基于时间窗的多车场车辆路径问题研究

启发式优化算法在解决车辆路径问题时具有较好的收敛性,整体法在解决时间窗的多车场车辆路径问题时具有较好的全局性,结合二者优点,进行了算法研究。首先采用整体法得到车辆路径问题的全局最优解;再采用智能优化算法对配送点进行车场选择,匹配代价最小的车场;最后通过实验验证了该算法在解决时间窗的多车场车辆路径问题上的有效性。     

基于多目标遗传算法的空间优化选址方法研究

将空间信息与Pareto多目标遗传算法相结合可解决具有多个相互制约目标准则的GIS选址问题。以NSGA-Ⅱ算法为基本算法,以空间选址涉及的服务人口密度、交通成本、道路可达性等因素定义多个目标函数,通过表达空间相互作用的权重矩阵将空间信息融合在NSGA-Ⅱ中,形成GIS空间对象的多目标优化选址算法流程,并以山东省10个流行病监控点最优位置的选址为案例进行对比分析。实际应用表明,与普通遗传算法、普通NSGA-Ⅱ算法相比,融合空间信息的多目标遗传算法可有效解决复杂的空间优化选址问题,不仅可以收敛到Pareto最优集,而且解集的分布性更好,算法也具有很好的稳定性。     

基于道路网络分析的Voronoi面域图构建算法

提出一种基于网络分析的Voronoi面域图和加权Voronoi面域图构建算法。鉴于道路网络在城市中心地、公共设施引力传导与功能覆盖上的重要作用,采用网络最短路径距离分析和最短路径时间分析构建的Voronoi面域图可以模拟出中心功能的辐射影响范围空间划分的实际情形,进而为空间分析和空间优化提供有力支持。算法过程主要包括:设施邻近道路结点检索和分界结点计算;基于网络最短路径分析Dijkstra算法和分界结点计算的网络Voronoi划分;基于空间离散化、邻近道路分析的空间Voronoi划分及其矢量化处理算法。计算实验结果表明本文提出算法可靠和高效,能够模拟出具有预期精度和形态复杂的网络Voronoi面域图形。     

遥感影像不可见数字水印算法比较与分析

以遥感影像不可见数字水印算法为研究对象,介绍了当前主要空间域和频率域数字水印算法原理,包括以最低位算法和Patchwork算法为代表的空间域算法,以离散傅里叶变换算法、离散余弦变换算法和离散小波变换算法为代表的频率域算法,通过遥感影像数字水印嵌入和检测实验,对数字水印算法进行了主观分析、客观分析和抗攻击性评价。实验结果表明,频率域数字水印算法表现整体优于空间域数字水印算法,频率域算法中离散余弦变换算法和离散小波变换算法的表现较好,更适用于遥感影像数字水印算法的应用。     

一种复杂地理环境越野通行路径寻优算法

设计了基于障碍距离的优化算法,解决突发事件应急联动中复杂地理环境下最短路径的寻优求解问题。在详细分析地理空间高程、坡度、障碍物等空间信息的基础上,通过计算搜索空间、搜索方向和网络弧段权值构建网络拓扑关系网,并利用遗传算法对最优路径进行寻优求解。     

越野通道最短路径分析的优化算法

在越野通道分析中,利用栅格的思想,将矢量地形数据栅格化,将影响通行的因素转化为相应栅格的属性,使用迷宫算法可以有效地进行最短路径分析。但迷宫算法具有一定的局限性,需要对其进行优化。利用以直代曲和样条模型的思想,即直线距离总比曲线距离短,最短路径是由一系列样条曲线组成,通过分析,在迷宫算法所得路径的基础上,提出了一种优化算法。实验结果表明,利用迷宫算法结合优化算法可以较好地解决越野通道分析中的最短路径问题。     

越野通道最短路径分析的优化算法

在越野通道分析中,利用栅格的思想,将矢量地形数据栅格化,将影响通行的因素转化为相应栅格的属性,使用迷宫算法可以有效地进行最短路径分析.但迷宫算法具有一定的局限性,需要对其进行优化.利用以直代曲和样条模型的思想,即直线距离总比曲线距离短,最短路径是由一系列样条曲线组成,通过分析,在迷宫算法所得路径的基础上,提出了一种优化算法.实验结果表明,利用迷宫算法结合优化算法可以较好地解决越野通道分析中的最短路径问题.     

基于最短路算法的无人机测绘路线规划研究

本文针对大面域无人机测绘过程中的续航问题、路线问题等,通过对最短路理论的分析与最短路算法在路线规划中的应用研究,运用宽度搜索法和等代搜索法对无人机测绘路线进行案例分析,并将其对比与优化,最终通过CN项目,具体研究了无人机测绘路径规划的最优算法,并论证了无人机测绘路径规划算法的实用性与可达性,说明了无人机测绘路线规划的研究意义与应用前景。     

顾及全局和局部最优的高分辨率遥感影像多尺度分割优化算法

遥感影像多尺度分割是面向对象影像分析方法（OBIA）的关键步骤，分割质量直接影响OBIA的分类精度，目前多尺度分割方法都很难让分割结果同时达到全局和局部最优。本文针对上述问题，提出一种新的顾及全局和局部最优的高分辨率遥感影像多尺度分割优化算法。该算法主要包括：（1）采用局部方差准则获得多尺度分割的全局最优分割尺度。（2）对全局最优分割尺度中的过分割和欠分割对象进行优化处理，获得局部最优分割结果。（3）将局部最优化分割结果与全局最优分割结果进行融合，获得最终的多尺度优化分割结果。本文采用2个QuickBird遥感影像进行实验，验证该算法的有效性，并对实验结果进行定性和定量分析，结果表明：（1）从视觉效果来看，优化后的分割结果具有更准确的分割边界，大尺度的地物保持较好的区域性，小尺度的地物保持了更多细节。（2）从定量评价指标（RR、RI和ARI）分析：在实验1中，该算法比全局最优分割尺度的RR\RI\ARI分别提高了2.1%，2.4%，30.2%，比基于K均值优化算法分别提高了8.3%，0.1%，8.1%，比融合边界优化算法分别提高了0.7%，0.4%，17.6%；在实验2中，该算法比全局最优分割尺度的RR\RI\ARI分别提高了4.5%，2.7%，29.3%，比基于K均值优化算法分别提高了17%，0.8%，8.4%，比融合边界优化算法分别提高了1.7%，2.5%，17.2%。（3）相对典型分割算法，该算法的优化结果达到了局部和全局最优；相对其他多尺度分割优化算法，该算法同时减少了欠分割和过分割对象。     

灾害系统中GIS空间分析的应用研究

讨论了一种地理信息系统空间分析算法——最短路径分析,然后利用最短路径结果,采用表上作业法将灾害救援物资进行优化,给出最优调运方案。     

路径优化算法在外卖配送中的应用

在物流行业特别是外卖配送行业中，配送员希望经过餐厅点与客户点的路线尽可能短，且各目的地之间的访问存在顺序限制等特点，本文提出一种具有顺序限制的路径优化算法。该算法首先基于最邻近算法产生初始路径，然后使用LK算法进行优化，最后依据问题特点，使用末端-2-opt方法进行二次优化。试验结果表明，算法能有效缩短初始路径长度，提供较为优良的可行路径，能够有效提升配送员的工作效率，具有一定的实用价值。     

遗传算法在管网优化设计中的应用

介绍了一种较新的工程优化算法遗传算法，将其引入管网优化设计计算，增强了管网设计方案的经济合理性。     

基于关键路径和响应时间约束的空间信息服务优化组合算法

空间信息服务的响应时间是网络信息服务和分布式空间信息处理等关心的核心问题之一。针对空间信息服务链的自动生成,基于关键路径法思想,定义了服务链关键路径、关键服务和服务时间余量的概念,建立了确定型和概率型响应时间计算模型,提出了顾及关键路径响应时间的服务优化组合算法,保证服务链的组合结果更好地满足响应时间约束。仿真实验结果证明了本文方法的有效性。     

基于网络Voronoi图启发式和群智能的最大覆盖空间优化

提出一种基于网络Voronoi面域图的最大覆盖选址模型及相应的粒子群优化方法,并应用于城市响应时间敏感型公共服务设施的空间优化。本文考虑设施功能沿交通网络辐射以及需求非均匀分布情形,对设施在网络连续空间上进行布局优化,选址模型采用网络Voronoi面域图划分布局设施的功能辐射域,以启发空间优化最小化重叠覆盖。模型同时顾及了设施利用率的最大化,规定设施对给定距离以内的需求实行的完全服务覆盖和对给定距离以外的需求实行随距离衰减的部分服务覆盖。本研究提出基于遗传机制和广义Voronoi图改进的粒子群算法以提高其空间优化性能,通过对南京市消防站最大覆盖空间优化实验表明,该研究取得了较为理想的结果,可应用于城市化区域应急设施最大覆盖空间优化。     

Regional land-use allocation using a coupled MAS and GA model: from local simulation to global optimization,a case study in Caidian District,Wuhan, China

China is facing the pressures of both rapid economic development and environmental protection, and land-use allocation optimization is an important way to manage the conflicts between these pressures and to achieve sustainable development. Optimization of land-use allocation is a nonlinear multiobjective spatial optimization problem, and a purely local simulation model or global optimization model is insufficient to solve it. It is essential to bridge the gap between the two models through the combination of top-down and bottom-up approaches. This study integrates a multiagent system (MAS) that simulates the behaviors of land-use stakeholders with regard to their choices of specific locations, with a genetic algorithm (GA) that simultaneously evaluates and optimizes land-use configurations to meet various regional development objectives. The model is expected to achieve the optimization of land use in terms of the composition and spatial configuration. Caidian District, Wuhan, China, was chosen as the study area to test the model in this paper. The results show that the performance of the coupled model is superior to a pure GA model or MAS model. The optimal configuration improves on the economic output, spatial compactness, and carbon storage of the current configuration and promotes sustainable regional land-use development from the local scale to the regional scale.     

一种利用改进A*算法的无人机航迹规划

提出了一种改进的A*算法解决大范围三维战场环境的无人机航迹规划问题。针对低空突防中无人机需满足生存率高、耗油量小等要求,算法综合考虑了航线高度、被探测概率、航线长度等权重因子,在该目标空间中搜索一条两个航路点之间的最优航线。同时为了满足UAV安全高度、升降率、转弯半径等性能约束,提出了一系列航线优化算法,得到最终的可飞航线。     

协同模型与遗传算法的集成

提出协同模型中蚁群算法和遗传算法集成的方案，用于生成纹理分类的模板。介绍了蚁群算法的原理和集成方案的实施步骤，以及在搜索最优解过程中蚁群移动方向的决策方法。为了验证集成方案的正确性，对航空影像的居民地、灌木、水田、山地、旱地5种目标进行了识别试验，并与仅使用遗传算法的结果进行了比较。试验结果表明，该集成方案的识别效果有明显的提高。     

A new pan-sharpening method using multiobjective particle swarm optimization and the shiftable contourlet transform

In this paper, a novel approach based on multiobjective particle swarm optimization (MOPSO) is presented for panchromatic (Pan) sharpening of a multispectral (MS) image. This new method could transfer spatial details of the pan image into a high-resolution version of the MS image, while color information from the low-resolution MS image is well preserved. The pan and MS images are locally different because of different resolutions, and therefore we cannot directly combine them in the spatial domain. For this reason, we generate two initial results, which are more appropriate for a weighted combination. First, the pan and the MS images are histogram matched. Then we use the shiftable contourlet transform (SCT) to decompose the histogram-matched pan and MS images. The SCT is a new shiftable and modified version of the contourlet transform. In this step, an algorithm based on the SCT is used to generate two initial results of the high-resolution MS images. Our objective is to produce two modified high-resolution MS images, in which one has high spatial similarity to the pan image and the other one has high radiometric quality in each band. Therefore, we have used two different fusion rules to integrate the high-frequency contourlet coefficients of the pan and MS images to generate two initial results of high-resolution MS image or the pan-sharpened (PS) image. Finally, we can find the optimal PS image by applying the MOPSO algorithm and using the two initial PS results. Specifically, the PS image is obtained via a weighted combination of the two initial results, in which the weights are locally estimated via a multiobjective particle swarm optimization algorithm to generate a PS image with high spatial and radiometric qualities. Based on experimental results obtained, the produced pan-sharpened image also has good spectral quality. The efficiency of the proposed method is tested by performing pan-sharpening of high-resolution (Quickbird and Wordview2) and medium-resolution (Landsat-7 ETM +) datasets. Extensive comparisons with the state-of-the-art pan-sharpening algorithms indicate that our new method provides improved subjective and objective results.     

粒子群算法在极化SAR目标对比增强中的应用

针对SAR极化对比增强中存在计算复杂的问题,将粒子群算法应用到极化SAR目标增强当中,并通过数据实验,验证了其优越性。该方法将对比增强问题抽象成最优化问题,将统计得到的区域平均协方差矩阵作为粒子群优化算法的输入,计算每个粒子的适应度值,更新粒子群的个体最优和全局最优值,通过迭代得到最优对比度。实验结果表明,与传统的最优极化对比增强算法相比,基于粒子群优化算法的极化对比增强方法能达到更好的对比度,而且实现较为简单。