不确定性选址问题探讨

阐述了GIS网络分析中不确定性选址问题的基本模型及特性。从问题的定义可知其为NP完备类问题。推导了最优解在紧条件的下界算法,并结合广义Powell算法及遗传算法,提出了不确定性选址问题的混合遗传算法,实验证明,在最优解的品质和收敛速度上都达到了比较好的效果。同时,实验的结果从另一个角度证明,如果兼顾收敛速度和解的品质这两个指标,单纯的遗传算法未必比其他搜索算法更优越,采用一些局部搜索性能较好的算法结合遗传算法,可以从两方面改善求解效果。     

一种求解学区划分问题的混合启发式算法

针对目前求解学区划分问题算法搜索过程缺乏记忆,搜索效率不高,容易陷入局部最优而收敛慢等问题,该文提出一种多启动(M)框架下,迭代禁忌搜索(ITS)算法与模拟退火(SA)算法混合的M-ITS-SA算法。该算法包括构造初始解、禁忌搜索、SA算法优化与求解等。运用K-Medoids模型对学校分组后,采用M-ITS-SA算法对学区进行划分与优化,并从多个分区方案中求解最优分区方案。学区划分实验结果表明:该文提出的M-ITS-SA算法能够保证分区的空间连续性,适用于单校和多校划片,并在入学总距离上与混合元启发算法(M-ILS-SPP)保持相当的同时,大大降低了超额招生人数和总用时,具有良好的寻优能力和收敛性,优于M-ILS-SPP算法。     

模拟退火粒子群与小波的地基沉降预测应用

针对粒子群优化算法易陷入局部极小值问题,改进学习因子使其自适应调整,并与具有良好全局搜索能力的模拟退火算法结合,充分利用两种算法各自的优点,同时结合小波分析去噪,优化神经网络参数,对地基累计沉降数据进行预测,并与标准粒子群优化算法做了对比,实验表明两种方法的结合具有良好的全局和局部搜索能力,预测精度高。     

基于改进粒子群算法在GIS最优路径中的研究

在GIS环境下研究最优路径问题具有很多优势,本文研究的最优路径问题是基于传统粒子群算法存在的早熟收敛问题,并提出了一种改进的粒子群算法,该算法在后期引入变异算子,变异操作能够提高算法跳出局部最优的能力,同时又保持了前期搜索速度快的优点。     

面向BIM的室内拓扑-栅格分层路径规划方法

针对传统路径规划方法在复杂大场景环境下的搜索空间大、效率低、避障安全性差等问题,本文提出了一种基于BIM的室内拓扑-栅格分层路径规划方法。首先,建立复杂室内环境的BIM模型,提取模型中结构、障碍物和通道的语义、几何及其关联信息,通过栅格抽象映射得到基础导航地图,并结合层次图思想,开展地图空间分层,获取拓扑-栅格分层地图;然后,利用细化算法,生成拓扑层中各子区域之间的离线先验路网,联合Dijkstra算法选取其中的最优路径,并基于自主改进的A*算法,快速高效搜索栅格层的最优路径,通过组合拼接拓扑层与栅格层的局部最优路径,构建完整的全局最优路径;最后,将本文方法与标准A*算法及蚁群算法作对比,在保证计算效率的同时,不仅缩小了路径搜索空间,还确保了最优路径的安全性,综合验证了所提路径规划方法的优越性。     

最小独立闭合环深度优先算法的一点改进

针对原有的深度优先算法在进行最小独立闭合环搜索时存在搜索漏环的情况,在不破坏原有算法流程的前提下,充分利用原有算法在计算过程中产生的中间参数,通过追加新的算法,以2012年天津市地面沉降水准数据作为实验数据,并结合人工拼环的结果加以对比分析,结果表明:在水准网较为复杂的前提下,新算法有效避免了原有深度优先算法搜索失真的问题。改进后的深度优先算法将为最小独立闭合环搜索工作带来更高的可信度。     

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.     

嵌入式GIS最短路径分析中Dijkstra法改进

Dijkstra算法是求解网络中最短路径的精典算法,文中通过改变图的存储结构及搜索方法,减少了内存存储空间,缩短查询时间,以提高该算法在嵌入式GIS系统中路径优化的效率.     

深度优先搜索的地图着色算法

在分析地图着色本质以及深度优先搜索算法优缺点基础上,本文提出一种基于深度优先搜索的地图着色方法,并以全国地图和全国县级行政区划图对本文算法进行了实验验证,取得了较好的着色结果.     

嵌入式GIS最短路径分析中Dijkstra法改进

Dijkstra算法是求解网络中最短路径的精典算法，文中通过改变图的存储结构及搜索3-法，减少了内存存储空间，缩短查询时间，以提高该算法在嵌入式GIS系统中路径优化的效率。     

地图自动着色算法研究与实践

从四色问题的抽象模型入手,通过对现有的搜索算法——遗传算法、模拟退火算法这两种算法的原理和流程进行了较为细致的分析,总结出它们在地图四色填充实现过程中的优点与不足之处,并进行比较,找出这两种算法的结合点进行算法的改进优化,将模拟退火算法引入遗传算法,使它们结合起来解决地图四色填充问题,从而形成相对优化的算法,以期达到更加优化的效果。     

基于遗传算法的点状要素注记的整体最优配置

提出了一种点状要素自动注记的整体最优解的解决方案，其核心算法采用具有全局搜索特性的遗传算法，可以获取点状要素注记配置的（近似）全局最优解。     

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。     

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。     

一种顾及道路影响的点要素注记配置遗传禁忌搜索算法

为使地图上点要素注记配置更美观易读，利用遗传算法的全局寻优能力和禁忌搜索算法的"爬山能力"，在考虑传统点要素注记配置约束条件的同时，考虑点要素与道路间的关系，提出了一种顾及道路要素影响的遗传禁忌搜索算法，并从解算精度、运行效率及稳健性3个方面对该算法进行评价。本文以福建省泉州市惠安县1：20万比例尺的乡村点状地形图数据进行试验，试验结果表明，与遗传算法、禁忌搜索算法和ArcGIS软件相比，该算法的算法精度和稳健性均有所提高，但是计算效率略低于禁忌算法，且点要素注记与点要素、道路要素的压盖量最少，与点要素、道路要素注记的交叉量最少。     

基于混合智能的地图自动审核技术框架

地图审核是国家测绘地理信息行政主管部门的主要职责。当前我国的地图审核依赖人工目视判别,成本高、效率低。如何从高度依赖专家经验的人工检测走向混合智能的自动判断,是我国地图审核工作面临的技术难点和痛点问题。提出以知识为引导、算法为基础的地图自动审核的混合智能方法,设计了基于混合智能的地图自动审核技术框架,并指出需要重点突破的3项关键技术;并结合典型的“问题地图”智能化审核案例,给出了地图智能化审核的技术实现途径。     

The Integration of Cooperation Model and Genetic Algorithm

In the photogrammetry,some researchers have applied genetic algorithms in aerial image texture classification and reducing hyper-spectrum remote sensing data.Genetic algorithm can rapidly find the solutions which are close to the optimal solution.But it is not easy to find the optimal solution.In order to solve the problem,a cooperative evolution idea integrating genetic algorithm and ant colony algorithm is presented in this paper.On the basis of the advantages of ant colony algorithm,this paper proposes the method integrating genetic algorithms and ant colony algorithm to overcome the drawback of genetic algorithms.Moreover,the paper takes designing texture classification masks of aerial images as an example to illustrate the integration theory and procedures.     

改进遗传算法及其在抗差估计中的应用

针对抗差估计的选权迭代法(IRLS)对迭代初值敏感的问题,提出了将抗差估计问题看作求全局最优化问题,利用具有全局收敛性和局部搜索能力的遗传算法(GA)进行求解;并对遗传算法的变异算子步长进行改进。最后通过实例验算,证明了GA抗差估计法的有效性和优越性。     

基于混合算法的单配送中心路径优化方法

遗传算法具有较好的全局收敛性,蚁群算法具有较好的正反馈性,结合二者的优点,对混合算法进行了研究。定义了自适应交叉率和变异率,用遗传算法得到的一组最优解初始化蚁群算法初始状态下信息素的浓度,结合2-opt算法对结果进行优化,得到最优的物流车辆配送方案。实验验证了将混合算法运用于单配送中心车辆路径问题的有效性。