�ϲ���ά�������ʷ��ݵ��㷨�Ա�

?????????????λ????????????????????????????????????????????????????????????????????巨???????????????????ú???????2001~2004???GPS?????????????????????????????з????????????????б?????????????????????????Ч??????????????????????????????     

基于三维数据的微粒群反演汶川地震同震滑动

采用2008-05-28汶川大地震的GPS三维同震形变数据,运用微粒群算法,结合位错理论模型,反演龙门山断裂的三维滑动速率。结果表明,龙门山主山前边界大断裂、龙门山后山大断裂、龙门山主中央大断裂均呈现逆冲特征,其中,龙门山主中央大断裂还具有右旋走滑趋势;龙门山主中央大断裂的滑动速率最大,且断层的滑动速率与地表同震位移具有同步响应特征。     

城市形态演化的粒子群智能随机元胞模型与应用——以上海市嘉定区为例

城市形态演化是一个非线性的复杂时空动态过程,认识、理解和模拟此变化过程,有助于探索城市扩展的机理。地理元胞自动机(CA)因其较强的复杂系统模拟和预测能力,越来越多地应用于城市形态的演变研究。CA"自下而上"的结构特性,与粒子群智能(PSO)由底层单元交互而呈现系统全局的自组织性,本质上是一致的。本研究将两者结合,以模拟结果和真实形态的差异最小化为基础,利用粒子群智能,以快速随机搜索的方式,获取CA参数的优化组合和模型结构,从而建立了一种粒子群智能地理元胞自动机模型(PSO-CA)。以上海市嘉定区为案例,通过较长时段的历史数据对PSO-CA模型进行校正,成功模拟了该区域1989-2006年的城市形态演化过程,并进行了2010年发展预测。与传统地理CA模型比较,PSO-CA模型模拟结果的精度更高。     

基于粒子群算法的神经网络在水资源评价中的应用

为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。     

基于粒子群算法的神经网络在水资源评价中的应用

为了改善传统的人工神经网络,在训练过程中容易陷入局部最小导致应用于水资源评价时存在对训练样本的拟合精度不高的缺点,采用粒子群算法优化人工神经网络的权值和阈值,然后将其应用于中国12个地区的水资源可持续利用系统评价实例中,并和传统的人工神经网络进行了对照。结果表明,基于粒子群算法的人工神经网络和传统的人工神经网络相比,能较好的提高对训练样本的拟合精度,表明基于粒子群算法的人工神经网络,用于水资源可持续利用系统评价是可行的。     

基于GPS和水准数据的微粒群算法联合反演祁连山北缘断裂三维滑动速率

将微粒群算法与位错理论模型相结合,采用中国地壳运动观测网络提供的青藏高原地区2001~2004年GPS测量数据和2000~2006年水准测量数据,通过常规定权和附有相对权比的方法对祁连山北缘断裂的三维滑动速率进行联合反演,并与蚁群算法反演结果进行对比。结果表明,微粒群算法收敛速度快、稳定性高,结合经典位错理论模型,是一种可以有效求解断层三维滑动速率反演问题的优化算法,在大地测量反演领域极具应用潜力。     

基于Voronoi邻近的物流车辆路径快速优化算法

 现代物流业需要快速高效并智能化制定物流运输方案。传统路径优化方法适合处理中小规模的车辆路径问题,计算时间较长,方案质量较低,故需发展短时间内能提供高质量路径方案的启发式算法。针对大规模物流车辆路径优化,本文提出了一种Voronoi邻近的快速优化方法。该方法先创建初始解,而后进行迭代优化。初始解创建利用Voronoi邻近关系,顾及车辆容量约束,自底向上进行客户点空间聚类,将问题降维;采用最廉价插入算法安排聚类内部路径,生成性质良好的初始解。迭代优化在客户点Voronoi邻近内进行有效的局部搜索,利用模拟退火机制接受较差解,从而跳出局部最优,不断提高解的质量。本文利用模拟生成的北京市大规模车辆路径问题进行实验,结果表明:本文算法能够在4500s内优化客户点高达12 000个物流车辆路径问题,计算时间较短,解的质量优良,算法性能稳定。本文与其他算法比较,能在较短时间内提供高质量车辆路径方案,适用于大规模物流车辆路径的优化。     

基于离散粒子群算法的2种新型水体提取方法的对比与验证

随着遥感技术在水体提取与监测方面的广泛应用,更多的研究者致力于提高遥感水体提取的精度.离散粒子群算法在遥感图像分类研究中获得了较高的精度和更稳健的分类效果,已经被应用到遥感水体提取领域,但其在水体提取中的适用性和精度还有待对比与验证.本文采用最新提出的2种基于离散粒子群算法的水体提取方法,即光谱匹配耦合离散粒子群算法(...     

基于多目标遗传算法和FLUS模型的西北农牧交错带土地利用优化配置

西北农牧交错带生态环境脆弱,区位特殊性和生态重要性使其在我国社会经济发展和生态环境保护方面具有重要战略意义。通过对该区域进行土地利用优化配置,使有限的土地资源支撑起生态环境保护和经济发展的重任是本文的出发点。多目标遗传算法和FLUS模型的应用可以从多方面（数量结构、空间布局、综合效益）完善土地利用优化配置,为土地利用优化配置提供更多的选择方案。本文选用多目标遗传算法和FLUS模型对该区域进行2025年的土地利用变化模拟,通过设置自然发展、生态保护优先、经济发展优先、生态-经济均衡4种情景,探讨了如何在兼顾生态环境保护与社会经济发展的情况下进行土地利用的优化配置。结果表明,基于生态-经济均衡情景下的优化方案,土地利用类型的数量结构和空间布局更为合理,其综合效益优于另外3种情景。该情景在合理限制经济发展速度的前提下,使生态建设获得稳定发展,其经济效益较生态保护优先情景下增长了8.96%,生态效益较经济发展优先情景下增长了0.77%,在生态保护与经济发展2种目标之间达到平衡,为西北农牧交错带的土地利用规划提供了决策辅助。     

多目标土地用途分区空间优化方法

土地用途分区既是空间分类问题更是空间优化问题。针对传统分区方法规划目标单一、空间关系破碎、图数不同步方面的不足,基于空间优化配置的思想构建科学合理的土地用途分区模型,剖析了影响土地利用空间布局的主要因素,构建了土地用途分区空间优化的目标和约束体系,为将复杂地理计算运用到土地用途分区领域提供了基础和可行性。     

基于改进小波神经网络的GPS高程拟合研究

针对小波神经网络存在的局限性,采用粒子群算法对小波神经网络进行优化,并在此基础上建立GPS高程异常值的拟合模型.为了避免粒子群算法陷入局部极小值和收敛速度慢等问题,采用惯性权重非线性递减和自适应学习因子相结合的策略对粒子群算法进行改进,从而提高模型的训练精度.以某矿区实测GPS数据为例,对所建模型的拟合性能进行验证.结...     

一种考虑空间增长潜力的城市扩张灰度CA模型与应用

元胞自动机（Cellular Automata,CA）是进行城市空间演变模拟的重要建模工具。经典城市扩张CA模拟规则提取,主要利用一段历史变化样本对城市化（1值）和未城市化（0值）进行双向拟合,存在0值过度拟合现象,即历史观测不变化的元胞样本并不代表其没有转变的潜在可能性。为此,本文将城市空间增长潜力引入CA模型,重新构建CA规则学习样本和参数拟合目标,并利用粒子群优化算法进行参数挖掘,弥补传统CA规则提取的局限性。研究以广州市为案例区,基于主体功能区规划思想构建空间开发潜力,对改进的城市扩张CA模拟模型进行实例应用。结果表明,本文改进的CA模型不论在整体格局还是细节呈现上,均比传统CA模型表现出更高的可信度,模型整体评估精度高于70%,结果可为中长期城市规划提供更好的参考。     

土地利用配置的混沌蚁群优化算法研究

土地利用优化配置是促进土地可持续发展的重要举措,然而现有研究缺乏有效求解土地利用优化配置模型的新型混合式智能优化算法。本文结合蚁群算法和混沌模型,形成混沌蚁群优化（Chaos Ant Colony Optimization,CACO）算法,并以广州市增城区为研究区,对土地利用现状进行优化配置;然后在数量结构、目标函数值、空间布局等方面将优化结果与土地现状及标准蚁群算法优化结果进行对比分析。结果表明：① CACO算法能在满足多种约束条件下,有效解决多目标土地利用优化配置问题;② 与标准蚁群算法相比,CACO算法能增加土地利用的经济效益7.18亿元、生态效益0.33亿元、社会效益1.13%,同时降低地类转换成本1.15%;③ CACO算法能使土地利用现状空间分布多样性和均匀性的下降控制在1.30%以内,同时缩减地块数量8.86%,并使平均斑块大小增加9.77%,从而提升土地集约利用水平,更合理地配置各现状地类的空间分布,为研究区土地利用的科学规划与决策提供支持。     

基于最小能耗的海洋浮式平台位置轨迹优化

【目的】研究解决海洋大惯量浮式平台在复杂海况影响下所引起的振动冲击问题。【方法】采用逆运动学分析方法对平台回转位置进行优化研究,提出一种基于关节最小耗能的多目标轨迹优化算法。采用分段样条插值方法构造关节位置曲线,并建立关节能耗轨迹优化模型,采用粒子群算法实现对关节位置的优化搜索,从而得到基于平台转动最小耗能的位置优化轨迹。【结果与结论】所采用的轨迹优化方法能有效改善系统运行的平滑性,降低回转机构振动与冲击的影响程度,可为平台的振动与冲击主动控制提供必要的理论依据。     

通过改进自适应PSO优化BP网络预测大坝变形

提出自适应粒子群神经网络（ADPPSO-BP）算法,并加入自适应变异算子,提高粒子跳出局部搜索的能力,实现对坝体位移的精准预测。以丰满大坝为例进行验证,建立PSO-BP（粒子群神经网络）、LPSO-BP（线性粒子群神经网络）、改进ADPPSO-BP（改进自适应粒子群神经网络）3种模型,对大坝进行变形预测。结果表明,ADPPSO-BP预测误差最小。     

融合用户特征与群体智慧的多目标旅游线路推荐方法

针对旅游线路推荐过程中的数据稀疏与冷启动问题,本文提出了一种融合用户特征与群体智慧的多目标旅游线路推荐方法。首先,通过携程网、望路行程、百度指数等网站获取景点信息与对应的群体智慧数据,包括景点的位置、票价,用户评论、评分、浏览数据等;其次,结合用户特征与群体智慧数据构建景点对不同特征用户的综合吸引力并计算旅游线路吸引力指数;最后,定义旅游线路推荐多目标优化函数并利用多目标遗传算法NSGA2生成线路推荐列表。相较于传统旅游线路推荐方法,本文所提出的方法充分考虑了用户实际需求（消费侧）与景点吸引力（供给侧）,使得用户能够以较少的时间开销,尽可能多地游览热门景点。同时,推荐过程中根据用户的性别、年龄、出行方式、出行时间对用户群体进行划分,使得推荐准确性更高。实验结果表明,该方法考虑的因子可以有效提高用户在路线规划过程中的满意度,所推荐的旅游线路不仅具有更高的综合吸引力指数,还能够有效减少路程时间。此外,推荐结果也更加具有多样性,有助于推动智能化旅游线路推荐的发展。     

基于光滑粒子流体动力学算法的海浪建模仿真研究

针对传统海浪建模方法中存在海洋表面真实感差、计算复杂的问题,本文进行了基于光滑粒子流体动力学算法（SPH）与移动立方体算法（MC）相结合的海浪建模仿真研究。通过基于空间网格的粒子分配,建立了粒子群单向列表存储结构,在海浪粒子物理量计算时,实现了其光滑核半径内粒子群的快速检索,并基于拉格朗日流体控制方程,进行了海浪粒子受力分析及状态计算;在模拟海浪与环境障碍物碰撞时,将碰撞问题简化为粒子在一定时间段内所经过的路径与障碍物表面三角面片是否相交来进行判定,并假设粒子为理想刚体,采用改进的欧拉方法实现了粒子新位置的动态计算;为增强海浪流体模拟的真实感,在移动立方体节点密度动态计算基础上,依据确定的海浪表面密度阈值,耦合MC算法进行了海浪表面的动态提取,从而实现了海浪三维表面建模与动态演变仿真。通过模拟验证了该算法的时效性与可行性,可为海洋环境信息三维可视化提供一定的参考。     

基于改进RBF神经网络的GNSS高程拟合

针对传统的RBF神经网络模型在GNSS高程拟合中拟合精度较低、稳定性较差、相关因子需提前人为设置等问题,通过将改进的自适应权重粒子群优化算法与MATLAB RBF神经网络函数newrb相结合,实现RBF神经网络函数模型中隐含节点数和SPREAD值的自动优化选取,提高算法在GNSS高程拟合中的精度和稳定性。通过实例分析,该方法拟合精度高,可达到mm级精度,相对于传统的二次多项式模型精度提高17%,稳定性良好。     

基于改进果蝇算法的非线性模型参数估计方法

在对基本果蝇优化算法的寻优流程进行深入分析的基础上,提出一种单方向搜索处理的改进果蝇优化算法（IFOA）。该方法可以对极值点为非零非负的非线性函数进行优化处理,将其应用于非线性模型参数估计。实例表明,IFOA方法在参数估计精度上优于线性近似法与非线性迭代方法;与以遗传算法为代表的智能搜索方法相比,其估计精度相当,并具有参数设置少、寻优过程简单、易于程序实现等优点。     

基于克隆选择算法的冲压工艺机器人结构优化研究

冲压上下料机器人的结构优化设计,通常涉及多个优化参数,采用传统的优化方法往往由于优化目标函数的复杂性不能得到理想的效果。提出基于克隆选择算法的机器人本体结构优化方法,依托有限元ANSYS Workbench平台得到上下料机器人关键零部件的全局最优本体结构。通过与ANSYS Workbench自带优化算法的比较可知:在不增加结构质量的情况下,能获得更高的刚度和强度,从而有效提高机器人的机械性能。实验测试证明了该方法有效可行。