多因素农作物种植决策优化

个人贡献

我在团队中负责数据建模、可视化设计与部分论文撰写，具体工作如下：

数据预处理、约束与关联分析、模型求解

完成生产数据的预处理与特征分析，输出农作物品类占比、地块类型分布、多季耕地时间匹配等基础分析结论，为模型约束设计与边界设定提供数据依据；梳理问题一 MILP 模型的约束，将农艺规则转化为标准化数学表达式；实现 Spearman 秩相关检验与 K-means++ 聚类建模，设计“作物间相互影响系数”并完成目标函数的修正。

图表可视化设计

完成论文图表设计，包括数据侧写类（品类占比饼图、地块面积分布图、种植季次时间轴图）、模型结果类（收益分布直方图、聚类散点对比图、灵敏度分析图）图表，通过可视化清晰呈现数据规律与模型结论。

论文撰写

撰写数据侧写、建模求解、模型检验等章节；检查论文排版与全文逻辑连贯。

竞赛背景与问题定位

赛题：农作物的种植策略

本题围绕华北山区乡村有机种植的真实生产场景，属于典型的多周期混合整数规划优化问题。核心目标是在耕地类型异质、农艺规则约束、市场与气候多重不确定的条件下，制定 2024年至2030 年共 7 年的动态种植方案，平衡经济效益、田间管理效率与种植风险，为乡村产业可持续发展提供量化决策支撑。

耕地与数据基础

• 耕地资源：全村共 54 个种植单元，包含 34 块露天耕地（总计 1201 亩，分为平旱地、梯田、山坡地、水浇地 4 类）、20 座设施大棚（16 座普通大棚 + 4 座智慧大棚，单棚 0.6 亩）；不同地块适配的作物品类、可种植季数存在明确差异。其中水浇地与大棚可在一年内种植两季作物，需按季节合理分配种植时序。
• 基础数据：覆盖粮食、蔬菜、豆类、食用菌四大品类作物的 2023 年亩产量、种植成本、销售单价区间、预期销量等完整生产经营数据。

水浇地与设施大棚因具备两季种植能力，其季间时间分配直接影响复种效率与收益。下图为两季耕地的时间分配方案：

各类型耕地的面积分布同样影响作物配置策略，下图为 54 个种植单元的面积构成：

硬性约束条件

• 农艺约束：同一地块同季不可连续重茬种植；每块土地三年内至少种植一次豆类作物（养地轮作要求）。
• 管理约束：单种作物种植地块不宜过度分散，单地块内单作物种植面积不低于地块的 50%，保障田间管理效率。
• 经营约束：作物总产量超出预期销量部分，按滞销浪费或半价出售两种规则处理，直接影响最终收益。

上述约束在不同地块类型上的适用规则存在差异，下图为按地块类型汇总的种植限制分类：

三层递进问题设计

赛题由简入繁设置三个子问题，逐步贴近真实农业生产的复杂性：

• 确定性基准问题：假设产量、成本、价格、销量均与 2023 年持平，分别针对“超产滞销浪费”与“超产半价销售”两种经营场景，求解收益最大化的静态种植方案。
• 不确定性鲁棒问题：引入销量、亩产量、种植成本、销售价格的多维度动态波动，综合考量气候与市场风险，求解不确定性下的稳健种植策略。
• 关联系统优化问题：新增作物间的替代 / 互补关系，以及销量、价格、成本三者的内生关联，通过模拟数据求解更贴合现实的优化策略，并与问题二结果做对比分析。

建模体系与求解方法

团队对应三个子问题，搭建了由简入繁、层层递进的完整模型体系：

问题一：混合整数线性规划（MILP）

引入"土地当量比"量化土地利用效率，结合"小块单一、大片混合"原则，适配复种套作、 间混作与轮作模式。以各地块各季各作物的种植面积占比为离散决策变量（取值 {0, 0.5, 1}），将地块类型适配、作物品类限制、重茬轮作、豆类养地规则、最小种植面积等约束全部线性化，通过 Python PuLP 库调用分支定界算法求解，输出2024–2030 年逐年逐地块的作物优化分配方案。

问题二：两阶段随机规划 + 鲁棒优化

对销量、亩产量、价格、成本四类不确定因素定义概率分布，通过 10000 次蒙特卡洛情景模拟刻画波动特征；引入风险厌恶系数 λ，叠加滞销风险、价格波动、产量波动、成本波动四类惩罚项构建鲁棒优化目标；结合粒子群优化（PSO）算法对浮动参数精细化求解，得到极端不利情景下仍能保持稳定收益的种植策略。

经 10000 次蒙特卡洛情景模拟，7 年总收益分布如下，均值约 113.86 万元、标准差 1.44 万元、95% 置信区间 [111.04, 116.68] 万元。

问题三：K-means++ 聚类 + Spearman 秩相关

针对生产数据不满足正态分布的特点，采用非参数的Spearman秩相关系数量化亩产量、种植成本、销售价格三者的单调关联；通过 K-means++ 聚类按“销量 - 价格 - 成本”三维特征对作物分群，识别品类间的替代与互补关系；提出“作物间相互影响系数γ”作为目标函数调整项，将作物交互效应显式嵌入优化模型，最终通过 PSO 算法求解并与问题二结果对比。

下组图依次展示问题三的关联分析过程与聚类结果：首先呈现各作物的亩产量、种植成本与销售价格（含波动范围），再以热力图可视化变量间相关性，最后给出 K-means++ 聚类的二维对比与三维空间分布。

核心成果与创新点

模型在三个层面取得可量化的结果：

• 基准方案输出：完成 2024年至2030 年逐年各地块、各作物的种植面积分配表，对比得出“超产半价销售”场景相比“滞销浪费”场景收益提升显著。
• 不确定性验证：蒙特卡洛模拟结果显示，7 年总收益平均值约 113.86 万元， 标准差 1.44 万元，95% 置信区间为 [111.04, 116.68] 万元， 方案收益稳定性与抗风险能力得到验证。
• 关联分析结论：K-means++ 将作物划分为 3 个特征集群；Spearman 分析得出 —— 单价与成本显著正相关（r=0.365, p<0.001）、单价与产量弱负相关（r=−0.177）、 成本与产量呈强负相关（r=−0.675, p<0.001），据此优化了高成本作物的种植配置效率。
• 灵敏度检验：销量与销售价格对目标函数正向影响最强，提升产量、降低种植成本对收益的提升作用直接且显著。

方法创新：

• 引入“土地当量比”量化混合种植模式的土地利用效率，系统整合复种套作、间混作与轮作的生产规则。
• 将两阶段随机规划、粒子群优化与蒙特卡洛模拟相结合，实现多维度不确定性的统一刻画与风险量化。
• 采用非参数 Spearman 秩相关处理非正态农业数据，规避正态分布假设带来的估计偏差。
• 提出“作物间相互影响系数”，将作物的替代 / 互补关系显式写入目标函数，提升模型对真实生产的拟合度。

Back