Indiziert in
  • Öffnen Sie das J-Tor
  • Genamics JournalSeek
  • Akademische Schlüssel
  • Forschungsbibel
  • Kosmos IF
  • Zugang zu globaler Online-Forschung in der Landwirtschaft (AGORA)
  • Elektronische Zeitschriftenbibliothek
  • RefSeek
  • Verzeichnis der Indexierung von Forschungszeitschriften (DRJI)
  • Hamdard-Universität
  • EBSCO AZ
  • OCLC – WorldCat
  • Gelehrtersteer
  • SWB Online-Katalog
  • Virtuelle Bibliothek für Biologie (vifabio)
  • Publons
  • Genfer Stiftung für medizinische Ausbildung und Forschung
  • Euro-Pub
  • Google Scholar
Teile diese Seite
Zeitschriftenflyer
Flyer image

Abstrakt

Genetischer Algorithmus: Ein wirksames Werkzeug zur Lösung des Reiseproblems landwirtschaftlicher Berater

Adewumi IO, Oluwatoyinbo FI, Omoyajowo AO, Ajisegiri GO und Akinsete AE

Genetische Algorithmen simulieren die Logik der Darwinschen Selektion, wie sie im biologischen Evolutionsprozess (Zellteilung, DNA, Mutation usw.) zu beobachten ist, um Probleme zu lösen. Sie basieren einerseits auf einer heuristischen Gradientenaufstiegsmethode (Selektion und Crossover) und andererseits auf einer halbzufälligen Explorationsmethode (Mutation). In dieser Forschungsarbeit wurde die Anwendung genetischer Algorithmen für das Optimierungsproblem untersucht, das im Transitproblem von landwirtschaftlichen Beratern oder Arbeitern bei der Verbreitung neuer Innovationen und technologischer Fortschritte in der Landwirtschaft enthalten ist. Es wurde eine Ordnungsdarstellung für die Kostenmatrix für 10 Städte und Chromosomen verwendet. Das Ergebnis zeigte, dass genetische Algorithmen das Routingproblem eines landwirtschaftlichen Beraters im Hinblick auf die Zeitminimierung lösen können, um nach der kürzesten Route zu suchen, wodurch die Anzahl der Orte erhöht wird, die die Berater bei geringeren Transportkosten erreichen können. Dies wird dazu beitragen, die nationale Vision 2020 zur Ernährungssicherheit zu erreichen.

Haftungsausschluss: Dieser Abstract wurde mit Hilfe von Künstlicher Intelligenz übersetzt und wurde noch nicht überprüft oder verifiziert.