XAW9LIA2

2577

28 octobre 2020 12:25

3 novembre 2020 17:43

L'attribution d'aliments aux vaches laitières gérées de manière intensive pour atteindre différents objectifs est difficile en raison de la complexité inhérente du système et du problème combinatoire qui doit être résolu. Les approches d'optimisation multi-objectifs basées sur Pareto utilisant des algorithmes évolutifs peuvent aider à relever ces défis et montrer les compromis et les synergies entre divers objectifs. Nous présentons ici un cadre d'optimisation multi-objectifs avec l'algorithme d'Evolution différentielle (DE) appliqué aux systèmes d'alimentation laitière avec pâturage et approvisionnement en concentrés pour générer une approximation du front de Pareto. Les ressources alimentaires disponibles sont situées dans différentes zones d'alimentation et le nombre d'animaux et de groupes d'animaux ayant des besoins alimentaires similaires est réparti dans ces zones à des fins d'alimentation. Pour évaluer l'algorithme DE, nous avons réalisé deux expériences in-silico pour: (1) comparer la qualité des solutions de DE mono-objectif avec des solutions de programmation linéaire (LP) exactes, et (2) évaluer l'influence de différents taux de stockage (nombre de vaches / ha) sur la production laitière, la répartition des aliments et les indicateurs de performance économique. Les solutions DE qui minimisent les coûts d'alimentation pour différents taux de charge (1,1–2,6 vaches / ha) se sont rapprochées de près des solutions dérivées avec LP, confirmant la qualité de l'algorithme heuristique. Les scénarios du modèle à objectifs multiples ont démontré que l'augmentation de la densité de stockage améliorerait la production laitière et la marge brute par unité de surface à une productivité par animal largement inchangée en déplaçant la ration alimentaire du fourrage grossier vers une grande proportion d'aliments concentrés supplémentaires. À des taux de charge bas, des solutions avec une productivité et une marge brute élevées, une grande proportion de fourrage dans la ration et une alimentation complémentaire limitée ont été identifiées. Nous concluons que l'optimisation multi-objectifs avec un algorithme DE basé sur Pareto est très efficace pour explorer les interrelations entre des objectifs contradictoires et pour trouver des solutions appropriées.

The allocation of feedstuff to intensively managed dairy cows to achieve different objectives is challenging due to the inherent complexity of the system and the combinatorial problem that has to be solved. Pareto-based multi-objective optimization approaches using evolutionary algorithms can help to address these challenges and show the trade-offs and synergies among various objectives. Here we present a framework for multi-objective optimization with the Differential Evolution (DE) algorithm applied to dairy feeding systems with grazing and concentrate supply to generate an approximation of the Pareto front. The available feed resources are located in different feeding areas, and the number of animals and groups of animals with similar feeding requirements are distributed across these areas for feeding purposes. To evaluate the DE algorithm, we performed two in-silico experiments to: (1) compare the solutions quality of single-objective DE with exact Linear Programming (LP) solutions, and (2) assess the influence of different stocking rates (number of cows/ha) on milk production, feed allocation and economic performance indicators. The DE solutions that minimize the feeding costs for different stocking rates (1.1–2.6 cows/ha) closely approached the solutions derived with LP, confirming the quality of the heuristic algorithm. The multi-objective model scenarios demonstrated that increasing stocking density would enhance milk production and gross margin per unit of area at largely unchanged productivity per animal by shifting the feed ration from roughage to a large proportion of supplementary concentrate feed. At low stocking rates solutions with high productivity and gross margin and a large proportion of roughage in the ration and limited supplementary feeding were identified. We conclude that the multi-objective optimization with a Pareto-based DE algorithm is highly effective to explore the interrelations among conflicting objectives and to find suitable solutions.

None

• AB - Transversal
• FREDO alimentation animale
• bovin laitier
• élevage

• dairy production
• evolutionary algorithms
• multi-objective
• pareto front
• resource allocation

Agricultural Systems

183

102854

August 1, 2020

1 août 2020

10.1016/j.agsy.2020.102854 Le DOI est une URL unique de référencement d'une publication. Il est donc plus fiable et permanent qu'une URL classique

0308-521X L’ISSN est un code de 8 chiffres servant à identifier les journaux, revues, magazines, périodiques de toute nature et sur tous supports, papier comme électronique.