.根据权利要求4所述的一种饲料配方优化方法，其特征在于，所述步骤s6通过改进的禁忌搜索算法对步骤s5求解得到的结果进行优化的具体过程如下：s6-1、从步骤s5求解得到的结果x＝[x1,x2,...,x
m
]，x
i
(i＝1,..,m)为每个原料在配方中所占的含量，对应的饲料成本为f；设置搜索精度矩阵w＝[w1,w2,...,w
p
]、迭代次数k，k＝0；定义包括有邻域移动矩阵的禁忌表t；s6-2、判断k是否大于k，若是，则跳至步骤s6-8，否则，设置i＝1，并进入步骤s6-3；s6-3、判断i是否大于p，若是，则k＝k+1，并返回步骤s6-2，否则进入步骤s6-4；s6-4、输入精度w
i
，进行邻域移动，对x中两个不同的元素分别+w
i
和-w
i
，得到2*m*(m-1)个不同的邻域移动矩阵m；
s6-5、将步骤s6-4得到的所有的邻域移动矩阵m逐一与禁忌表t中的邻域移动矩阵进行比对，若当前邻域移动矩阵m和禁忌表t中的邻域移动矩阵的和为零，则剔除当前的邻域移动矩阵m对应的解x；s6-6、将步骤s6-5得到的剩余的解x代入到约束条件中，剔除不满的解x；s6-7、将步骤s6-6剩余的解x代入到目标函数中，通过比较各剩余的解x所对应的饲料成本e，求出当前的最优解x，记录并更新饲料成本f，然后将最优解x对应的邻域移动矩阵m更新到禁忌表t中，i＝i+1，返回步骤s6-3；s6-8、输出最终的结果x和对应的饲料成本f。6.一种饲料配方优化系统，所述饲料配方优化系统用于实现权利要求1-5中任一的饲料配方优化方法，其特征在于，所述饲料配方优化系统包括顺序连接的饲料配方原料选择模块(1)、原料营养成分含量获取模块(2)、动物营养需求量确定模块(3)、建模模块(4)、求解模块(5)以及优化模块(6)；其中，所述饲料配方原料选择模块(1)用于结合实际情况选择饲料配方原料；所述原料营养成分含量获取模块(2)用于通过查阅饲料成分及营养价值表获取饲料配方原料选择模块(1)选择得到的原料的营养成分含量；所述动物营养需求量确定模块(3)用于根据喂养的动物结合参考文献确定该动物的营养需求量；所述建模模块(4)用于建立饲料配方优化模型；所述求解模块(5)用于对建模模块(4)建立的饲料配方优化模型进行求解；所述优化模块(6)用于对求解模块(5)求解得到的结果进行优化，最终得到最优的饲料配方。7.一种计算机，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-5任意一项所述方法的步骤。8.一种存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5任意一项所述方法的步骤。
技术总结
本发明公开了一种饲料配方优化方法、系统、计算机及存储介质，方法包括：首先结合实际情况选择饲料配方原料，通过查阅饲料成分及营养价值表获取选择得到的原料的营养成分含量，并根据喂养的动物结合参考文献确定该动物的营养需求量。接着，建立饲料配方优化模型，之后对建立的饲料配方优化模型进行求解。最后通过改进的禁忌搜索算法对求解得到的结果进行优化，最终得到最优的饲料配方。本发明在传统优化算法或智能优化算法所求结果的基础上，利用改进的禁忌搜索算法实现跳出局优全局搜索，找到更优解，得到的饲料配方既能满足限制性约束条件又能最大限度地降低成本。条件又能最大限度地降低成本。条件又能最大限度地降低成本。
技术研发人员：张学聪 樊锁海 鲁嘉
受保护的技术使用者：暨南大学
技术研发日：2021.09.28
技术公布日：2022/1/14