No contexto da revitalização rural, otimizar estratégias de plantio de culturas é essencial para promover o desenvolvimento agrícola sustentável e melhorar os benefícios econômicos rurais. Este artigo propõe um novo modelo de otimização multi-objetivo que hibridiza a Otimização por Enxame de Partículas (PSO) e o Algoritmo Genético (GA) para superar as limitações individuais desses algoritmos amplamente utilizados. O modelo integra de maneira única múltiplas restrições práticas — incluindo tipos de culturas, rendimento por unidade de área, demanda do mercado, preço de venda, custos de plantio e adequação do solo — em um quadro abrangente voltado para maximizar os retornos econômicos globais. Ao combinar efetivamente a rápida convergência do PSO com a robusta capacidade de busca global do GA, o algoritmo híbrido melhora a estabilidade da convergência e a precisão da solução em problemas complexos e de alta dimensão de planejamento agrícola. Além disso, este estudo introduz um mecanismo de manejo de restrições personalizado para refletir melhor os cenários agrícolas do mundo real. Experimentos extensivos com dados agrícolas reais demonstram que o modelo proposto supera as abordagens tradicionais de algoritmo único em eficiência e eficácia, fornecendo suporte de decisão confiável para otimizar estratégias de plantio de culturas. A fusão inovadora do PSO e do GA, junto com a integração de restrições práticas, distingue esta pesquisa e contribui significativamente para o avanço da tomada de decisão agrícola inteligente sob iniciativas de revitalização rural.
Tong Wang (Sex,) estudou essa questão.