蛋鸡舍内环境的温度是蛋鸡的健康和生产性能最重要的影响因素,鸡舍内温度的调控是很有必要的。然而,现代蛋鸡舍多采用高密度层叠笼养技术,蛋鸡舍跨度大密度高,很难均匀、适当地控制内部环境温度,尤其是在夏季的极端天气情况下,鸡舍内极易出现温差极大的情况,从而影响鸡只健康和产蛋率。若布置的温度传感器太少,点位布置得不合适,监测到的温度数据不足以代表鸡舍整体环境的温度,若布置的温度传感器过多,则会增加控制系统成本,使整个系统的复杂性增加。现有的优化方法存在诸多不足,如只能在已布置的温度传感器中选择,或优化目标不符合鸡舍内实际需求。基于现有技术存在的以上问题,亟需提供一种新的蛋鸡舍温度传感器布置优化方法,从而实现对鸡舍内温度变化情况进行及时监测以便于后续的调控工作。为了了解蛋鸡舍内温度场分布情况,优化鸡舍内温度传感器的位置和数量,本研究采用Kriging插值的方法补充温度数据,以获取最能代表舍内温度变化的传感器组合为目标,将二重结构编码的遗传算法与灰色关联度方法相结合,优化鸡舍内温度传感器数量和位置。主要研究内容如下:（1）建立多层笼养蛋鸡舍结构及温度传感器初始布置模型,获取蛋鸡舍结构特性及温度分布数据。以河北省辛集市某蛋鸡养殖厂为实验地点,通过分析蛋鸡舍的建造结构特性,采集鸡舍相关数据,可对蛋鸡舍温度场插值和CFD模拟的结果进行验证,并为温度传感器布置优化提供数据支持。（2）根据相同的原始数据,分别使用空间插值方法和CFD数值模拟方法,对温度场未测点数据进行补充,并将温度扩展的结果和实测值进行对比,证明两种方法都能对未知点位进行数据扩展。CFD模拟可以直观地了解鸡舍内的流体速度和温度分布情况。相较于nearest和natural插值方法,使用Kriging插值方法与实测值的误差更小,因此可以使用Kriging插值的方法对温度场的未测点位数据进行插值,用于后续温度传感器布置优化模型的数据输入。（3）为了优化蛋鸡舍内温度传感器的位置和数量,为鸡舍温度环境的监测和控制提供有效输入,以插值后的温度数据作为输入,首先采用相关系数法剔除部分冗余传感器,然后考虑传感器位置和数量两个因素,以与鸡舍内整体温度变化的灰色关联度值为优化目标,并使用二重结构编码的遗传算法进行求解,不仅求出了最佳传感器数量,也得到了每个数量下最佳传感器组合。通过与基于误差的方法进行比较,证明了使用灰色关联度分析和二重结构编码的遗传算法相结合的方法能筛选出更接近鸡舍内整体温度变化的传感器组合。