Table of Contents Table of Contents
Previous Page  52 / 72 Next Page
Information
Show Menu
Previous Page 52 / 72 Next Page
Page Background

50

ХРАНЕНИЕ и ПЕРЕРАБОТКА СЕЛЬХОЗСЫРЬЯ • №4 • 2015

П

роблема и ее связь с научными и практическими

задачами.

Полноценное кормление — основа

высокой плодовитости и продуктивности взрос-

лых животных, увеличения живой массымолодняка, что

в конечном итоге приводит к повышению эффективнос-

тиживотноводства. Правильное использование кормов—

один из крупных резервов увеличения и удешевления

производства продуктов животноводства.

Задача оптимизации плана производства кормов

важна для всех сельскохозяйственных предприятий, где

есть животноводческие отрасли, но наиболее актуальна

она для хозяйств животноводческого направления, спе-

циализирующихся на производстве кормов. Прежде чем

создавать животноводческий комплекс, необходимо

определить источники и объем поступления кормов.

Обоснование кормовой базы, расчет вариантов плана

целесообразно осуществлять с использованием методов

математического моделирования и ЭВМ [1, 2].

Анализ последних исследованийи публикаций.

Существу-

ют различные программные продукты по оптимизации

кормления животных. Одна из них —программный ком-

плекс «Коралл» [3, 4], разработанная вРоссии. Она выпол-

няетфункциикомплекснойоптимизациии анализа раци-

онов комбикормов и премиксов. В программах использу-

етсяноваямодель рациона, вкоторойвпервые учитывают-

ся потери, вызываемые отсутствием сбалансированности

кормления (снижение производительности, показателей

воспроизводства, здоровья и племенных качеств живот-

ных).Программыпозволяют комплекснооптимизировать

рационыс определениемнеобходимых кормовых добавок

и рассчитать рецепты комбикормов, премиксов, которые

наилучшим образом сочетаются с основными кормами,

учитывают план расходования кормов.

Рассмотримкак решаются задачи классификации дан-

ных с помощью алгоритма по методу

k

-средних [5, 6],

реализованном в пакетеMS-Excel.

Ход исследований и обоснование полученных результатов.

Входные данные информационной системы введены в

таблицуMS-Excel (письмо Ish). Для реализации алгорит-

ма классификации методом

k

-средних применен язык

программирования VBA (Visual Basic for Application)

[7–9].В текстовое окно TextBox1 аналитик (пользователь

системы) вводит количество кластеров, среди которых он

хочет распределить входные данные (2, 3 или более).

Этапы реализации алгоритма представлены в виде инс-

трументов Command Button («Кнопка»), среди которых:

случайный выбор центров кластеризации;

формирование таблицы нормированных значений;

расчет расстояний (на 1, 2 и 3 итерации);

перераспределение центров кластеров (2 и 3 итерации).

Первая итерация алгоритма

k

-средних считывает из

соответствующих ячеек листа входных данных количество

объектов (размещены по срокам таблицы), количество

критериев для оценки каждого объекта (расположены по

столбцам таблицы). Центры кластеризации на 1-й итера-

ции избираются случайным образом в зависимости от

количества кластеров (случайное число номера объекта

может быть в диапазоне от 1 до

n

). Следующий шаг алго-

ритма—формированиетаблицынормированныхзначений

(значения характеристик объектов приводятся к одной

условной единице измерения в диапазоне от 0 до 1). Для

этогонаходятсямаксимальные значенияпокаждойхарак-

теристике объекта, и каждое значение делится на макси-

мальное. РезультатыпроцедурывыводятсявтаблицуNorm,

формат которой не отличается от входной таблицы Ish.

Вывод нормированных значений характеристик объ-

ектов осуществляется с помощьюфункциивывода в ячей-

ку Cells (

i

+ 3,

j

+1) = norm (

i

,

j

). При нажатии кнопки

«Расчет расстояний» запускается процедура расчета рас-

стоянийот каждогообъекта.Наиболее распространенным

способом расчета расстояний является евклидово рассто-

яние, определяемое по формуле:

n

R

j

=

(

x

i

j

x

i

q

)

2

,

i

=1

где

R

j

— расстояние между объектом, который рас-

сматривается (

j

-й объект) и центром кластера;

x

i

значение нормированной

i

-й характеристики объекта;

x

i

q

— значение этой характеристики в центре кластера

(

q

-й объект).

Далее по каждому объекту избирается минимальное

расстояние среди расстояний до центров кластеров, и

объект считается зачислен в этот кластер. Формируется

таблица расстояний (письмоMS ExcelVidst) с такимфор-

матом (случай для количества кластеров

m

= 3). Каждая

строчка таблицы характеризует объект и выделяется

одним из трех цветов в соответствии с кластером, к кото-

рому отнесен данный объект.

УДК 65.011.56: 636.085.4

Программирование при автоматизированной системе

управления производственной линией

комбикормового предприятия

Аспирант А.Н. ПЕТРЯКОВ; д-р техн наук, профессор М.М. БЛАГОВЕЩЕНСКАЯ

Московский государственный университет пищевых производств

С. Д. САВОСТИН

ОАО «Мелькомбинат в Сокольниках», г. Москва

Д-р техн. наук, профессор И. Г. БЛАГОВЕЩЕНСКИЙ

Московский государственный технический университет имени Н. Э. Баумана

ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ

Электронная Научная СельскоХозяйственная Библиотека