本网讯 近日，我院张文康副教授围绕跨区域农机协同调度取得两项研究成果，分别在国际顶尖学术期刊《Expert Systems with Applications》（中科院1区，影响因子9.4）和《Swarm and Evolutionary Computation》（中科院2区，影响因子9.6）发表。两篇论文均由安徽农业大学与合肥工业大学合作完成，我校为第一作者单位，张文康副教授为第一作者。研究分别从多目标协同优化和需求变化下的动态重调度两个方面，为跨区域农机资源配置与作业组织提供了新的方法。

农忙时节，地块作业时间集中，不同农机的类型、效率和所属合作社又存在差异。跨区域协作能够缓解局部运力不足，但如何兼顾完工效率、转场消耗与工作负荷均衡，仍是调度中的难题。与此同时，新增需求往往在作业过程中到达，调度方案还需要随农机的实际位置与任务进度及时调整。围绕这些问题，团队开展了相互补充的研究。

针对多目标协调问题，研究团队建立了同时优化完工时间、总行驶距离和工作负荷均衡的调度模型，将机型匹配、农时窗口、跨合作社支援和返回原驻地等条件统一纳入决策，并提出帕累托档案驱动的超启发式算法PMO-HH-3I。该方法利用候选方案的搜索状态自适应选择优化操作，结合代表性折中方案学习和停滞后的强化搜索，提高多目标求解质量，为调度人员保留不同侧重的备选方案。

在五类场景、三种规模的测试中，所提方法与七种算法相比，帕累托解集质量的整体表现最优。团队还依据农机信息平台地图与供给记录，构建了包含23个合作社供给节点、360块需求地块和125台可用农机的算例。代表性方案完成全部地块服务，无机型错配，参与作业的农机均返回原驻地，展示了跨区域协同调度的可行性。

针对需求变化下的动态调度问题，团队进一步提出增强近端策略优化方法（Enhanced PPO）。新增任务到达后，该方法保留已完成及执行中的任务安排，从农机的实际状态出发，对剩余任务进行重调度。算法在离线训练中加入部分计划已执行的状态，通过更密集的奖励反馈提高学习效果；在线调度时结合可行性筛选、多候选方案比较与局部搜索，形成可执行的调整计划。调度路径图展示了不同规模下新增需求到达前后的路线变化。

研究设置区域集中新增、边界跨区需求、分散紧急需求和特定机型需求冲击四类场景，构建了覆盖五种规模的20个算例。结果显示，Enhanced PPO在静态和动态设置下的全部40组对比中均取得最低完工时间，重复运行结果也更稳定。执行甘特图表明，新增需求可通过局部调整融入原有计划，保持作业前后的衔接。

两项研究从调度方案的多目标权衡延伸到执行过程中的动态调整，为农机合作社组织跨区域支援、提高资源利用效率和应对需求变化提供了方法支持，也为农机服务平台开展智能决策研究奠定了基础。相关研究获得国家自然科学基金面上项目资助。（文图：张文康 初审：周国安 复审：权龙哲 终审：张立付）

论文链接：

多目标调度论文：https://doi.org/10.1016/j.eswa.2026.134760

动态调度论文：https://doi.org/10.1016/j.swevo.2026.102528