多目标粒子群算法与选址中的形状优化

选址问题是GIS最基本的任务之一.一般性的选址是基于点的位置优化,可利用有关GIS功能完成.实际的选址问题是很复杂的.在给定设施的数量和面积前提下,需要在空间上确定设施的最佳位置,并对形状进行优化,以获取最大的效用.采用一般的方法无法求解这种最优化问题.而且,当选址问题涉及多个目标和不同的约束性条件时,就会变得异常复杂.提出了利用多目标粒子群优化算法和区域形状变异算法相结合来解决复杂的空间选址问题.具有智能的搜索方法,大大提高了空间搜索能力,并保持了搜索区域的连通性,取得了较好的效果.     

并行蚁群算法及其在区位选址中的应用

提出基于多叉树并行蚁群算法的区位选址优化方法.算法依据蚁群算法具有的并行特性,采用GPU(graphic processing unit,图形处理器)并行运算技术,对地理空间进行多又树划分,收集蚂蚁在多又树层间旅行时逐步留下的信息素信息,进行路径选优获得理想的候选解,从而为解决平面空间资源优化配置问题提供新的思路.实验结果表明,与普通蚁群算法相比,采用基于多叉树搜索的并行蚁群算法,能够发挥蚁群算法的并行特征,在短时问内求得较为理想的解,适合计算大区域的空间资源配置问题.     

自适应蚁群算法的清洁能源基地选址优化模型

针对现有清洁能源基地宏观选址模型的定位结果一般为区域级,空间定位精度较低,筛选的优先开发区域面积远远超过建场所需占地的面积,对于大范围、自然资源分散程度较高,条件复杂的地区,往往需要进一步实地勘察后才能具体选定建场地点,费时费力的问题,该文基于现有选址结果,引入描述每个像元可发电能力的技术可开发量栅格图层,提出一种 自适应蚁群模型,利用改进蚁群优化算法的正反馈求解机制,高效、准确获取适用于建场的连续坐标空间域,将选址结果从区域级优化至像元级.实例分析表明,该方法究能够大大提升清洁能源基地选址的空间精确度和适用范围,有效地辅助专业人员在全球范围开展大型清洁能源基地建场规划工作.     

三维环境中多机器人协同路径规划算法

针对三维环境中多机器人协同路径规划问题,提出一种改进蚁群算法。文中提出并构建了机器人运动行为模型和协同行为模型,通过引入多蚁群系统,优化信息素更新机制和状态转移方程,提高算法全局搜索能力和收敛速度。仿真实验结果表明改进蚁群算法优于基本蚁群算法,能够有效指导机器人在三维环境中协同行进,提高路径规划能力。     

基因表达式编程的多目标空间选址优化

提出了基因表达式编程算法(GEP)的Pareto多目标空间选址模型,成功求解了Bohachevsky函数及Shubert多峰函数模拟空间分布的选址问题。将此方法应用于广州市公共设施的空间优化选址,取得了较好的结果。     

基于蚁群优化的特征选择新方法

利用蚁群优化算法解决特征选择问题，以获得能代表问题空间的较优特征子集，并能降低分类系统的搜索空间。以航空纹理影像的特征选择和分类问题为例，利用主分量变换和蚁群优化算法分别对原始纹理影像特征集合进行特征提取、选择和分类。结果表明，本文方法不仅能够降低图像特征空间维数，减少图像分类的工作量，而且还可以提高分类识别的正确率。     

模型驱动的空间信息服务组合

针对空间信息服务组合问题,提出了一种模型驱动的空间服务组合方法,使用空间信息服务组合流程模型来描述服务组合的过程,结合服务的质量约束和动态绑定机制,将服务组合问题转化为组合优化问题,利用组合优化算法完成具体的服务组合,并以选址分析为案例进行了服务组合建模和组合优化实验.     

交通网络旅行商路径优化的遗传禁忌搜索算法

旅行商路径优化问题是经典的网络分析问题之一。由于旅行商问题具有NP Hard特性,主要通过智能优化方法或启发式算法来获得近似最优解。然而,单一智能优化方法存在运算量过大、参数选择苛刻,对初值依赖性强等缺陷,很难快速实现全局优化。结合多种优化机制和邻域搜索结构设计混合启发式算法可在一定程度上解决这一问题。本文结合遗传算法的全局寻优能力和禁忌搜索的记忆功能,设计实现了一种基于分散集中策略的禁忌遗传算法,即采用遗传变异算子作为分散策略构造邻域,开辟新的搜索空间,有效提升获得全局最优解的概率;将禁忌搜索作为集中策略进行局部寻优,避免迂回探测,充分体现禁忌搜索较强的“爬山”能力,并通过实际交通网络和不同规模的节点集合,从求解精度、稳定性和效率三个方面对算法进行了评价。结果表明,本文提出的交通网络旅行商路径优化的禁忌遗传算法平均求解精度比禁忌搜索算法提高了9%,略优于ArcGIS;当与ArcGIS求解的TSP路径长度差异在1%以内时,禁忌搜索算法已经难以获得对应精度的TSP路径,而禁忌遗传算法效率比遗传算法提高了50%。且禁忌遗传算法具有很好的并行化潜力。     

道路网匹配的蚁群算法求解模型

利用蚁群算法的群体优势,寻找全局最优的道路网同名实体匹配方案。首先从几何矢量误差和结构特征两方面建立了匹配问题的数学约束模型;然后阐述了蚁群算法求解匹配问题的基本原理,设计了问题求解模型,并引入自适应和局部搜索策略提高了算法效率;最后给出了求解的关键步骤。实验证明,利用蚁群算法进行道路网匹配是有效、可行的,为求解匹配问题提供了新思路。     

基于GIS的商业网点选址研究与实现

利用平面／网络优化模型，综合权衡市区选址的基本费用及商业网点日常经营的成本，引入交通便利因子作为限制条件，并运用直接搜索的Dixon方法，加强了不确定性选址问题的约束条件，降低不确定性问题计算的复杂度，减少在选址问题实现中主观因素对选址结果的影响。最后以某区新建商业网点选址为例，详细分析了直接搜索算法应用的具体过程。