2024国赛C题：基于强化学习和启发式算法的种植策略搜索方法

​

具体介绍和代码请移步github！（求star求求了，给点鼓励）

建议直接看github(https://github.com/ArrebolBlack/CUMCM2024_C)

https://github.com/ArrebolBlack/CUMCM2024_C
如果有更深的思路、代码讲解需求，请star后留言，根据反馈会出后续

正文

​
大家好，我是参加2024年全国大学生数学建模竞赛 (CUMCM) C题的一位选手，在这篇博客中，我将分享我对于C题的解答思路、代码结构以及所用算法。希望能为同样对这个题目感兴趣的朋友提供一些思路和帮助。

C题大多数做法可能是当优化问题去做了，搞一些传统的优化模型什么的，我觉得这种方法没什么新意和挑战性，还是得来点不一样的

问题背景与核心思路

2024年的C题可以看作是在所有种植策略的空间中进行搜索的问题，或者是一个典型的序列生成问题。我的解法主要分为两个步骤：

1. 构建评估函数：首先构造一个充分的评估函数，计算不同种植策略的总利润，即目标得分。
2. 强化学习环境：基于评估函数定义一个强化学习环境，并在动作空间中进行搜索，逐步优化种植策略。

核心代码结构

我将项目中的主要功能模块化，核心代码分为以下几部分：

• data_structure.py：负责处理数据，定义通用数据结构，提供接口。所有信息将转化为 result 格式，包括种植地块 (plots)、农作物 (crops)、年份 (years) 等，保证后续计算以张量形式进行，从而提高计算效率。

• Object_function.py：定义目标函数和约束条件，构建评估函数，也就是整个项目中的 loss function。

• env.py：强化学习环境的定义，实现单步决策。

• algo 目录：包含各种算法在强化学习环境中的具体实现，后面会详细介绍这些算法。

项目工具

在项目中，我还设计了一些辅助工具，帮助对目标函数进行采样统计和归一化处理。这些工具主要用于检查目标函数及其约束条件的分布情况。例如，eval_obj_no_parallel.py 系列就是用于多次采样统计一个函数的分布的工具，它帮助我更好地理解目标函数的表现。

此外，我也为一些算法和工具函数实现了并行和多线程的功能，以加快计算速度。如果你在项目中遇到效率问题，记得区分这些并行版本的工具。

搜索空间优化

初始的搜索空间定义为 (82, 41, 7)，其中 82 代表地块数，41 代表农作物种类，7 代表年份。这是一个较大的空间，直接在这个空间中进行搜索会非常低效。

为了提高效率，我对搜索空间进行了优化，删除了无意义或不可能出现的点，将其压缩为 (1082, 7)，极大地减少了计算复杂度。优化后的环境文件存储在 env_new.py 中，在 data_structure.py 中还实现了来回转换的函数。

解题思路

针对 C 题的解答，我将项目分为了两部分：

第一题

1. 对于第一问，我直接使用了 data_structure.py、Object_function.py 和 env_new.py。
2. 对于第二问，在上述代码的基础上稍作修改，改变目标函数的计算方式，使用了 Object_function_1.2.py。

第二题

为了应对第二题的变化，我更换了未来七年种植数据的模拟方式。之前的解法是将2023年的情况复制，现在我根据题目要求进行了随机模拟。具体代码实现为 data_structure_2.py + Object_function.py + env_new.py。

简化步骤

在简化的条件下，解题步骤如下：

1. 第一题第一问：data_structure.py + Object_function.py + env_new.py
2. 第一题第二问：data_structure.py + Object_function_1.2.py + env_new.py
3. 第二题：data_structure_2.py + Object_function.py + env_new.py

简单想法

我的基本思路是，先将环境模拟得足够真实，然后交给算法慢慢去优化。通过不断地在搜索空间中寻找最优解，可以实现种植策略的最优化。

算法介绍

在本项目中，我使用了多种算法来进行种植策略的搜索和优化，涵盖了简单搜索、深度强化学习和启发式算法。

简单搜索算法

• Random_Agent：随机探索，模拟猴子乱猜的方式，进行随机策略选择。
• epsilon-greedy 策略：在一定概率下随机选择动作，以平衡探索与开发。
• UCB (上限置信界)：由于是单步决策问题，可以看作多臂老虎机问题，UCB 算法帮助我在有限的动作空间中进行探索。

深度强化学习算法

• DQN：经典的深度 Q 网络算法，用于解决强化学习中的离散动作选择问题。
• DuelingDQN：对 DQN 的改进，分离了状态价值和动作优势函数，提升了算法的效果。
• DuelingDQN + Attention：使用 Transformer 的嵌入层，捕捉输入输出之间的复杂关系，从而提升对 Q 值的预测准确性。
• PPO + Transformer：这个算法的设计是将问题看作序列生成问题。输入 2023-2030 年的数据（如价格、成本、销售量、产量等），输出 2024-2030 年的种植策略。通过 PPO 框架结合 Transformer 来捕捉输入与输出之间的关联性。

启发式算法

• GA (遗传算法)：通过模拟自然选择、交叉、变异等过程寻找最优种植策略。
• PSO (粒子群算法)：粒子群算法通过模拟粒子群的协作，逐步靠近最优解。

项目结构

├── algo                        # 算法实现目录
│   ├── DQN                     # DQN 算法
│   ├── PPO+Transformer          # PPO + Transformer 实现
│   ├── ...                      # 其他算法
├── data_structure.py            # 数据处理及通用接口定义
├── Object_function.py           # 目标函数和约束条件
├── env.py                       # 强化学习环境定义
├── eval_obj_no_parallel.py       # 目标函数的多次采样统计
├── README.md                    # 项目说明文档
└── ...

结语

如果你对这篇博客或代码有任何疑问，欢迎与我交流！同时，也欢迎大家为项目 star，一起探讨种植策略优化问题。

联系方式：
有问题或者想交朋友的同学可以通过我的邮箱联系我：207804110@qq.com

---

希望这篇博客对你有所帮助！