随着对农产品需求的持续增长以及现代信息技术的快速发展,传统劳动密集型农业生产转变为计算智慧型农业业态。智慧农业通过采集农业数据,并对农业数据进行计算与分析,实现农业作业全生命周期的智慧生产、智慧控制,从而减少人力和物力的投入、合理分配资源、减少对环境的破坏、提高农产品的产量和质量。智慧农业的核心是计算与智能,其智慧生产和智慧控制的过程依赖于对农业数据的分析与处理,并为农业生产过程提供理论依据和指导。本文基于计算农业理论和多智能体系统理论,结合多目标优化算法,提出了一种农业任务分配策略,旨在将复杂的农业任务合理地分配给农业作业Actor,并对所提策略进行了验证分析。论文的主要研究内容包括了以下几个方面:(1)多智能体系统的理论知识研究,主要分析总结了多智能体系统中的Agent定义及其基本模型,多智能体系统的定义、特征及其通用结构。在此基础上,将计算农业系统中的各成员当作是一个Agent,并提出了一种适用于计算农业的多智能体系统。(2)多目标优化问题的研究,将计算农业中的任务分配问题当作是多目标优化问题,并提出了多个优化目标函数,包括收益目标函数和损耗目标函数。收益目标函数考虑完成任务后所获得的收益、完成任务的概率函数和农业作业Actor的作业效率;损耗目标函数考虑农业作业Actor的能源消耗和设备损耗。(3)多目标优化算法的研究,分析总结了遗传算法和粒子群算法这两种多目标优化算法的基本理论及设计过程,提出了一种结合遗传算子的改进型粒子群算法MP-PSOGA,用以生成农业任务的最佳分配策略。改进后的算法以粒子群算法为主体,嵌入了遗传算法中的交叉算子和变异算子,算法的参数引入了动态更新的机制,使改进后的算法具有良好的收敛性,能适用于动态变化的农业系统模型。(4)任务分配策略的研究,首先将任务分解成若干个子任务,并对子任务进行优先级排序,任务分配过程中引入了协商机制,采用拍卖的方式将每一个子任务分配给若干个农业作业Actor。同时,本文还考虑了任务执行过程中的动态因素导致任务不能按照原策略执行的情况,设计了任务重分配策略。(5)仿真设计与结果分析,将田地间的农药喷洒农业任务具体分配给若干个农业作业Actor,验证所提出的任务分配策略的可行性与有效性。