本申请公开了一种基于模拟退火算法的闪光驱鸟最优频率选择方法及系统，利用不同的闪光频率与相应的鸟类被驱离的相对距离的映射关系拟合成拟合曲线函数，形成动态的闪光频率与相应的鸟类被驱离的相对距离的预测动态关系，再基于模拟退火算法对拟合曲线函数运算得到最优闪光频率，将其应用到闪光驱鸟设备中，并不断迭代处理得到不同的最优闪光频率，从而保证能够动态地变换最优闪光频率，提高驱赶鸟类的有效性。
1.基于模拟退火算法的闪光驱鸟最优频率选择方法，其特征在于，包括以下步骤：S1、基于在预设初始闪光频率下的闪光驱鸟设备驱赶鸟类，获取鸟类在所述预设初始闪光频率下驱赶的相对距离，所述相对距离为开启闪光驱赶后的预定时间内的鸟类相对所述闪光驱鸟设备所在位置的距离与开启闪光驱赶前的鸟类相对所述闪光驱鸟设备所在位置的距离之差，当成功驱赶鸟类时，所述相对距离大于0；
S2、将所述预设初始闪光频率与所述相对距离构成一对映射数据，存入映射数据库中；
S3、调整所述预设初始闪光频率，重复步骤S1～S2直至所述映射数据库中的映射数据的对数达到预设对数；
步骤S3中的调整所述预设初始闪光频率的步骤具体包括：
式中，f1表示更新后的闪光频率，f0表示更新前的闪光频率，v是随机数1或者2，γ(θ)表示值域为(f0，θmax‑f0]的随机生成函数，其中，θmax表示闪光驱鸟设备的最大闪光频率；
S4、基于最小二乘法对所述映射数据库中的所述映射数据进行拟合形成拟合曲线，从而得到拟合曲线函数；
S5、基于模拟退火算法对所述拟合曲线函数进行运算，得到最优闪光频率；
S6、将所述预设初始闪光频率替换为所述最优闪光频率，应用至所述闪光驱鸟设备中，重复步骤S1～S6，从而进行不断迭代替换所述闪光驱鸟设备的闪光频率。
2.根据权利要求1所述的基于模拟退火算法的闪光驱鸟最优频率选择方法，其特征在于，步骤S1之前包括：选取所述预设初始闪光频率，具体包括：所述预设初始闪光频率根据满足正态分布的概率密度函数选取或根据历史闪光频率数据选取。
3.根据权利要求1所述的基于模拟退火算法的闪光驱鸟最优频率选择方法，其特征在于，步骤S4中的拟合曲线函数为，f(x)＝a1α1(x)+a2α2(x)+…+anαn(x)
式中，αk(x)k＝1，2，...，n是一组线性无关的函数，ak k＝1，2，...，n表示待定系数；
假设待拟合的映射数据点值为yi i＝1，2，...，n，则使待拟合的映射数据点值yi与拟合曲线函数f(x)的距离的平方和最小，则相应的拟合曲线函数f(x)为最佳拟合曲线函数。
4.根据权利要求1所述的基于模拟退火算法的闪光驱鸟最优频率选择方法，其特征在于，步骤S5具体包括：S501、对模拟退火算法的参数进行初始化，假设模拟退火的初始温度为T，模拟退火的最低温度为T_min，最大迭代次数L；
S502、在解空间内随机产生初始解θ，根据所述初始解θ计算所述拟合曲线函数的函数值f(θ)；
S503、对所述初始解施加扰动产生新解θ′，根据所述新解θ′计算所述拟合曲线函数的函数值f(θ′)；
S504、计算所述拟合曲线函数的函数值f(θ)和所述拟合曲线函数的函数值f(θ′)的差量，即Δf＝f(θ)‑f(θ′)，Δf表示差量；
S505、判断所述差量Δf是否小于0，若上述判断为是，则接受所述新解θ′，若上述判断为否，则按照Metropolis准则判断是否接受所述新解θ′；
S506、若接受所述新解θ′，则将所述新解θ′当做当前解，若不接受所述新解θ′，则将所述初始解θ当做当前解；
S507、根据所述当前解作为下一次迭代的初始解，重复步骤S502～S507进行迭代计算，在迭代过程中，连续迭代N次，若产生的新解都被接受，则降低模拟退火的当前温度，N＜L；
S508、判断是否满足迭代结束条件，若判断不满足，则降低模拟退火的当前温度，直至模拟退火的当前温度达到模拟退火的最低温度T_min迭代结束或直至迭代次数达到最大迭代次数L结束，从而输出最后一次迭代得到的新解为最优闪光频率，其中，降低模拟退火的当前温度满足温度衰减函数，所述温度衰减函数为Tk+1＝αTk，Tk为k时刻的温度，Tk+1为k+1时刻的温度，α表示温度冷却系数，α∈(0.95，0.99)。
5.根据权利要求4所述的基于模拟退火算法的闪光驱鸟最优频率选择方法，其特征在于，步骤S503中的对所述初始解施加扰动产生新解θ′的步骤具体包括：S5031、以所述初始解为初始点，采用最速下降法沿梯度反方向产生新解；
S5032、若产生的新解未被接受，则减小梯度下降的步长返回至步骤S5031进行重新计算，其中，步长的确定可以采用一维寻优法进行确定。
6.根据权利要求4所述的基于模拟退火算法的闪光驱鸟最优频率选择方法，其特征在于，步骤S505中的按照Metropolis准则判断是否接受所述新解θ′的步骤具体包括：在模拟退火的初始温度为T时，计算所述初始解和所述新解的内能，若满足Ej＜Ei，则接受所述新解，其中，Ei、Ej分别表示初始解的内能和新解的内能；若不满足Ej＜Ei，则根据概率公式 的解是否大于[0，1)区间的随机数，若上述判断为是，则接受所述新解，若上述判断为否，则不接受所述新解，其中，p表示概率公式的解，K表示自定义参数。
7.基于模拟退火算法的闪光驱鸟最优频率选择系统，用于执行权利要求1所述的基于模拟退火算法的闪光驱鸟最优频率选择方法，其特征在于，包括相对距离模块、映射模块、闪光频率调整模块、拟合模块、模拟退火模块和频率替换模块；
所述相对距离模块，用于基于在预设初始闪光频率下的闪光驱鸟设备驱赶鸟类，获取鸟类在所述预设初始闪光频率下驱赶的相对距离，所述相对距离为开启闪光驱赶后的预定时间内的鸟类相对所述闪光驱鸟设备所在位置的距离与开启闪光驱赶前的鸟类相对所述闪光驱鸟设备所在位置的距离之差，当成功驱赶鸟类时，所述相对距离大于0；
所述映射模块，用于将所述预设初始闪光频率与所述相对距离构成一对映射数据，存入映射数据库中；
所述闪光频率调整模块，用于调整所述预设初始闪光频率；具体用于根据下式更新所述预设初始闪光频率，v
式中，f1表示更新后的闪光频率，f0表示更新前的闪光频率，v是随机数1或者2，γ(θ)表示值域为(f0，θmax‑f0]的随机生成函数，其中，θmax表示闪光驱鸟设备的最大闪光频率；
所述拟合模块，用于基于最小二乘法对所述映射数据库中的所述映射数据进行拟合形成拟合曲线，从而得到拟合曲线函数；
所述模拟退火模块，用于基于模拟退火算法对所述拟合曲线函数进行运算，得到最优闪光频率；
所述频率替换模块，用于将所述预设初始闪光频率替换为所述最优闪光频率，还用于将所述最优闪光频率应用至所述闪光驱鸟设备中。
基于模拟退火算法的闪光驱鸟最优频率选择方法及系统
技术领域
[0001] 本申请涉及闪光驱鸟技术领域，尤其涉及一种基于模拟退火算法的闪光驱鸟最优频率选择方法及系统。
背景技术
[0002] 由于鸟类在输电线路的频繁活动给输电线路的安全运行带来了一定的危害，鸟类带来的线路故障频率也越来越高。
[0003] 现有的驱鸟设备多是安装在输电杆塔上，通过闪光、声音、视觉刺激等方式，驱赶鸟类远离输电区域。其中，现有的闪光驱鸟设备的闪光频率是固定不变的，鸟类对此有一定的适应性，这就导致驱赶鸟类的有效性大大降低，容易出现线路故障。
发明内容
[0004] 本申请提供了一种基于模拟退火算法的闪光驱鸟最优频率选择方法及系统，用于解决现有的闪光驱鸟设备的闪光频率固定不变，导致驱赶鸟类的有效性大大降低的技术问题。
[0005] 有鉴于此，本申请第一方面提供了一种基于模拟退火算法的闪光驱鸟最优频率选择方法，包括以下步骤：
[0006] S1、基于在预设初始闪光频率下的闪光驱鸟设备驱赶鸟类，获取鸟类在所述预设初始闪光频率下驱赶的相对距离，所述相对距离为开启闪光驱赶后的预定时间内的鸟类相对所述闪光驱鸟设备所在位置的距离与开启闪光驱赶前的鸟类相对所述闪光驱鸟设备所在位置的距离之差，当成功驱赶鸟类时，所述相对距离大于0；
[0007] S2、将所述预设初始闪光频率与所述相对距离构成一对映射数据，存入映射数据库中；
[0008] S3、调整所述预设初始闪光频率，重复步骤S1～S2直至所述映射数据库中的映射数据的对数达到预设对数；
[0009] S4、基于最小二乘法对所述映射数据库中的所述映射数据进行拟合形成拟合曲线，从而得到拟合曲线函数；
[0010] S5、基于模拟退火算法对所述拟合曲线函数进行运算，得到最优闪光频率；
[0011] S6、将所述预设初始闪光频率替换为所述最优闪光频率，应用至所述闪光驱鸟设备中，重复步骤S1～S6，从而进行不断迭代替换所述闪光驱鸟设备的闪光频率。
[0012] 优选地，步骤S1之前包括：选取所述预设初始闪光频率，具体包括：所述预设初始闪光频率根据满足正态分布的概率密度函数选取或根据历史闪光频率数据选取。
[0013] 优选地，步骤S3中的调整所述预设初始闪光频率的步骤具体包括：
[0014] 根据下式更新所述预设初始闪光频率，
[0015] f1＝f0+(‑1)vγ(θ)
[0016] 式中，f1表示更新后的闪光频率，f0表示更新前的闪光频率，v是随机数1或者2，γ(θ)表示值域为(f0，θmax‑f0]的随机生成函数，其中，θmax表示闪光驱鸟设备的最大闪光频率。
[0017] 优选地，步骤S4中的拟合曲线函数为，
[0018] f(x)＝a1α1(x)+a2α2(x)+...+anαn(x)
[0019] 式中，αk(x)k＝1，2，...，n是一组线性无关的函数，ak k＝1，2，...，n表示待定系数；
[0020] 假设待拟合的映射数据点值为yi i＝1，2，...，n，则使待拟合的映射数据点值yi与拟合曲线函数f(x)的距离的平方和最小，则相应的拟合曲线函数f(x)为最佳拟合曲线函数。
[0021] 优选地，步骤S5具体包括：
[0022] S501、对模拟退火算法的参数进行初始化，假设模拟退火的初始温度为T，模拟退火的最低温度为T_min，最大迭代次数L；
[0023] S502、在解空间内随机产生初始解θ，根据所述初始解θ计算所述拟合曲线函数的函数值f(θ)；
[0024] S503、对所述初始解施加扰动产生新解θ′，根据所述新解θ′计算所述拟合曲线函数的函数值f(θ′)；
[0025] S504、计算所述拟合曲线函数的函数值f(θ)和所述拟合曲线函数的函数值f(θ′)的差量，即Δf＝f(θ)‑f(θ′)，Δf表示差量；
[0026] S505、判断所述差量Δf是否小于0，若上述判断为是，则接受所述新解θ′，若上述判断为否，则按照Metropolis准则判断是否接受所述新解θ′；
[0027] S506、若接受所述新解θ′，则将所述新解θ′当做当前解，若不接受所述新解θ′，则将所述初始解θ当做当前解；
[0028] S507、根据所述当前解作为下一次迭代的初始解，重复步骤S502～S507进行迭代计算，在迭代过程中，连续迭代N次，若产生的新解都被接受，则降低模拟退火的当前温度，N＜L；
[0029] S508、判断是否满足迭代结束条件，若判断不满足，则降低模拟退火的当前温度，直至模拟退火的当前温度达到模拟退火的最低温度T_min迭代结束或直至迭代次数达到最大迭代次数L结束，从而输出最后一次迭代得到的新解为最优闪光频率，其中，降低模拟退火的当前温度满足温度衰减函数，所述温度衰减函数为Tk+1＝αTk，Tk为k时刻的温度，Tk+1为k+1时刻的温度，α表示温度冷却系数，α∈(0.95，0.99)。
[0030] 优选地，步骤S503中的对所述初始解施加扰动产生新解θ′的步骤具体包括：
[0031] S5031、以所述初始解为初始点，采用最速下降法沿梯度反方向产生新解；
[0032] S5032、若产生的新解未被接受，则减小梯度下降的步长返回至步骤S5031进行重新计算，其中，步长的确定可以采用一维寻优法进行确定。
[0033] 优选地，步骤S505中的按照Metropolis准则判断是否接受所述新解θ′的步骤具体包括：
[0034] 在模拟退火的初始温度为T时，计算所述初始解和所述新解的内能，若满足Ej＜Ei，则接受所述新解，其中，Ei、Ej分别表示初始解的内能和新解的内能；若不满足Ej＜Ei，则根据概率公式 的解是否大于[0，1)区间的随机数，若上述判断为是，则接受所述新解，若上述判断为否，则不接受所述新解，其中，p表示概率公式的解，K表示自定义参数。
[0035] 第二方面，本发明提供了一种基于模拟退火算法的闪光驱鸟最优频率选择系统，用于执行上述的基于模拟退火算法的闪光驱鸟最优频率选择方法，包括相对距离模块、映射模块、闪光频率调整模块、拟合模块、模拟退火模块和频率替换模块；
[0036] 所述相对距离模块，用于基于在预设初始闪光频率下的闪光驱鸟设备驱赶鸟类，获取鸟类在所述预设初始闪光频率下驱赶的相对距离，所述相对距离为开启闪光驱赶后的预定时间内的鸟类相对所述闪光驱鸟设备所在位置的距离与开启闪光驱赶前的鸟类相对所述闪光驱鸟设备所在位置的距离之差，当成功驱赶鸟类时，所述相对距离大于0；
[0037] 所述映射模块，用于将所述预设初始闪光频率与所述相对距离构成一对映射数据，存入映射数据库中；
[0038] 所述闪光频率调整模块，用于调整所述预设初始闪光频率；
[0039] 所述拟合模块，用于基于最小二乘法对所述映射数据库中的所述映射数据进行拟合形成拟合曲线，从而得到拟合曲线函数；
[0040] 所述模拟退火模块，用于基于模拟退火算法对所述拟合曲线函数进行运算，得到最优闪光频率；
[0041] 所述频率替换模块，用于将所述预设初始闪光频率替换为所述最优闪光频率，还用于将所述最优闪光频率应用至所述闪光驱鸟设备中。
[0042] 从以上技术方案可以看出，本发明具有以下优点：
[0043] 本发明利用不同的闪光频率与相应的鸟类被驱离的相对距离的映射关系拟合成拟合曲线函数，形成动态的闪光频率与相应的鸟类被驱离的相对距离的预测动态关系，再基于模拟退火算法对拟合曲线函数运算得到最优闪光频率，将其应用到闪光驱鸟设备中，并不断迭代处理得到不同的最优闪光频率，从而保证能够动态地变换最优闪光频率，提高驱赶鸟类的有效性。
附图说明
[0044] 图1为本申请实施例提供的一种基于模拟退火算法的闪光驱鸟最优频率选择方法的流程图；
[0045] 图2为本申请实施例提供的一种基于模拟退火算法的闪光驱鸟最优频率选择系统的结构示意图。
具体实施方式
[0046] 为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0047] 现有的驱鸟设备多是安装在输电杆塔上，通过闪光、声音、视觉刺激等方式，驱赶鸟类远离输电区域。其中，现有的闪光驱鸟设备的闪光频率是固定不变的，鸟类对此有一定的适应性，这就导致驱赶鸟类的有效性大大降低，容易出现线路故障。
[0048] 为此，请参阅图1，本发明提供了一种基于模拟退火算法的闪光驱鸟最优频率选择方法，包括以下步骤：
[0049] S1、基于在预设初始闪光频率下的闪光驱鸟设备驱赶鸟类，获取鸟类在预设初始闪光频率下驱赶的相对距离，相对距离为开启闪光驱赶后的预定时间内的鸟类相对闪光驱鸟设备所在位置的距离与开启闪光驱赶前的鸟类相对闪光驱鸟设备所在位置的距离之差，当成功驱赶鸟类时，相对距离大于0；
[0050] S2、将预设初始闪光频率与相对距离构成一对映射数据，存入映射数据库中；
[0051] S3、调整预设初始闪光频率，重复步骤S1～S2直至映射数据库中的映射数据的对数达到预设对数；
[0052] S4、基于最小二乘法对映射数据库中的映射数据进行拟合形成拟合曲线，从而得到拟合曲线函数；
[0053] S5、基于模拟退火算法对拟合曲线函数进行运算，得到最优闪光频率；
[0054] S6、将预设初始闪光频率替换为最优闪光频率，应用至闪光驱鸟设备中，重复步骤S1～S6，从而进行不断迭代替换闪光驱鸟设备的闪光频率。
[0055] 本实施例利用不同的闪光频率与相应的鸟类被驱离的相对距离的映射关系拟合成拟合曲线函数，形成动态的闪光频率与相应的鸟类被驱离的相对距离的预测动态关系，再基于模拟退火算法对拟合曲线函数运算得到最优闪光频率，将其应用到闪光驱鸟设备中，并不断迭代处理得到不同的最优闪光频率，从而保证能够动态地变换最优闪光频率，提高驱赶鸟类的有效性。
[0056] 以下为本发明提供的一种基于模拟退火算法的闪光驱鸟最优频率选择方法的实施例的详细描述。
[0057] 本发明提供的一种基于模拟退火算法的闪光驱鸟最优频率选择方法，包括以下步骤：
[0058] S100、选取预设初始闪光频率，具体包括：预设初始闪光频率根据满足正态分布的概率密度函数选取或根据历史闪光频率数据选取；
[0059] 需要说明的是，在一个具体实施例中，闪光驱鸟设备的初始闪光频率可以根据历史闪光频率数据选取合适的闪光频率，或满足正态分布的概率密度函数选取，其概率密度v函数为φ＝φ+(‑1) f(s)φ，φ表示闪光频率，v表示随机数1或2， 是值
域为[0，1]，式中，μ表示均值，σ表示方差。
[0060] S200、基于在预设初始闪光频率下的闪光驱鸟设备驱赶鸟类，获取鸟类在预设初始闪光频率下驱赶的相对距离，相对距离为开启闪光驱赶后的预定时间内的鸟类相对闪光驱鸟设备所在位置的距离与开启闪光驱赶前的鸟类相对闪光驱鸟设备所在位置的距离之差，当成功驱赶鸟类时，相对距离大于0；
[0061] 需要说明的是，鸟类在闪光频率作用下，相对距离为开启闪光驱赶后的预定时间内的鸟类相对闪光驱鸟设备所在位置的距离与开启闪光驱赶前的鸟类相对闪光驱鸟设备所在位置的距离之差；若该闪光频率作用下成功驱鸟，则鸟类与装置的距离相比于闪光开启前会增大，这相对距离可以通过雷达探测得到，相对距离大于0代表驱鸟成功的状态，说明在该闪光频率下，闪光驱鸟设备驱鸟有效。
[0062] S300、将预设初始闪光频率与相对距离构成一对映射数据，存入映射数据库中；
[0063] S400、调整预设初始闪光频率，重复步骤S200～S300直至映射数据库中的映射数据的对数达到预设对数；
[0064] 需要说明的是，在调整预设初始闪光频率时，可以根据预设初始闪光频率下的鸟类被驱赶的相对距离调整，从而保证驱离鸟类的有效性。
[0065] 在一个具体实施例中，根据下式更新所述预设初始闪光频率，
[0066] f1＝f0+(‑1)vγ(θ)
[0067] 式中，f1表示更新后的闪光频率，f0表示更新前的闪光频率，v是随机数1或者2，γ(θ)表示值域为(f0，θmax‑f0]的随机生成函数，其中，θmax表示闪光驱鸟设备的最大闪光频率。
[0068] 另外，预设对数可以根据映射数据库的最大存储容量，假设映射数据库的最大存储容量为10个，则只能存在有10个闪光频率与相对距离的映射数据。
[0069] S500、基于最小二乘法对映射数据库中的映射数据进行拟合形成拟合曲线，从而得到拟合曲线函数；
[0070] 具体地，步骤S500中的拟合曲线函数为，
[0071] f(x)＝a1α1(x)+a2α2(x)+...+anαn(x)
[0072] 式中，αk(x)k＝1，2，...，n是一组线性无关的函数，ak k＝1，2，...，n表示待定系数；
[0073] 假设待拟合的映射数据点值为yi i＝1，2，...，n，则使待拟合的映射数据点值yi与拟合曲线函数f(x)的距离的平方和最小，则相应的拟合曲线函数f(x)为最佳拟合曲线函数，则最佳拟合曲线函数为最终拟合得到的曲线目标函数。
[0074] S600、基于模拟退火算法对拟合曲线函数进行运算，得到最优闪光频率；
[0075] 具体地，步骤S600具体包括：
[0076] S601、对模拟退火算法的参数进行初始化，假设模拟退火的初始温度为T，模拟退火的最低温度为T_min，最大迭代次数L；
[0077] 需要说明的是，初始温度T可以尽可能大，满足 其中，θ是初始解，f(θ)是拟合曲线目标函数值，f(θ)＝f(x)。
[0078] 最低温度T_min是算法迭代的终止条件，为获得最优解，最低温度应该尽可能的低；对于每个迭代的温度，随着温度的降低，迭代次数的设定也是呈递减的趋势。
[0079] S602、在解空间内随机产生初始解θ，根据初始解θ计算拟合曲线函数的函数值f(θ)；
[0080] S603、对初始解施加扰动产生新解θ′，根据新解θ′计算拟合曲线函数的函数值f(θ′)；
[0081] 需要说明的是，S503中的对初始解施加扰动产生新解θ′的步骤具体包括：
[0082] S6031、以初始解为初始点，采用最速下降法沿梯度反方向产生新解；
[0083] S6032、若产生的新解未被接受，则减小梯度下降的步长返回至步骤S6031进行重新计算 ，其中 ，步长的确定可以采 用一维寻优法进行 确定 ，具体地，令式中， 是函数f在点xk处的梯度；使得f(xk+1)最小的t就是最
优步长。
[0084] S604、计算拟合曲线函数的函数值f(θ)和拟合曲线函数的函数值f(θ′)的差量，即Δf＝f(θ)‑f(θ′)，Δf表示差量；
[0085] S605、判断差量Δf是否小于0，若上述判断为是，则接受新解θ′，若上述判断为否，则按照Metropolis准则判断是否接受新解θ′；
[0086] 需要说明的是，按照Metropolis准则判断是否接受新解θ′的步骤具体包括：
[0087] 在模拟退火的初始温度为T时，计算初始解和新解的内能，若满足Ej＜Ei，则接受新解，其中，Ei、Ej分别表示初始解的内能和新解的内能；若不满足Ej＜Ei，则根据概率公式的解是否大于[0，1)区间的随机数，若上述判断为是，则接受新解，若上述判断为否，则不接受新解，其中，p表示概率公式的解，K表示自定义参数。
[0088] S606、若接受新解θ′，则将新解θ′当做当前解，若不接受新解θ′，则将初始解θ当做当前解；
[0089] S607、根据当前解作为下一次迭代的初始解，重复步骤S602～S607进行迭代计算，在迭代过程中，连续迭代N次，若产生的新解都被接受，则降低模拟退火的当前温度，N＜L；
[0090] S608、判断是否满足迭代结束条件，若判断不满足，则降低模拟退火的当前温度，直至模拟退火的当前温度达到模拟退火的最低温度T_min迭代结束或直至迭代次数达到最大迭代次数L结束，从而输出最后一次迭代得到的新解为最优闪光频率，其中，降低模拟退火的当前温度满足温度衰减函数，温度衰减函数为Tk+1＝αTk，Tk为k时刻的温度，Tk+1为k+1时刻的温度，α表示温度冷却系数，α∈(0.95，0.99)。
[0091] S700、将预设初始闪光频率替换为最优闪光频率，应用至闪光驱鸟设备中，重复步骤S200～S700，从而进行不断迭代替换闪光驱鸟设备的闪光频率。
[0092] 本发明还提供了一种用于执行上述实施例的基于模拟退火算法的闪光驱鸟最优频率选择方法的选择系统，为了方便理解，请参阅图2，本发明提供的一种基于模拟退火算法的闪光驱鸟最优频率选择系统，包括相对距离模块100、映射模块200、闪光频率调整模块300、拟合模块400、模拟退火模块500和频率替换模块600：
[0093] 相对距离模块100，用于基于在预设初始闪光频率下的闪光驱鸟设备驱赶鸟类，获取鸟类在预设初始闪光频率下驱赶的相对距离，相对距离为开启闪光驱赶后的预定时间内的鸟类相对闪光驱鸟设备所在位置的距离与开启闪光驱赶前的鸟类相对闪光驱鸟设备所在位置的距离之差，当成功驱赶鸟类时，相对距离大于0；
[0094] 映射模块200，用于将预设初始闪光频率与相对距离构成一对映射数据，存入映射数据库中；
[0095] 闪光频率调整模块300，用于调整预设初始闪光频率；
[0096] 拟合模块400，用于基于最小二乘法对映射数据库中的映射数据进行拟合形成拟合曲线，从而得到拟合曲线函数；
[0097] 模拟退火模块500，用于基于模拟退火算法对拟合曲线函数进行运算，得到最优闪光频率；
[0098] 频率替换模块600，用于将预设初始闪光频率替换为最优闪光频率，还用于将最优闪光频率应用至闪光驱鸟设备中。
[0099] 需要说明的是，本实施例中的工作过程与上述实施例中的基于模拟退火算法的闪光驱鸟最优频率选择方法的工作流程一致，在此不再赘述。
[0100] 本实施例提供的一种基于模拟退火算法的闪光驱鸟最优频率选择系统，利用不同的闪光频率与相应的鸟类被驱离的相对距离的映射关系拟合成拟合曲线函数，形成动态的闪光频率与相应的鸟类被驱离的相对距离的预测动态关系，再基于模拟退火算法对拟合曲线函数运算得到最优闪光频率，将其应用到闪光驱鸟设备中，并不断迭代处理得到不同的最优闪光频率，从而保证能够动态地变换最优闪光频率，提高驱赶鸟类的有效性。
[0101] 在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0102] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0103] 另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0104] 以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
