基于改进非支配排序遗传算法的肉羊饲料配方多目标优化

饲料配方是一个典型的多目标优化问题，其目标是在满足多种营养约束的同时将成本降至最低。然而，现有方法在处理非线性约束、高维决策空间和解的可行性方面往往存在局限性。为应对这些挑战，本研究提出了一种基于改进非支配排序遗传算法 II（NSGA-II）的多目标饲料配方优化方法。研究引入了混合狄利克雷-拉丁超立方抽样（Dirichlet-LHS）策略以生成具有高可行性和多样性的初始种群，并结合基于迭代归一化的动态修复算子以高效处理原料比例和营养约束。此外，还设计了基于超体积改善率的自适应终止机制（Hypervolume Termination, HVT），在确保 Pareto 前沿有效收敛的同时避免冗余计算。实验结果表明，Dirichlet–LHS 策略在超体积和解的多样性方面均优于随机抽样、狄利克雷抽样和拉丁超立方抽样。在相同的营养约束下，与多目标贝叶斯优化相比，改进的 NSGA-II 使配方成本降低了 1.52%；相对于传统饲料配方方法，成本降低了 2.17%。在肉羊日粮配方的实际应用中，优化后的饲料成本降至 1162.23 CNY/吨，仅增加了 1.09 s 的计算时间便实现了 4.83% 的成本降幅。这些结果表明，所提出的方法可有效解决强约束多目标饲料配方问题，并为智慧畜牧业中的精准饲喂提供了可靠的技术支持。