NDRL：基于嵌套双智能体强化学习的棉花灌溉与氮肥施用
机器学习
2025-12-19 v1 多智能体系统
摘要
有效的灌溉和氮肥施用对作物产量有显著影响。然而，现有研究面临两个局限：（1）作物生长过程中优化水氮组合的复杂性高且产量优化结果不佳；（2）轻度胁迫信号难以量化且反馈延迟，导致水和氮的动态调控不够精确，资源利用效率较低。为解决这些问题，我们提出了一种嵌套双智能体强化学习（NDRL）方法。NDRL 中的父智能体基于预测的累积产量收益识别有前景的宏观灌溉和施肥策略，在保持目标与产量一致的同时减少无效探索。子智能体的奖励函数纳入了量化的水分胁迫因子（WSF）和氮胁迫因子（NSF），并利用混合概率分布动态优化每日策略，从而提高产量和资源效率。我们使用 2023 年和 2024 年的田间实验数据校准和验证了农业技术转移决策支持系统（DSSAT），以模拟真实条件并与 NDRL 交互。实验结果表明，与最佳基线相比，模拟产量在 2023 年和 2024 年均提高了 4.7%，灌溉水生产力分别提高了 5.6% 和 5.1%，氮肥偏因子生产力分别提高了 6.3% 和 1.0%。我们的方法推动了棉花灌溉和氮肥施用的发展，为应对农业资源管理中的复杂性和精确性问题以及可持续农业发展提供了新思路。
引用
@article{arxiv.2512.16408,
title = {NDRL: Cotton Irrigation and Nitrogen Application with Nested Dual-Agent Reinforcement Learning},
author = {Ruifeng Xu and Liang He},
journal= {arXiv preprint arXiv:2512.16408},
year = {2025}
}
备注
Accepted by ICONIP 2025