不同地磁匹配导航算法比较研究

地磁匹配导航的关键技术之一是稳定高效的匹配算法。本文将ICCP算法与蚁群智能算法在地磁匹配导航中的应用效果进行了仿真实验。实验结果表明:ICCP算法具有较好的全局性,但算法复杂,导致实效性差;蚁群算法搜索效率高,实效性强,具有较强的适用性和鲁棒性。从这个角度来说,蚁群算法更加适合于地磁匹配导航。     

基于蚁群算法的地图矢量化算法研究

蚁群算法是一种模拟进化的在图中寻找优化路径的几率型算法,能有效地解决一系列组合优化问题。将蚁群算法应用于森林资源地图矢量化过程中,提出一种基于蚁群算法的新的地图矢量化算法。详细讨论该算法,并与传统算法作比较。该算法在实际应用中取得了良好效果。     

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。     

非线性规划单纯形算法的改进算法

在常规非线性单纯形算法的基础上 ,提出了一种实用的改进算法 ,即将初始搜索值作为初值 ,并逐步改变顶点距离二次搜索的方法 ,有效地避免了常规算法易陷入局部最优的缺点     

单纯形--模拟退火混合算法及其在参数估计中的应用

在综合分析单纯形算法与模拟退火算法的优缺点的基础上,将单纯形算法与模拟退火算法相结合,提出了一种单纯形——模拟退火混合算法,有效地避免了原有两种算法的缺陷,提高了参数求解的质量,并用算例验证了其在参数估计中的应用。     

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.     

自适应蚁群和模糊聚类的SAR图像分割

针对传统蚁群算法及模糊C-均值聚类算法在合成孔径雷达遥感图像分割中精度低下和收敛速度较慢的问题,该文提出了一种改进的自适应阈值的蚁群及模糊C-均值聚类算法,实现对复杂合成孔径雷达图像进行分割。针对不同的合成孔径雷达图像,首先利用最大类间方差法获取最优阈值,通过最优阈值干预避免蚁群算法陷入局部最优解;再将自适应阈值蚁群算法得到的聚类中心和聚类类别数输入模糊C-均值聚类算法中,最终实现图像分割。实验结果证明,该算法在时间和误分率上较传统方法有显著的改进。     

蚁群算法求解三维表面路径方法的研究

针对不规则三维表面路径寻优的问题，提出了一种将连续三维表面进行格网离散化的基于蚁群行为的解决方法，对基本蚁群算法的信息素更新策略进行了改进，并通过实验进一步验证了算法的有效性。     

两种优化算法在反演断层滑动速率中的对比研究

介绍了蒙特卡洛法和为求解复杂组合优化问题提出的蚁群算法,针对断层参数的特点,结合位错理论模型模拟的地面位移场数据对断层的三维滑动速率采用两种优化方法进行了反演计算,比较了两种优化算法的反演效果。结果表明:蚁群算法的可靠性和稳定性优于蒙特卡洛法。     

一种基于蚁群算法的山区GPS高程异常拟合方法

针对在山区地形条件复杂情况下构建GPS高程异常拟合模型精度难以满足需求的问题,将蚁群算法与多面函数法进行了融合。采用蚁群算法获取部分特征点,充分发挥特征点的表述作用,构建了更高精度的拟合模型。通过算例分析可知,融合方法求得研究区域内拟合点的内符合精度为2.5 mm,检核点的总体精度为4.4 mm,内外符合精度均高于常规拟合模型的精度。结果表明,基于蚁群算法的山区GPS高程异常拟合方法有效可行,同时证明了蚁群算法寻找最优特征点具有一定的优势,对于建模研究具有很好的参考价值。     

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.     

基于蚁群算法的土地利用(图)图斑合并方法

很多地图综合问题可以应用优化算法解决,土地利用(图)图斑合并也可以看作是一个优化问题。本文提出了基于蚁群算法的土地利用(图)图斑合并方法。实验结果表明,基于蚁群算法的图斑合并方法优于普通的迭代方法,该方法使综合后各地类面积变化较小且图斑紧凑性较好,是解决土地利用(图)图斑合并问题的一条可行之路。     

改进蚁群算法支持下的交通流量分配

灾后城市交通运输能力下降,原有的流量分配方案不再适用。为保障正常的经济社会活动,本文提出了一种基于改进蚁群算法的交通流量分配方法。首先评估路网通行能力影响因素并建立道路质量评价体系,利用路段质量改进蚁群算法中的启发式因子;然后为扩大蚁群搜索范围加入随机节点并改进信息素的更新机制;最后应用改进算法对城市交通总量进行分批分配并得到流量分配图。结果表明,改进算法综合考虑了出行距离和道路质量,较改进前更符合交通流量分配要求,具有较好的路径寻优性,可为灾后救援工作和灾后路网交通分配决策提供建议和支持。     

蚁群-势场算法在水下重力辅助导航航迹规划中的应用

水下潜器航迹处于重力特征变化明显的适配区域才能保证重力辅助导航的有效实施,因此在重力匹配导航阶段,潜器的航迹规划至关重要。本文首先依据重力统计特征参数对水下潜器航行区域进行适配性划分,并给出适配、非适配区标签;然后在蚁群算法进行航迹规划的基础上引入人工势场算法,重新构建启发函数,避免了蚁群算法的局部最优问题;同时利用最大-最小蚁群系统改进算法信息素更新规则,防止了"早熟"现象发生。仿真试验结果表明,本文提出的蚁群-势场算法可以有效解决水下潜器在重力辅助导航中的航迹优化问题,提高了问题解的可行性。     

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。     

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。     

产生"Tuned"模板的Bayesian Networks 方法

介绍了Bayesian Networks（简称BNs）产生“Tuned”模板新方法的基本原理以及BNs法与蚁群行为仿真技术和单纯形法组合的方法。通过实际航空影像的实验结果表明，新方法对纹理影像的识别率是令人满意的，同时还将新方法与遗传算法的结果作了对比，结果表明新方法是很有应用前景的。     

基于蚁群优化算法的线状目标简化模型

基于蚁群优化算法的基本原理,分析线状目标简化过程中所需满足的约束条件,建立具体的算法设计模型,并引入长期禁忌表和局部搜索策略以提高算法的运算效率,给出解题的关键步骤。最后对该算法进行测试,简化结果表明将蚁群优化算法用于线状目标的简化,能较好地保持线状目标的几何形状特征,在顾及长度偏差和矢量偏差的同时有较高的压缩率。与道格拉斯算法简化结果对比表明,在相同的几何限差内蚁群优化算法所得目标函数值更佳。