一种知识约束下的多目标土壤空间抽样优化模型

土壤空间抽样优化需要综合考虑抽样精度、成本、代表性以及样点数量与空间布局等多目标,属于典型的NP-Hard空间优化决策问题。先验知识的应用以及多目标的博弈能够有效地提高抽样精度和效率。通过研究土壤空间抽样先验知识及其空间分层技术,以及土壤空间抽样方案与粒子群算法映射关系,建立了基于知识约束下多目标粒子群算法的土壤空间抽样优化模型。模型以最小克里金方差和最大熵为抽样目标,以分层最小样本量、空间阻隔和可达性为约束条件,结合目标规划法进行多目标帕累托优化方案求解,并以陕西省横山县为实验区验证了模型的有效性。实验结果表明,该模型相比传统方法具有较高的收敛效率和抽样精度,先验知识与目标规划法的应用显著提升了抽样方案代表性,能够为土壤空间抽样以及土壤质量监测网络构建提供新的技术支撑。     

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.     

多目标微粒群算法用于土地利用空间优化配置

针对已有空间配置方法在协调土地利用多目标方面的不足,探讨构建基于多目标微粒群算法的土地利用空间优化配置模型。建立了土地利用空间配置方案与单个微粒的映射关系,以经济、社会、生态和综合效益为优化目标,以土地利用优化结构、土地利用现状、地类转换规则为约束条件进行最优配置方案的自组织、智能化搜索,并选取湖北省嘉鱼县作为试验区验证了其有效性。     

基于二进制粒子群优化算法的线状目标简化

针对如何从线状目标的简化可行解中选取近似最优解的问题,该文基于二进制粒子群优化算法原理,将线状目标的可行解抽象为节点是否取舍两种状态的二进制序列,由粒子群根据个体经验和社会经验判断构成线状目标上的节点取舍,提出并设计了一种简化线状目标的算法。目标函数主要由节点压缩率和矢量偏差确定,文中给出了算法实现的关键步骤。通过与道格拉斯-普克算法作对比实验分析,证明了该算法的有效性,保留了重要的几何特征点,图形有良好的外观视觉效果,且有更高的节点压缩率。     

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。     

基于粒子群优化算法的多因子自适应滤波

在抗差多因子自适应滤波的基础上,提出基于粒子群优化智能算法进一步搜索自适应因子的优化值,提高自适应因子的可靠性。在基于状态不符值构造的自适应因子的基础上,构造适应性函数,采用粒子群优化算法搜索更有效的自适应多因子。利用动态导航数据进行验证,结果表明,基于粒子群优化的多因子自适应滤波能更有效地控制异常影响,提高动态导航精度。     

数字孪生铁路多目标粒子群任务调度方法

展示/分析/探索多层次任务及存储/计算/网络资源高效调度是数字孪生铁路的关键技术,随着存储、计算和网络等分布式异构资源不断接入,数字孪生铁路多层次任务并发场景异构资源分配倾斜、任务优先级不匹配、时延高等问题突显。现有调度方法大多针对单一层次任务资源进行设计,无法直接适用多层次任务调度场景,难以保障多层次任务调度的最大完工时间和资源负载均衡全局最优。针对上述问题,本文设计了适用于数字孪生铁路特点的多层次任务调度模型,提出了多目标粒子群任务调度算法,基于云仿真平台CloudSim对该方法进行对比测试,基于DTScope引擎设计实现数字孪生铁路“安全—质量—进度”智能施工管理案例原型。结果表明,本文方法适用于数字孪生铁路多层次任务并发调度场景,与现有方法相比明显提高了多层次任务完成时间效率和任务调度均衡性,可有效支撑数字孪生铁路展示—分析—探索多样化应用。     

粒子群优化算法在遥感影像增强中的应用

遥感影像的复杂性给影像增强处理带来了困难.非完全Beta函数增强方法具有理想的增强效果,但是,其参数的合理选取是算法的关键与难点.粒子群优化算法(PSO)是基于鸟群群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力.这里将PSO用于Beta函数参数的自适应选取,实现了基于PSO的非完全Beta函数增强方法,并通过航空和卫星遥感影像的增强实验,验证了该方法的有效性.     

粒子群优化算法在遥感影像增强中的应用

遥感影像的复杂性给影像增强处理带来了困难。非完全Beta函数增强方法具有理想的增强效果,但是,其参数的合理选取是算法的关键与难点。粒子群优化算法(PSO)是基于鸟群群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力。这里将PSO用于Beta函数参数的自适应选取,实现了基于PSO的非完全Beta函数增强方法,并通过航空和卫星遥感影像的增强实验,验证了该方法的有效性。     

城市土地利用空间优化配置的多智能体系统与微粒群集成优化算法

在多目标约束下,构建了应用于城市土地利用空间优化配置的多智能体系统与微粒群集成优化算法,并以长株潭城市群的核心区域为例,开展了基于该算法的城市土地利用空间优化配置应用研究。研究结果表明,集成优化算法的Agent平均适应值和运行效率分别较微粒群优化和标准遗传算法得到了大幅度提高,从而证明了算法的可行性与先进性。     

微粒群优化方法的遥感影像变化检测研究

将微粒群优化方法引入遥感信息变化检测领域,构建了基于微粒群优化方法的遥感信息变化检测方法。在变化监测的过程中,通过变化规则的自动搜索和建立,实现了遥感影像变化信息的一次性直接提取。应用微粒群优化方法对北京试验区20002006年、2006--2009年两个时间段的遥感影像进行土地覆盖类型的变化信息检测,并与决策树（C4．5和PART）、最大似然等方法的变化检测结果进行对比分析。结果表明,微粒群优化方法能够自动搜索变化规则,得到的变化规则比决策树方法更简单,并能够获得更高的检测精度。     

模拟退火机制下优化离散粒子群的端元提取算法

针对离散粒子群优化(Discrete Particle Swarm Optimization,DPSO)端元提取算法初始种群质量差、收敛性能低且易于陷入局部最优,本文将模拟退火算法引入到DPSO的不同阶段,模拟退火算法能以一定的概率接受和舍弃新状态,使种群内粒子渐趋有序、达到平衡,收敛到全局最优,有效避免了搜索陷入局部最优。因此,该算法不仅保持了DPSO的全局组合优化特点,克服了初始种群质量差、易陷入局部最优等缺点,而且还提高了收敛速度和端元提取精度。     

基于粒子群算法的小波神经网络应用与研究

小波神经网络(WNN)结合了小波良好的时频局域化性质和传统神经网络自学习功能,因而使得小波网络具有较强的逼近和容错能力,并具有良好的收敛性和鲁棒性。然而其网络收敛速度慢、搜索成功率低及易陷入局部极小值等缺点使得传统的小波神经网络难以得到广泛应用。本文介绍一种基于粒子群(PSO)算法的小波神经网络,其通过利用种群间信息共享进行寻优,以获得结构化的神经网络,克服传统小波网络的诸多缺点,取得了良好的效果。     

应用高斯粒子群优化的无迹粒子滤波

针对粒子滤波算法中存在的粒子退化与粒子匮乏的缺陷,提出了利用高斯粒子群优化无迹粒子滤波的新算法。算法使用无迹粒子滤波进行重要性采样,并将高斯粒子群优化算法融入重采样过程中。该算法选取的概率密度更加接近系统真实状态,有效增加了粒子的多样性,提高了抽样效率,降低了粒子退化程度,缓解了粒子匮乏现象。试验结果表明,该算法的滤波精度明显优于粒子滤波与无迹粒子滤波算法所得到的滤波精度。     

产生“Tuned”模板的的混沌粒子群算法

针对传统的产生纹理“Tuned”模板方法的缺陷,在介绍混沌粒子群优化算法的基础上,提出了产生最佳“Tuned”模板的混沌粒子群方法;阐述了产生“Tuned”模板新方法的基本原理和实现步骤.通过对实际航空影像分类的实验表明,新方法对纹理影像的分类正确率令人满意.将混沌粒子群算法与基本粒子群算法的结果作了对比,结果表明,新方法具有较好的应用前景.     

基于粒子群优化的模糊特征自适应选择方法

模糊特征的选择影响着模糊分类的结果。从大量模糊特征中选择出有效特征进行分类,存在着一定的难度。粒子群优化算法(PSO)是基于群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力。将离散二进制PSO用于模糊特征选择,实现了基于PSO的模糊特征自适应选择方法,并通过航空和卫星遥感影像的模糊分类实验,验证了此方法的有效性。     

小尺度下土壤水分空间变异与地形因子的相关分析

根据贵阳市采样基地地形地貌及土地利用特征,借助地统计空间变异分析和GIS技术在进行详细的土壤水分变异特征分析的基础上,分析小尺度下土壤水分分布与地形因子的关系.从对土壤水分的统计分析结果来看,土壤水分分布接近正态分布;变异系数为0.17,属于中等偏低水平;土壤水含量范围大约在10.65～21.82之间.克立格插值结果显示,整个研究区域中的土壤水含量分布规律明显,即由中间向东西两侧递增.通过对不同坡度和高程下土壤水含量分级的分布面积的整理,我们发现不同级别的土壤水含量与坡度之间存在很强的负相关关系,变化曲线呈倒数形式;土壤水含量的各个级别与高程4级、5级之间存在很强的正相关关系;土壤水含量各个级别在东坡分布面积最多,其次为东北坡.     

基于粒子群优化的模糊特征自适应选择方法

模糊特征的选择影响着模糊分类的结果.从大量模糊特征中选择出有效特征进行分类,存在着一定的难度.粒子群优化算法(PSO)是基于群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力.将离散二进制PSO用于模糊特征选择,实现了基于PSO的模糊特征自适应选择方法,并通过航空和卫星遥感影像的模糊分...