基于机器学习的饲料配方优化与产线参数自适应控制方法

本发明公开了基于机器学习的饲料配方优化与产线参数自适应控制方法，包括如下步骤：S1、构建分层多态图结构模型；S2、计算节点之间的行为差异生成张力场张量；S3、筛选张力值低于设定张力阈值的路径组合生成优化个体；S4、将优化个体输入改进水母搜索算法，包括主动运动阶段和被动漂移阶段；S5、选取适应度值最高的优化个体作为最优个体；S6、基于最优个体的配方参数与工艺参数更新分层多态图结构模型；S7、判断当前原料批次或产线工况是否发生变化，若发生变化则返回步骤S2并重复执行步骤S3至S6，否则进入步骤S8；S8、输出当前最优个体中的配方参数与工艺参数。本发明融合层多态图结构模型与改进水母算法，实现饲料配方与工艺参数协同优化。